-
公开(公告)号：CN108170832B
公开(公告)日：2021-09-14
申请号：CN201810026313.2
申请日：2018-01-11
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种面向工业大数据的异构数据库的监控系统及监控方法，包括异构数据库系统、中间件服务器和Web监控平台；所述异构数据库系统与所述中间件服务器相互数据通信，所述中间件服务器通过数据库与所述Web监控平台相互数据通信。本发明使用可视化的交互模式结合学习成本较低的数据解析格式，可以让管理者自行快速地接入新的数据源，降低了系统二次开发的次数，提高了线上信息的实用性和稳定性。
-
公开(公告)号：CN113379068A
公开(公告)日：2021-09-10
申请号：CN202110730220.X
申请日：2021-06-29
Applicant: 哈尔滨工业大学
Abstract: 基于结构化数据的深度学习架构搜索方法，属于人工智能技术领域，本发明为解决现有结构化数据的架构搜索方法的搜索空间不足、前置信息易丢失的问题。它包括：采用递归神经网络生成编码，根据编码确定唯一的深度神经网络模型；在结构化数据集上训练深度神经网络模型；根据训练结果，更新递归神经网络；采用深度神经网络模型对搜索空间进行搜索，采用蒙特卡洛策略梯度更新搜索策略，获得最优架构。本发明用于深度学习的架构搜索。
-
公开(公告)号：CN108959370B
公开(公告)日：2021-04-06
申请号：CN201810498426.2
申请日：2018-05-23
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及数据处理技术领域，提供了一种基于知识图谱中实体相似度的社区发现方法及装置，该方法包括：使用知识图谱存储社交网络数据，并计算杰卡德距离得到相似度矩阵；根据所述相似度矩阵计算所述知识图谱中的相似节点集合；根据所述相似节点集合进行迭代的标签传播，并根据迭代后的每个节点的标签列表来确定该节点最终的社区标签，以进行社区发现。我们利用知识图谱存储社区网络，避免了对缺失数据的结构的存储，同时以此为基础将杰卡德距离作为相似度的计算基准，使其准确度更高。
-
公开(公告)号：CN108596398B
公开(公告)日：2021-02-19
申请号：CN201810413123.6
申请日：2018-05-03
Applicant: 哈尔滨工业大学
Abstract: 本公开实施例涉及一种基于条件随机场与Stacking算法的时间序列预测方法、装置、计算机存储介质和电子设备。该方法包括：获得多个基预测器中每个基预测器预测的不同维度的预测数据；将所述多个基预测器的一部分预测数据作为验证集，输入条件随机场模型；根据所述验证集中的预测数据，初始化所述条件随机场模型；在所述条件随机场模型未收敛期间，结合Stacking算法，进行多次迭代，直到所述条件随机场模型收敛为止，得到收敛的条件随机场模型；将所述收敛的条件随机场模型的输出确定为时间序列预测结果。
-
公开(公告)号：CN109325062B
公开(公告)日：2020-09-25
申请号：CN201811061441.7
申请日：2018-09-12
Applicant: 哈尔滨工业大学
IPC: G06F16/2458
Abstract: 本发明涉及数据处理技术领域，提供了一种基于分布式计算的数据依赖挖掘方法及系统，其中方法包括：数据重分配步骤、根据原始数据集生成属性相似倒排表；一阶依赖挖掘步骤、根据所述属性相似倒排表挖掘一阶数据依赖关系；高阶依赖挖掘步骤、逐级进行高阶数据依赖关系的挖掘，其中生成高阶数据依赖候选集，并基于挖掘的低阶数据依赖关系对高阶数据依赖候选集进行剪枝，利用属性相似倒排表对剪枝后的高阶数据依赖候选集中的高阶数据依赖关系进行验证。本发明通过生成属性相似倒排表，并采用递推式的数据依赖关系挖掘方式，使得数据依赖挖掘的可靠性和准确性更高。
-
Patent Agency Ranking
公开(公告)号：CN111400571A
公开(公告)日：2020-07-10
申请号：CN202010075197.0
申请日：2020-01-22
Applicant: 哈尔滨工业大学
IPC: G06F16/951 , G06F16/9536 , G06F16/35 , G06F40/289 , G06Q50/00 , G06N20/00
