公开(公告)号：CN114386600B

公开(公告)日：2024-09-06

申请号：CN202210034393.2

申请日：2022-01-13

Applicant: 河北工业大学

Inventor： 顾军华 ,  郑子辰 ,  杨亮 ,  牛炳鑫 ,  张亚娟 ,  陈成 ,  周文淼

IPC: G06N3/088 ,  G06N3/082 ,  G06N3/042

Abstract: 本发明为基于自适应结构和位置编码的网络表征方法，首先提取原始网络图中节点的特征信息和结构信息，并从原始网络图中得到两个子网络图和对应的邻接矩阵；其次，采用随机游走方式对原始网络图的位置编码进行初始化；接着，原始网络图的特征矩阵和两个子网络图的邻接矩阵分别输入到两个结构编码器中，得到两个子网络图的节点级表征；然后，将初始化后的位置编码经过两次位置编码器，得到两个基于注意力的位置编码；最后，将两个子网络图对应的节点级表征和基于注意力的位置编码分别按照维度为1拼接在一起，再经过全连接层映射为原始网络图的网络表征。该方法将网络图的位置编码和结构编码融合，使得网络表征将既包含结构信息，又包含位置信息。

公开(公告)号：CN117851643A

公开(公告)日：2024-04-09

申请号：CN202410022637.4

申请日：2024-01-08

Applicant: 河北工业大学 ,  泉州湖南大学工业设计与机器智能创新研究院

Inventor： 马子艺 ,  王润飞 ,  杨亮 ,  汪梦竹 ,  杨建业 ,  刘玉玲

IPC: G06F16/901 ,  G06F16/903 ,  G06Q40/03 ,  G06Q20/40

Abstract: 本发明为一种基于匹配树的多查询连续子图匹配方法，该方法构建一组匹配树，其中每个匹配树对应于查询图中的唯一匹配边。匹配树本质上是一个从查询图组的公共边开始的，用贪心算法构建的树，其中树节点存储信息。对于每次数据图G更新，首先定位与该边对应的匹配树，并将该匹配树视为新的查询图；基于CCG，进行子图匹配。在处理过程中，每当在匹配树节点中遇到一个查询图的查询ID时，收集“匹配结果”。在探索完匹配树后，完成了此次图更新下所有查询图的整体匹配过程。本发明对查询图组#imgabs0#进行子图匹配，其中查询图组#imgabs1#的共同结构仅匹配一次，可以有效地减少每次数据图G更新之后对公共子图执行重复的子图匹配将带来冗余计算。

公开(公告)号：CN111340187B

公开(公告)日：2024-02-02

申请号：CN202010100316.3

申请日：2020-02-18

Applicant: 河北工业大学

Inventor： 顾军华 ,  王悦雪 ,  栗位勋 ,  杨亮 ,  张亚娟 ,  庞志远

IPC: G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明为基于对抗注意力机制的网络表征方法，该方法包括双映射函数的模型，第一个映射函数为将真实数据的节点属性信息以及网络拓扑信息通过图注意力网络为不同节点对分配不同的权重，将原始网络映射到低维空间得到更精确地真实数据的低维表达；第二个映射函数为通过将得到的真实数据的低维表达与扰动结合得到噪声，输入到生成器中映射成为噪声的节点属性信息以及网络拓扑信息；再将两个函数作为两个元组输入到判别器中进行判别，通过判别器给出的结果进行生成器以及编码器的优化，最终得到鲁棒性好以及能够完整保存原始网络信息的低维表达。该方法采用图注意力网络进行网络表征，考虑不同节点之间的相关程度，更加贴近现实情况，效果更好。

公开(公告)号：CN115859793A

公开(公告)日：2023-03-28

申请号：CN202211479957.X

申请日：2022-11-21

Applicant: 河北工业大学

Inventor： 杨亮 ,  武洁纯 ,  王嘉意 ,  李振娜 ,  贾永娜 ,  张亚娟 ,  牛炳鑫 ,  顾军华

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F18/24 ,  G06F18/214

Abstract: 本发明为一种基于注意力的异构信息网络用户异常行为检测方法及系统，首先将异构信息网络某段时间的历史交互数据转换为图数据，图数据的每个节点代表异型信息网络的一个组成对象，图数据的边反映了异构信息网络的组成对象间的联系；然后，基于图神经网络构建用户异常行为检测模型的目标函数，模型通过注意力聚合节点的邻居信息，推导得到节点属性表征的层间传播公式；最后，对各个节点属性表征进行梯度更新，直至所有节点属性表征收敛，得到各个节点属性表征；将各个节点属性表征通过多层感知机压缩为由各个节点的预测标签纵向堆叠而成的一维列向量，即用户异常行为检测结果。该方法利用注意力机制在消息传播过程中自动捕获网络中的所有元路径信息，提高了用户异常行为检测的准确率。

