一种基于稀疏自编码器的Github开源项目推荐方法

    公开(公告)号:CN107808278B

    公开(公告)日:2021-09-24

    申请号:CN201710940238.6

    申请日:2017-10-11

    申请人: 河海大学

    摘要: 本发明公开了一种基于稀疏自编码器的Github开源项目推荐方法,分别从项目、用户、项目‑用户三个维度进行数据预处理,得到用户关联度矩阵、项目关联度矩阵、用户‑项目关联度矩阵;对文本信息进行提取,通过分析文本相似度对项目进行聚类。结合协同过滤模型和稀疏自编码器帮助开发者找到合适的开源项目。将数据预处理所得的三个矩阵作为输入,通过神经网络迭代学习,得到两个潜在因子向量,通过潜在因子向量的内积预测出用户‑项目关联度矩阵中的缺失项,根据开源项目的聚类信息,将同一类中分值较高的前N项进行推荐。推荐合适的项目给开发者,节省了开发者在海量开源项目中寻找自己感兴趣的项目的时间,有效地提高了开发者参与开源项目的性能。

    移动边缘环境下基于隐私保护的Web服务QoS预测方法

    公开(公告)号:CN109257217B

    公开(公告)日:2021-08-10

    申请号:CN201811091441.1

    申请日:2018-09-19

    申请人: 河海大学

    IPC分类号: H04L12/24 H04L12/26 H04L29/08

    摘要: 本发明公开了一种移动边缘环境下基于隐私保护的Web服务QoS预测方法收集用户信息和Web服务的QoS属性数据,对其进行数据预处理后得到符合边缘环境特性的数据集,并结合差分隐私实现边缘环境下保护隐私的QoS预测方法。在进行数据预处理时,根据用户的纬度和经度将其分为位于同一边缘服务器中、同一边缘区域和不同边缘区域内;对划分后的边缘服务器中的服务进行处理,删除无属性值和位于同一边缘端属性值却相差很大的服务,得到近似边缘环境下的服务集;在预测过程中,为保护用户隐私,对原始数据集加入拉普拉斯噪声,得到伪装后的数据集,并将其作为历史数据进行预测。

    一种城市街道垃圾检测和清洁度评估方法

    公开(公告)号:CN109165582B

    公开(公告)日:2021-09-24

    申请号:CN201810901959.0

    申请日:2018-08-09

    申请人: 河海大学

    摘要: 本发明公开了一种基于移动边缘计算和深度学习的城市街道垃圾检测和清洁度评估方法。这种方法主要通过安装在城市街道垃圾收集车上的高分辨率摄像机和手持的移动设备进行街景图象收集;利用边缘服务器临时存储并进行街景图象预处理;通过城市网络把这些数据传输到云中心,同时利用深度学习Faster‑Rcnn算法识别街道垃圾类别以及对垃圾数量计数,并且将这些结果引入到基于层次的街道清洁度评估框架当中,最终可视化街道清洁度等级;为城市市政管理者有效安排清理人员提供方便。

    一种基于卷积神经网络的高低空区域联合降雨预测方法

    公开(公告)号:CN110728411A

    公开(公告)日:2020-01-24

    申请号:CN201910992079.3

    申请日:2019-10-18

    申请人: 河海大学

    摘要: 本发明提出了一种基于卷积神经网络的高低空区域联合降雨预测方法,运用相关系数法确定预测因子后,利用加权K-means方法将所有站点以距离和风向作为权重进行分类,将与目标站点气象相关的周围站点找出,以便于协助目标站点预测降雨,再对于目标站点和周围站点的高空数据计算切变因子,将筛选出的地面因子和高空切变值结合并降维,最后输入TCN网络中建立降雨量预测模型,对目标地区未来12小时的降雨量进行预测,预测过程中充分考虑降雨的时序影响和周边地区的气象关联度。本发明方法克服了单站点、单层空间预测降雨不精确的特点,降雨预测更加准确,及时性也更强。

    基于MLP的动态区域联合短时降水预报方法

    公开(公告)号:CN109143408A

    公开(公告)日:2019-01-04

    申请号:CN201810902495.5

    申请日:2018-08-09

    申请人: 河海大学

    IPC分类号: G01W1/10

    CPC分类号: G01W1/10

    摘要: 本发明公开了一种基于MLP的动态区域联合短时降水预报方法,该方法包括如下步骤:数据预处理,主要包括离差标准化和PCA;MLP的结构选择和参数训练,通过贪心算法确定MLP的广度和宽度,再调整MLP的权重和偏置;范围参数确定和模型优化,不同的感知范围意味着不同的MLP个数,通过动态改变范围来优化模型,MLP的个数在预报过程中是动态变化的。本发明第一个步骤是数据预处理,目的是对物理因子标准化,提取这些因子中的有用信息,节省软硬件资源。第二个步骤在两个地区之间建立MLP,并选择最优MLP。第三个步骤确定模型中使用的MLP的个数,并通过动态调整MLP个数来优化模型。

