-
公开(公告)号：CN111562996B
公开(公告)日：2021-11-23
申请号：CN202010282009.1
申请日：2020-04-11
Applicant: 北京交通大学
IPC: G06F11/07
Abstract: 本发明提供了一种关键性能指标数据的时序异常检测方法，用以解决现有技术中时序数据异常检测效率低、准确率低的问题。所述时序异常检测方法，先对采集的时序数据中缺失值及异常值进行修正，再提取特征对数据进行拼接，将拼接数据划分为训练集和测试集，在优化目标函数的基础上训练得到异常检测模型，再进行测试及评估得到评估标准，以所述评估标准和异常检测模型，对待检测数据进行时间序列异常检测。本发明对具有周期性的不同时间序列数据的异常检测，从时间序列数据中提取不同维度的特征以保证考虑到数据在不同维度上的相关性都能被模型学习到，减少了异常标注带来的成本，同时适用于正负样本极不均匀的场景，提高了检测效率。
-
公开(公告)号：CN111563374A
公开(公告)日：2020-08-21
申请号：CN202010205874.6
申请日：2020-03-23
Applicant: 北京交通大学
IPC: G06F40/284 , G06F16/31 , G06F16/33 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00 , G06Q50/18
Abstract: 本发明提供了一种基于司法裁判文书的人员社交关系抽取方法，用以解决司法裁判文书中人员社交关系数据处理的问题。所述基于司法裁判文书的人员社交关系抽取方法，对裁判文书进行数据清洗、中文分词以及去停用词，构建基于预训练语言模型的词向量学习模型，再分别结合相关实体关联关系和实体属性的抽取裁判文书特征并进行融合，构建关系抽取模型，抽取裁判文书中相关人员的社交关系。本发明充分挖掘裁判文书数据中的实体关联关系以及司法实体的背景信息，支持司法工作人员理清裁判文书中人员之间的社交关系，挖掘涉案人员潜在的社交关系，有助于法务工作者进行案件相关人员的社交关系发现，减少了人工调查的成本。
-
公开(公告)号：CN110288121A
公开(公告)日：2019-09-27
申请号：CN201910407946.2
申请日：2019-05-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理，解码器对编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。本发明通过起飞时刻注意力机制捕获目标航班所在航线中不同起飞时刻航班客座率的时序依赖性及其它起飞时刻航班客座率对目标航班客座率的影响，同时采用起飞日注意力机制捕获目标航班的自身客座率序列的趋势性及周期性；结合考虑航班自身属性及节假日等外部因素的影响，最终使得本模型在航班客座率预测问题上取得了很好的效果。
-
公开(公告)号：CN115062686B
公开(公告)日：2024-12-31
申请号：CN202210490264.4
申请日：2022-05-07
Applicant: 北京交通大学
IPC: G06F18/2433 , G06F18/213 , G06F18/2131 , G06F18/25 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/088 , H04L43/08 , G06F123/02
Abstract: 本发明提供了一种基于多角度特征的多元KPI时序异常检测方法和系统，属于KPI异常检测领域。所述方法从嵌入图、时域、频域三个角度提取KPI时序的特征，再分别使用图卷积神经网络、时域卷积神经网络和谱网络对三种特征进行数据特征学习表示，再利用全连接神经网络和Softmax函数得到各特征的注意力分数，根据注意力分数对不同特征表示进行融合，然后输入到解码器中得到原始数据的重构表示，构成完整的多元KPI时序异常检测模型；基于历史数据对模型训练完成后，将待检测的多元KPI时序输入到成熟的检测模型中，检测数据中是否存在异常。本发明提不需要人工对异常进行标注，减少了检测过程中的人力需求，提高了运维管理系统异常检测的准确度和效率。
-
公开(公告)号：CN117935185A
公开(公告)日：2024-04-26
申请号：CN202410117635.3
申请日：2024-01-28
Applicant: 北京交通大学
IPC: G06V20/54 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种车辆再识别方法，属于车辆识别领域。所述方法包括：构建车辆再识别网络；获取历史数据集，将车辆图像输入车辆再识别网络，得到图像所包含的以向量形式表征的车辆特征；然后基于视角感知的特征单元选择方法，选定每个视角下的活跃特征单元；将查询图像作为第一图像，将图库中的任意图像作为第二图像，分别获得活跃特征单元，并识别出重叠的活跃特征单元作为公共活跃特征单元，并基于公共活跃特征单元计算第一图像和第二图像中车辆特征的距离，找到并选定与第一图像中车辆特征距离最近的第二图像，识别出目标车辆。本发明通过选择合适的特征单元对车辆图像进行距离度量，从而提高模型的准确性，以及车辆识别效率。
-
Patent Agency Ranking
公开(公告)号：CN114520838B
公开(公告)日：2023-10-17
申请号：CN202210029243.2