Abstract: 基于关联规则的社交网络用户信息填充方法，涉及网络技术领域。本发明是为了解决社交网络用户信息填充的准确性差的问题。本发明基于SCRAPY爬虫框架获取用户的在网络社交平台上的个人信息和每个用户在网络社交平台上发布的信息；利用ICTCLAS系统对每个有效用户在社交网络平台发布的信息进行分词，并提取每个有效用户的关键词；利用FP-Growth算法对有效用户的关键词进行关联，利用强关联规则集合将信息缺失的用户与无信息缺失的用户进行不同关键词关联，利用与其关联的无信息缺失用户的信息对信息缺失用户缺失的信息进行填充，或者使用补充算法KNNI对信息缺失用户缺失的信息进行填充。本发明适用于网络平台用户信息填充使用。
-
公开(公告)号：CN111260078A
公开(公告)日：2020-06-09
申请号：CN202010036816.5
申请日：2020-01-14
Applicant: 哈尔滨工业大学
Abstract: 一种机器学习算法的参数调优方法及系统，具有自动化、快速高效及具有普适性，属于机器学习领域。本发明包括：S1、输入用户数据集和待调参数算法，提取用户数据集的特征；S2、在神经网络数据库中，找到待调参数算法的神经网络，将S1提取的特征输入该神经网络中，该神经网络输出待调参数算法的参数；所述神经网络数据库包括根据各种机器学习算法建立及训练好的神经网络，具体构建方法为：构建适用于机器学习算法的数据集的知识库；提取知识库中每个数据集的特征；找到在各数据集上运行各机器学习算法的最优参数；建立每个机器学习算法的神经网络，利用数据集的特征和对应的最优参数作为训练集对对应的神经网络进行训练，获得训练好的神经网络。
-
公开(公告)号：CN110996144A
公开(公告)日：2020-04-10
申请号：CN201911314363.1
申请日：2019-12-19
Applicant: 哈尔滨工业大学
IPC: H04N21/258 , H04N21/25
Abstract: 本发明涉及一种电视用户收视偏好分析方法，包括：获取数据，进行格式整理及清洗，得到清洗后的数据条目；提取数据条目中的频道名称、节目名称，并对节目进行分类；将数据条目按频道名称分别存储，并根据时段归类；选定时段，对数据条目分类，统计所选时段内频道名称、节目名称、节目类别出现频次，得到热点词统计报告；抽选用户；将数据条目按照用户CA卡号分别存储，根据时段对数据条目归类，并按照时间顺序对事件标识排序，得到用户在各时段内的时序事件序列；生成行为模式图；提取体现偏好倾向的用户行为模式；进行用户行为识别，根据识别结果分析所选用户偏好，得到用户收视偏好报告。该方法能够更为准确、全面的分析用户收视偏好。
-
公开(公告)号：CN109284352A
公开(公告)日：2019-01-29
申请号：CN201811153438.8
申请日：2018-09-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于倒排索引的评估类文档不定长词句的查询方法，它涉及数据科学领域的索引方法以及NLP领域的分词方法，解决了评估类文档不定长词句的查询问题。本发明的步骤为：一、对待查询文档进行数据预处理，利用jieba分词方法进行分词处理，得到单词词典与词频信息；二、基于完全重建策略的倒排索引原理建立自适应倒排表；三、结合待查找不定长词句的信息，通过自适应倒排表索引词句中各个单词位置信息，识别不定长词句位置信息并索引其所在段落，来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词，建立倒排索引，进而实现快速搜索不定长词句，从而实现对评估类文档的查询功能。应用场景广泛，因而具有很高的社会经济价值。
-
公开(公告)号：CN109117887A
公开(公告)日：2019-01-01
申请号：CN201810942190.7
申请日：2018-08-17
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及数据处理技术领域，提供了一种针对低维数据样本筛选的支持向量机加速方法及装置，该方法包括：对原始样本的区域边界进行逐级的网格划分，并确定分类边界；根据分类边界选取边界样本，作为筛选后的训练样本；使用所述筛选后的训练样本进行支持向量机的训练。本发明针对低维数据的分类问题，对给定样本进行网格划分，找到分类边界处的样本，并把他们提取出来，得到有效的支持向量机训练样本，最大程度上减少参与下一步实际的支持向量机训练的无效样本，实现了对支持向量机训练计算过程的加速。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.105 seconds)