    一种基于稀疏自编码器的Github开源项目推荐方法

    公开(公告)号:CN107808278A

    公开(公告)日:2018-03-16

    申请号:CN201710940238.6

    申请日:2017-10-11

    申请人: 河海大学

    IPC分类号: G06Q10/10 G06F17/30

    摘要: 本发明公开了一种基于稀疏自编码器的Github开源项目推荐方法,分别从项目、用户、项目-用户三个维度进行数据预处理,得到用户关联度矩阵、项目关联度矩阵、用户-项目关联度矩阵;对文本信息进行提取,通过分析文本相似度对项目进行聚类。结合协同过滤模型和稀疏自编码器帮助开发者找到合适的开源项目。将数据预处理所得的三个矩阵作为输入,通过神经网络迭代学习,得到两个潜在因子向量,通过潜在因子向量的内积预测出用户-项目关联度矩阵中的缺失项,根据开源项目的聚类信息,将同一类中分值较高的前N项进行推荐。推荐合适的项目给开发者,节省了开发者在海量开源项目中寻找自己感兴趣的项目的时间,有效地提高了开发者参与开源项目的性能。

    一种基于卷积神经网络的高低空区域联合降雨预测方法

    公开(公告)号:CN110728411B

    公开(公告)日:2022-04-12

    申请号:CN201910992079.3

    申请日:2019-10-18

    申请人: 河海大学

    摘要: 本发明提出了一种基于卷积神经网络的高低空区域联合降雨预测方法,运用相关系数法确定预测因子后,利用加权K‑means方法将所有站点以距离和风向作为权重进行分类,将与目标站点气象相关的周围站点找出,以便于协助目标站点预测降雨,再对于目标站点和周围站点的高空数据计算切变因子,将筛选出的地面因子和高空切变值结合并降维,最后输入TCN网络中建立降雨量预测模型,对目标地区未来12小时的降雨量进行预测,预测过程中充分考虑降雨的时序影响和周边地区的气象关联度。本发明方法克服了单站点、单层空间预测降雨不精确的特点,降雨预测更加准确,及时性也更强。

    基于MLP的动态区域联合短时降水预报方法

    公开(公告)号:CN109143408B

    公开(公告)日:2020-12-11

    申请号:CN201810902495.5

    申请日:2018-08-09

    申请人: 河海大学

    IPC分类号: G01W1/10

    摘要: 本发明公开了一种基于MLP的动态区域联合短时降水预报方法,该方法包括如下步骤:数据预处理,主要包括离差标准化和PCA;MLP的结构选择和参数训练,通过贪心算法确定MLP的广度和宽度,再调整MLP的权重和偏置;范围参数确定和模型优化,不同的感知范围意味着不同的MLP个数,通过动态改变范围来优化模型,MLP的个数在预报过程中是动态变化的。本发明第一个步骤是数据预处理,目的是对物理因子标准化,提取这些因子中的有用信息,节省软硬件资源。第二个步骤在两个地区之间建立MLP,并选择最优MLP。第三个步骤确定模型中使用的MLP的个数,并通过动态调整MLP个数来优化模型。

    移动边缘环境下基于隐私保护的Web服务QoS预测方法

    公开(公告)号:CN109257217A

    公开(公告)日:2019-01-22

    申请号:CN201811091441.1

    申请日:2018-09-19

    申请人: 河海大学

    IPC分类号: H04L12/24 H04L12/26 H04L29/08

    摘要: 本发明公开了一种移动边缘环境下基于隐私保护的Web服务QoS预测方法收集用户信息和Web服务的QoS属性数据,对其进行数据预处理后得到符合边缘环境特性的数据集,并结合差分隐私实现边缘环境下保护隐私的QoS预测方法。在进行数据预处理时,根据用户的纬度和经度将其分为位于同一边缘服务器中、同一边缘区域和不同边缘区域内;对划分后的边缘服务器中的服务进行处理,删除无属性值和位于同一边缘端属性值却相差很大的服务,得到近似边缘环境下的服务集;在预测过程中,为保护用户隐私,对原始数据集加入拉普拉斯噪声,得到伪装后的数据集,并将其作为历史数据进行预测。

    一种城市街道垃圾检测和清洁度评估方法

    公开(公告)号:CN109165582A

    公开(公告)日:2019-01-08

    申请号:CN201810901959.0

    申请日:2018-08-09

    申请人: 河海大学

    摘要: 本发明公开了一种基于移动边缘计算和深度学习的城市街道垃圾检测和清洁度评估方法。这种方法主要通过安装在城市街道垃圾收集车上的高分辨率摄像机和手持的移动设备进行街景图象收集;利用边缘服务器临时存储并进行街景图象预处理;通过城市网络把这些数据传输到云中心,同时利用深度学习Faster-Rcnn算法识别街道垃圾类别以及对垃圾数量计数,并且将这些结果引入到基于层次的街道清洁度评估框架当中,最终可视化街道清洁度等级;为城市市政管理者有效安排清理人员提供方便。