-
公开(公告)号：CN109740062A
公开(公告)日：2019-05-10
申请号：CN201910006059.4
申请日：2019-01-04
Applicant: 东北大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明提供了一种基于学习产出的搜索过程聚类方法，属于搜索引擎领域。采用基于贝叶斯玫瑰树的搜索任务聚类方法，在聚类过程中采用基于学习产出的查询相似度度量方法，实现对搜索任务的聚类。本发明弥补了现有搜索任务聚类方法只关注搜索过程中的查询和点击，而忽略了学习产出的不足，通过在聚类过程中考虑学习产出，提升搜索任务聚类的效果。
-
公开(公告)号：CN109658391A
公开(公告)日：2019-04-19
申请号：CN201811472707.7
申请日：2018-12-04
Applicant: 东北大学
Abstract: 本发明的一种基于轮廓归并和凸包拟合的圆半径测量方法，对于中部分裂、部分可见的不完整圆形具有鲁棒性。该方法能够检测出物理材料表面内的一个或多个圆坑。能够精确计算出被检测到的圆坑的像素半径。该方法可替代传统的人工的物理材料表面圆坑检测方法，能提高效率和节约劳动成本。
-
公开(公告)号：CN108399434A
公开(公告)日：2018-08-14
申请号：CN201810228459.5
申请日：2018-03-20
Applicant: 东北大学
Abstract: 本发明提供一种基于特征提取的高维时间序列数据的分析预测方法，涉及数据分析技术领域。该方法首先度量高维时间序列数据的条件属性间和条件属性与决策属性间的相关性，并将与决策属性有相关性的条件属性加入属性核集中；再对高维时间序列数据进行特征提取；然后建立多元线性回归模型，再通过基于健康度的粒子群优化算法对模型中的回归系数进行优化；最后根据所构建的多元线性回归模型，得到某一时刻决策属性的值。本发明提供的基于特征提取的高维时间序列数据的分析预测方法，解决了高维时间序列数据在分析预测过程中所存在的预测效率低、误差大以及容易出现局部最优解的问题，有效提高了多元线性回归分析算法对高维时间序列数据的预测效果。
-
公开(公告)号：CN108364030A
公开(公告)日：2018-08-03
申请号：CN201810227288.4
申请日：2018-03-20
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于三层动态粒子群算法的多分类器模型构建方法，涉及数据分析处理技术领域。该方法包括：预处理输入特征向量集；对预处理后的特征向量集反复分类、切分、训练和合并，直到获得支持向量机的支持向量；采用改进的三层粒子群算法对支持向量机核函数进行优化，构建多分类器模型。本发明提供的一种基于三层动态粒子群算法的多分类器模型构建方法，采用分治方法，对初始数据集进行数据块切分，降低子支持向量机的数据处理规模，加快训练时间，同时，对每一层利用相同数量的独立的支持向量机训练，获得支持向量集，充分利用集群环境，提高并行效率，再对最终的支持向量机核参数进行优化，获得最优的支持向量集，从而获得多分类器模型。
-
公开(公告)号：CN104516977B
公开(公告)日：2017-12-29
申请号：CN201410843143.9
申请日：2014-12-30
Applicant: 东北大学
IPC: G06F17/30
Abstract: 本发明涉及面向搜索过程的搜索引擎交互界面系统及交互方法，该系统包括搜索条件提交模块、搜索结果显示模块和搜索过程管理模块，搜索条件提交模块，用于用户提交搜索条件，并将搜索条件通过互联网传送至搜索引擎服务器，搜索结果显示模块，用于显示从搜索引擎服务器中搜索到的搜索结果，搜索过程管理模块，用于定义元素和关联，创建、保存、修改、删除和显示元素和关联，并发送至搜索引擎服务器，元素包括搜索条件和搜索结果，关联是指搜索条件和搜索结果之间的联系或者搜索条件与搜索条件之间的联系，本发明通过提供与用户搜索过程同步的搜索过程管理功能，并提供搜索条件与搜索结果之间的具体关联，帮助用户记忆并整理整个搜索过程的进展情况。
-
Patent Agency Ranking
公开(公告)号：CN104199884B
公开(公告)日：2017-09-22
申请号：CN201410418143.4
