-
公开(公告)号：CN116894263A
公开(公告)日：2023-10-17
申请号：CN202310703296.2
申请日：2023-06-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于公平性的面向多元隐私数据的预测方法及系统；首先确定给定的逻辑回归的多元数据集的预测任务和敏感属性；使用函数机制的思想，将逻辑回归损失函数使用切比雪夫多项式展开为多项式的形式；使用决策树算法选择出对敏感属性影响最大的属性；使用贝叶斯网络选择出若干个对敏感属性影响最大的一组属性；在展开的多项式函数的系数上加入带有公平性约束惩罚项的拉普拉斯噪声；使用已满足公平性和差分隐私保证的损失函数进行对数据集的预测任务；本发明通过使用切比雪夫多项式、决策树算法和贝叶斯网络，以及带有公平性约束惩罚项的拉普拉斯噪声，来保护多元数据集的隐私和公平性，并确保预测任务可以顺利完成。
-
公开(公告)号：CN116680405A
公开(公告)日：2023-09-01
申请号：CN202310372757.2
申请日：2023-04-10
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F16/36 , G06F40/30 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/042 , G06N3/08 , G06N5/022 , G06N5/04
Abstract: 本发明提出了一种基于关系路径推理的全局数据空间链接预测方法及系统，利用全局数据空间技术对庞大的知识图谱数据进行获取和后续处理；利用知识图谱中大量存在的三角结构来挖掘关系路径，三角结构不仅能够得到路径推理的置信度，同时抽取的路径长度为2，在保证计算效率的同时得到了语义信息最丰富的关系路径；利用门控循环单元结构GRU技术对关系路径进行推理，为模型本身提供了丰富的语义信息；利用注意力机制保证实体对之间多条路径都能充分考虑，且做到了主次分明；改进了ConvR模型的关系初始嵌入结构，以使其在性能优化的同时解决了ConvR难以适应下游任务的问题；本发明的效果和现有技术相比有着显著优势，可以出色完成链接预测工作。
-
公开(公告)号：CN114841400B
公开(公告)日：2024-10-29
申请号：CN202210299336.7
申请日：2022-03-25
Applicant: 哈尔滨工程大学 , 北京电子工程总体研究所
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明提出基于多任务时空图卷积的空气质量预测方法。本发明所述方法使用记忆网络、注意力机制，多层图卷积网络等技术构建基于多任务的深度时空序列数据预测模型，利用单一站点的本地属性和整体站点的全局属性，动态的构建站点间的邻接关系图；利用多层图卷积分别聚合单一站点的时序关系以及邻居站点的空间关系；利用多任务协同训练策略既考虑细粒度站点级别的预测任务，也充分考虑了粗粒度城市级别的预测任务，大大提高了时空序列数据预测效果。
-
Patent Agency Ranking
公开(公告)号：CN118535920A
公开(公告)日：2024-08-23
申请号：CN202410662597.X
申请日：2024-05-27
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0442 , G01W1/10 , G01N15/06 , G06N3/08
Abstract: 基于多粒度对比学习的空气质量预测方法和系统，涉及空气质量预测领域。解决现有的研究没有考虑多粒度表征的模式多样性以及现有方法在处理时空数据的不均匀分布时显示局限性的问题。方法包括：获取空气质量监测站点的空气质量监测数据集和时间特征数据集，将空气质量监测数据集和时间特征数据集进行预处理并分为训练集、验证集和测试集，并将PM2.5作为目标污染物；将空气质量数据划分为不同的粒度，构建基于多粒度对比学习的空气质量预测模型；训练基于多粒度对比学习的空气质量预测模型；将测试集输入到训练后的基于多粒度对比学习的空气质量预测模型，获取空气质量预测值。应用于环境监测领域。
-
公开(公告)号：CN116776880A
公开(公告)日：2023-09-19
申请号：CN202310576018.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F40/295 , G06F40/242 , G06N5/025 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/0895
Abstract: 一种外部信息辅助的中文知识抽取方法、系统、存储介质及计算机，涉及信息抽取领域。解决现有中文中的实体识别任务困难，需要处理更多的歧义性和上下文依赖性的问题。所述方法包括：获取中文嵌套命名实体识别数据集，将所述数据集进行预处理，并划分为训练集、验证集和测试集；构建外部信息辅助的中文知识抽取模型；利用所述训练集对所述外部信息辅助的中文知识抽取模型进行训练，获取优化模型；根据所述优化模型进行解码操作，获取优化模型预测的输入序列的所有互不冲突的命名实体。本发明应用于命名实体识别领域。
-
公开(公告)号：CN112288156B
公开(公告)日：2023-03-31
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/042 , G06N3/047 , G06N3/0499 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN112288156A
公开(公告)日：2021-01-29
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN111105142A
公开(公告)日：2020-05-05
申请号：CN201911165526.4
申请日：2019-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种面向用户个性化隐私保护的众包任务分配方法，包括以下步骤：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；对隐身区域进行网格划分，计算每个网格的信息量；依次删除信息量最低的网格，在当前隐身区域边界的相邻网格中选择信息量最高的网格进行替换扩充，得到最大信息量的连续隐身区域；计算任务分配过程中用户期望距离；平台选择用户期望距离最小的有限分配，选出满足任务请求者需求的所有用户。本发明在提供众包任务服务过程中，为用户提供个性化隐私方案的同时，通过对用户隐身区域的合理规划，增强用户的隐身效果，为用户隐私提供更好的保障。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
