-
公开(公告)号：CN109325625A
公开(公告)日：2019-02-12
申请号：CN201811141977.X
申请日：2018-09-28
Applicant: 成都信息工程大学
Abstract: 本发明公开一种基于二元高斯非齐次泊松过程的单车数量预测方法，属于数据挖掘预测技术领域，根据单车站点历史数据，利用泊松理论，建立非齐次泊松模型，并考虑环境参数的影响，建立最终的预测模型，对时间序列进行模拟并对单车数量进行修正，只需要单车站点历史的单车使用数据就能进行预测，不仅能够在相应数据获取受限的情况下，实现站点单车数量的预测，且可减小天气等不实时更新数据对预测结果的影响，显著提高站点单车在未来的一段时间内的数量预测的准确性和及时性。
-
公开(公告)号：CN112905591B
公开(公告)日：2022-08-26
申请号：CN202110152193.2
申请日：2021-02-04
Applicant: 成都信息工程大学 , 成都探码科技有限公司 , 四川省金科成地理信息技术有限公司
Inventor： 乔少杰 , 韩楠 , 宋学江 , 高瑞玮 , 肖月强 , 张小辉 , 赵兰 , 李鑫钰 , 冉先进 , 甘戈 , 孙科 , 范勇强 , 黄萍 , 魏军林 , 温敏 , 程维杰 , 叶青 , 余华 , 向导 , 彭京 , 周凯 , 元昌安 , 黄发良 , 覃晓 , 李斌勇 , 张永清
IPC: G06F16/22 , G06F16/242 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的数据表连接顺序选择方法，包括以下步骤：S1、对SQL语句进行编码，分别生成列、数据表和连接关系的特征向量；S2、根据列和数据表的特征向量，设计向量树AT来生成连接树的特征向量；S3、根据列、数据表、连接关系和连接树的特征向量，设计部分连接计划模型SP来生成部分连接计划的特征向量，进而生成下一时刻连接状态的特征向量；S4、根据下一时刻连接状态的特征向量，构建深度强化学习模型J，并结合部分连接计划模型SP与向量树AT，生成数据表的最优连接顺序。本发明解决了现有查询优化器生成数据表的次优连接顺序导致查询效率较低的问题。
-
公开(公告)号：CN112749191A
公开(公告)日：2021-05-04
申请号：CN202110070780.7
申请日：2021-01-19
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司 , 成都探码科技有限公司
Inventor： 乔少杰 , 温敏 , 宋学江 , 韩楠 , 杨国平 , 肖月强 , 张小辉 , 赵兰 , 甘戈 , 孙科 , 范勇强 , 冉先进 , 魏军林 , 程维杰 , 余华 , 彭京 , 周凯 , 元昌安 , 黄发良 , 覃晓
IPC: G06F16/2453 , G06F16/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种应用于数据库的智能代价估计方法、系统及电子设备，估计方法包括：S1、采集查询计划、真实基数和代价，并将其封装为对象；S2、将封装的对象中的信息数据转换为特征向量；S3、通过构建树形结构的深度神经网络对特征向量进行处理，得到基数及代价估计结果。本发明方法将传统数据库查询的代价估计进行了升级，利用深度学习的理论去解决查询代价所遇到的难题，尽量减少人工干预，提升代价评估的速度及准确性。
-
公开(公告)号：CN110120105A
公开(公告)日：2019-08-13
申请号：CN201910250660.8
申请日：2019-03-29
Applicant: 成都信息工程大学
Abstract: 本公开涉及一种载人车辆自动检票的方法、系统、服务器和终端，该方法包括：终端获取所述车辆的车辆信息和所述车辆上乘客的图片信息；终端发送所述车辆信息和所述图片信息至服务器；服务器基于所述图片信息统计所述乘客的实时人数；服务器确认所述实时人数等于所述车辆信息对应的预设人数；服务器发送通行指令至所述终端。用于解决景区车流量较大时，检票速度慢进而造成检票口拥挤的技术问题。
-
公开(公告)号：CN110110013A
公开(公告)日：2019-08-09
申请号：CN201910388351.7
申请日：2019-05-10
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司
IPC: G06F16/28 , G06F16/951 , G06F17/27
Abstract: 本发明公开了一种基于时空属性的实体竞争关系数据挖掘方法，将实体竞争关系探测与前沿的计算机技术相结合，克服了传统的竞争关系数据挖掘方法不考虑时空属性影响的缺点，科学的融合实体用户评论、实体用户评论时间和实体空间位置三大因素，科学精确的量化了实体间的竞争关系。本发明最终挖掘得到的实体竞争关系数据取值范围为[0,1]，有效解决了传统的竞争关系挖掘方法和竞争对手识别方法结果对于非技术人员无法理解，最终还需要人工处理和筛选的问题。