申请日：2022-01-11
Applicant: 北京交通大学
IPC: H04L69/22 , H04L69/18 , H04L69/329 , G06F18/22 , G06F18/2413
Abstract: 本发明提供了一种基于K近邻的自定义协议应用层的网络报文匹配方法，属于数据传输领域。所述方法包括：根据历史网络报文构建协议类型存储结构并按时间戳进行顺序编号，获得每种协议类型的结构特征值与取值数组，再基于K近邻模型获取K个近邻的预测协议，以及特征值并输入到线性回归方程，获取待匹配协议与K个预测协议的相似权重并排序，再获取待匹配报文的源IP和目的IP并查询对应的协议种类，与预测协议组成U；将待匹配网络报文与U中的协议，逐一进行匹配，匹配成功时，传输数据并返回协议类型；匹配失败时，则轮询匹配U之外的本地协议，直到匹配正确。本发明在保证传输可靠性、安全性的同时，提高了数据传输效率。
-
公开(公告)号：CN115835231B
公开(公告)日：2023-06-13
申请号：CN202310112602.5
申请日：2023-02-14
Applicant: 中国铁建电气化局集团有限公司 , 北京交通大学 , 北京中铁建电气化设计研究院有限公司 , 中铁建电气化局集团第四工程有限公司
Inventor： 丁珣 , 官科 , 黄国胜 , 何丹萍 , 张硕 , 陈照 , 胡亦茗 , 杜晓 , 张望 , 张平 , 王继军 , 曾成胜 , 罗颖欣 , 司福强 , 荣正官 , 陶光辉 , 杨晓燕 , 李建磊
Abstract: 本公开涉及一种基站角度确定方法、装置、设备及介质。其中，基站角度确定方法包括：获取目标基站的位置数据；基于目标基站的位置数据，在目标正线上划分对应的目标矩形等效区域，得到目标矩形等效区域的尺寸数据；对目标基站的位置数据和目标矩形等效区域的尺寸数据进行角度计算处理，得到对应的角度计算结果；基于角度计算结果，确定目标基站的目标角度。根据本公开实施例，能够快速准确的得到最优的目标基站的覆盖目标角度。
-
公开(公告)号：CN116068593A
公开(公告)日：2023-05-05
申请号：CN202310042710.X
申请日：2023-01-28
Applicant: 中国铁建电气化局集团有限公司 , 北京交通大学 , 北京中铁建电气化设计研究院有限公司
IPC: G01S19/37
Abstract: 本公开涉及一种基于贝叶斯的卫星定位权重计算方法、装置、设备及介质。其中，基于贝叶斯的卫星定位权重计算方法包括：接收多个卫星发出的目标信号，计算目标信号的视距信号概率；基于视距信号概率集合构建贝叶斯模型，视距信号概率集合包括多个视距信号概率；基于视距信号概率，计算多个卫星的几何分布参数，确定几何分布参数最小的卫星组合，卫星组合包括第一预设数量个卫星；基于贝叶斯模型，计算卫星组合中第一预设数量个卫星的定位权重。根据本公开实施例，能够提高卫星的定位精度，减少恶性事故发生。
-
公开(公告)号：CN111563374B
公开(公告)日：2022-08-19
申请号：CN202010205874.6
申请日：2020-03-23
Applicant: 北京交通大学
IPC: G06F40/284 , G06F16/31 , G06F16/33 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00 , G06Q50/18
Abstract: 本发明提供了一种基于司法裁判文书的人员社交关系抽取方法，用以解决司法裁判文书中人员社交关系数据处理的问题。所述基于司法裁判文书的人员社交关系抽取方法，对裁判文书进行数据清洗、中文分词以及去停用词，构建基于预训练语言模型的词向量学习模型，再分别结合相关实体关联关系和实体属性的抽取裁判文书特征并进行融合，构建关系抽取模型，抽取裁判文书中相关人员的社交关系。本发明充分挖掘裁判文书数据中的实体关联关系以及司法实体的背景信息，支持司法工作人员理清裁判文书中人员之间的社交关系，挖掘涉案人员潜在的社交关系，有助于法务工作者进行案件相关人员的社交关系发现，减少了人工调查的成本。
-
公开(公告)号：CN111460830B
公开(公告)日：2022-04-12
申请号：CN202010164540.9
申请日：2020-03-11
Applicant: 北京交通大学
IPC: G06F40/30 , G06F40/211 , G06F40/289 , G06F40/284 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种司法文本中经济事件的抽取方法，用以解决现有技术中司法文本中事件抽取效率低下的问题。所述经济事件抽取方法首先对预选的司法文本数据集进行数据预处理，得到向量化表示的学习数据和文本全局特征，对第一深度学习模型进行训练，得到文本序列对应的实体类别序列；再根据学习数据和实体类别序列，将文本全局特征与文本序列特征进行融合，训练第二深度学习模型，利用第二深度学习模型进行经济事件抽取。本发明围绕深度学习模型，通过融合文本全局特征和文本序列特征，有效地对司法文本中的经济事件进行抽取，准确率高；同时具有较强的泛化以及自学习能力，可用于司法文本摘要、当事人经济事件追踪，减轻相关法务人员的工作压力。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.097 seconds)