申请日：2014-08-19
Applicant: 东北大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于R覆盖率优先的社交网络观察点选取方法，该方法的核心思想，是将观察点集在网络中的R覆盖率作为判断观察点定位性能的依据，在指定观察点数量的情况下，选取网络中R覆盖率最大的一组节点作为观察点，使得这组观察点可以用尽可能小的计算消耗达到最高的定位准确率。本发明中的观察点选取方法是用于传播信息源定位的，对于相同的观察点数目，本发明具有更高的定位准确率。该方法能找到一组优化的观察点集合，这组观察点集合可以满足在固定观察点数量的情况下，其定位准确率更高；在保证定位准确率的情况下，需要的观察点更少，计算消耗也更小。
-
公开(公告)号：CN104360908B
公开(公告)日：2017-06-16
申请号：CN201410606471.7
申请日：2014-10-31
Applicant: 东北大学
IPC: G06F9/50
Abstract: 本发明涉及基于蚁群优化算法的云环境下SBS资源配置方法，首先获取SBS中各组件服务的资源候选资源配置集，然后获取任意资源属性向量与其组件服务平均响应时间之间的映射关系，构造SBS资源配置应用的搜索图，利用蚁群优化算法调整SBS中各组件服务的资源候选资源配置集，得到最优组合资源配置，最后根据最优组合资源配置对SBS进行资源配置，本发明中的SBS资源配置方法能在配置满足SLA约束的条件下最小化资源使用成本，从而提高服务提供商的收益，当SBS资源配置应用的规模较大时，本发明提出的方法能够保证在较短时间内求得近似最优的组合资源配置。
-
公开(公告)号：CN106506229A
公开(公告)日：2017-03-15
申请号：CN201611077438.5
申请日：2016-11-30
Applicant: 东北大学
CPC classification number: H04L41/50 , G06F9/5027 , H04L41/06 , H04L43/08 , H04L67/10
Abstract: 本发明提供一种SBS云应用自适应资源优化调整系统及方法，该系统包括：规则生成单元；监测单元；触发单元；动态决策单元；方案执行单元。该方法包括：生成自适应资源优化调整规则；在线实时获取SBS云应用的运行状态信息和云环境的运行状态信息；对SBS云应用进行自适应资源优化调整规则在线触发判断，确定触发的自适应资源优化调整规则；生成一组自适应资源优化调整动作，决策出自适应资源优化调整方案，进行SBS云应用自适应资源优化调整。本发明根据SBS云应用提供者与云环境提供者所签订的SLA，调整SBS云应用所占用的资源，实现了在保障SBS云应用性能的同时最小化资源调整的成本。
-
公开(公告)号：CN105797676A
公开(公告)日：2016-07-27
申请号：CN201510410532.7
申请日：2015-07-14
Applicant: 东北大学
Abstract: 本发明提供一种粉煤灰制备放射性金属离子吸附材料的方法，具体步骤包括：将粉煤灰原料和强碱粉末混合、煅烧、研细制成预混熟料，将其与水混合搅拌、静置陈化，再在密封条件下恒温晶化，干燥后得到放射性金属离子吸附材料。本工艺简单，适用性强，对装置没有特殊要求，过程产生污染物少，能高效去除废水中铯离子等放射性金属离子，在处理核工业废水等领域应用范围广。
-
公开(公告)号：CN104573813A
公开(公告)日：2015-04-29
申请号：CN201410852857.6
申请日：2014-12-18
Applicant: 东北大学
Abstract: 本发明公开了一种基于运行过程中历史信息自适应的人工蜂群优化方法，采用多种策略并行搜索，根据运行过程中的历史信息不断调整并指导各种策略的使用比例；方法中平衡全局搜索代价的重要参数Limit随着运行过程中的历史信息不断调整该参数所属的高斯分布。本发明中人工蜂群优化方法根据运行过程中的历史信息实现了动态分配多种搜索策略使用比例，并且动态调整了平衡全局搜索代价的重要参数。在适应度函数计算次数相同的情况下，本发明具有更优质、更高效的函数优化效果。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.06 seconds)