-
Patent Agency Ranking
公开(公告)号：CN109272056B
公开(公告)日：2021-09-21
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关‑最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
公开(公告)号：CN110110013B
公开(公告)日：2020-03-24
申请号：CN201910388351.7
申请日：2019-05-10
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司
IPC: G06F16/28 , G06F16/951 , G06F40/284
Abstract: 本发明公开了一种基于时空属性的实体竞争关系数据挖掘方法，将实体竞争关系探测与前沿的计算机技术相结合，克服了传统的竞争关系数据挖掘方法不考虑时空属性影响的缺点，科学的融合实体用户评论、实体用户评论时间和实体空间位置三大因素，科学精确的量化了实体间的竞争关系。本发明最终挖掘得到的实体竞争关系数据取值范围为[0,1]，有效解决了传统的竞争关系挖掘方法和竞争对手识别方法结果对于非技术人员无法理解，最终还需要人工处理和筛选的问题。
-
公开(公告)号：CN109272056A
公开(公告)日：2019-01-25
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关-最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
公开(公告)号：CN112905591A
公开(公告)日：2021-06-04
申请号：CN202110152193.2
申请日：2021-02-04
Applicant: 成都信息工程大学 , 成都探码科技有限公司 , 四川省金科成地理信息技术有限公司
Inventor： 乔少杰 , 韩楠 , 宋学江 , 高瑞玮 , 肖月强 , 张小辉 , 赵兰 , 李鑫钰 , 冉先进 , 甘戈 , 孙科 , 范勇强 , 黄萍 , 魏军林 , 温敏 , 程维杰 , 叶青 , 余华 , 向导 , 彭京 , 周凯 , 元昌安 , 黄发良 , 覃晓 , 李斌勇 , 张永清
IPC: G06F16/22 , G06F16/242 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的数据表连接顺序选择方法，包括以下步骤：S1、对SQL语句进行编码，分别生成列、数据表和连接关系的特征向量；S2、根据列和数据表的特征向量，设计向量树AT来生成连接树的特征向量；S3、根据列、数据表、连接关系和连接树的特征向量，设计部分连接计划模型SP来生成部分连接计划的特征向量，进而生成下一时刻连接状态的特征向量；S4、根据下一时刻连接状态的特征向量，构建深度强化学习模型J，并结合部分连接计划模型SP与向量树AT，生成数据表的最优连接顺序。本发明解决了现有查询优化器生成数据表的次优连接顺序导致查询效率较低的问题。
-
公开(公告)号：CN111275480B
公开(公告)日：2021-02-09
申请号：CN202010014388.6
申请日：2020-01-07
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司 , 成都探码科技有限公司
Inventor： 乔少杰 , 郑皎凌 , 程维杰 , 韩楠 , 宋学江 , 张小辉 , 叶青 , 魏军林 , 肖月强 , 陈权亮 , 李斌勇 , 张吉烈 , 张永清 , 何林波 , 温敏 , 元昌安 , 彭京 , 周凯 , 余华 , 范勇强 , 冉先进
IPC: G06Q30/02 , G06F16/2458 , G06F16/28
Abstract: 本发明涉及一种面向多维稀疏销售数据仓库的欺诈行为挖掘方法，属于数据挖掘领域。该方法包括以下步骤：S1：进行参数定义，包括多维数据空间、多维数据空间上的偏序格、销售数据仓库、销售数据仓库在多维数据空间上的数据分块、挂单行为和挂单模式；S2：进行问题定义；S3：进行特定挂单模式下的挂单点挖掘；S4：进行挂单模式挖掘。本发明提出了挂单模式偏序格的概念，通过引入偏序格中各个挂单模式的相对位置偏序结构信息，有效的使用了数据仓库中的维度层次信息来对挂单行为所遵循的挂单模式进行挖掘。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