公开(公告)号：CN115238868A

公开(公告)日：2022-10-25

申请号：CN202210897626.1

申请日：2022-07-28

Applicant: 河北工业大学

Inventor： 杨亮 ,  彭玮航 ,  周文淼 ,  崔灿 ,  贾永娜 ,  张亚娟 ,  牛炳鑫 ,  顾军华

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明为基于平滑与锐化融合的网站流量预测方法及系统，该方法获取网站的历史流量数据并转换为网站流量图数据，网站流量图数据的节点表示该网站中的一个网页，边表示网页之间的链接关系，从网站流量图数据中获取节点属性信息和图拓扑信息；接着，基于图卷积神经网络构建网站流量预测模型，节点属性信息和图拓扑信息为模型的输入，模型的输出通过多层感知机压缩得到各个节点的预测标签纵向堆叠形成的一维列向量，即各个网页的流量预测结果；模型由多个图卷积层堆叠而成，在图卷积层中引入锐化操作，将平滑操作和锐化操作结合，使得模型既能够充分提取网站流量图数据中节点与邻居节点属性信息之间的相似部分，也能够提取差异部分，提高了预测准确性。

公开(公告)号：CN112148931A

公开(公告)日：2020-12-29

申请号：CN202011045034.4

申请日：2020-09-29

Applicant: 河北工业大学

Inventor： 杨亮 ,  栗位勋 ,  王悦雪 ,  张亚娟 ,  顾军华

IPC: G06F16/901 ,  G06F16/906 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种用于高阶异构图分类的元路径学习方法，包括以下步骤：步骤1、在多通道模式下构建多条元路径，得到第L层的邻接矩阵A(L)；步骤2、对元路径进行信息补全，得到邻接矩阵A(L2)；步骤3、将邻接矩阵A(L2)的每个通道分别进行GCN聚类运算得到优化目标Z，以此完成整个元路径的学习。本方法能够学习出潜在的元路径信息，也就是把原本比较零散短小的元路径数据，经过模型的学习得到信息丰富、路径更长的元路径；在得到中间邻接矩阵后，在中间邻接矩阵的每一片上进行分类运算，使得分类结果更加准确。

公开(公告)号：CN119992844A

公开(公告)日：2025-05-13

申请号：CN202510052682.9

申请日：2025-01-14

Applicant: 河北工业大学

Inventor： 牛炳鑫 ,  余珂欣 ,  苗瑞恒 ,  杨亮 ,  贾永娜 ,  马子艺 ,  汪梦竹

IPC: G08G1/065 ,  G08G1/01 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明公开一种基于双小波变换的图卷积网络的交通流预测方法，该方法首先通过使用两种不同的小波基函数对原始交通流信号进行分析，克服单小波变换的一些局限性，缓解小波变换的边界效应问题。并且使用动态图中嵌入预定义图的方式，相比于传统的动态图卷积来说，具有更强的稳定性，收敛效果更好，预测精确度更高。使用相关图采样策略，在对模型预测效果影响不大的前提下，降低图卷积计算复杂度。而且，采用预测结果损失、预测趋势分量损失和模型参数的L2正则化项作为整体的训练损失，确保模型在进行训练时，不仅关注于减少预测误差，还能有效避免过拟合问题，也使模型在面对新数据时保持良好的表现，从而实现更为可靠的预测能力。

公开(公告)号：CN119962571A

公开(公告)日：2025-05-09

申请号：CN202510048717.1

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 杨亮 ,  何振兴 ,  张华 ,  李林昊 ,  马子艺 ,  汪梦竹 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06N3/042 ,  G06N3/0895 ,  G06N5/022 ,  G06F18/25 ,  G06F18/22

Abstract: 本发明属于自监督图网络表征技术领域，具体是一种基于子空间的自适应负样本调节的网络表征方法。首先，提取网络图中节点的属性信息及结构信息，得到网络图的属性矩阵和邻接矩阵；属性矩阵分别经过两个属性编码器，得到第一个视图和第二个视图的属性特征；邻接矩阵分别经过两个结构编码器，得到第一个视图和第二个视图的结构特征；将第一个视图的属性特征和结构特征进行拼接，得到第一个视图的节点特征；同理，得到第二个视图的节点特征；接着，利用两个视图的节点特征，构建亲和度矩阵；然后，基于自适应负样本调节的图对比学习，对属性编码器和结构编码器进行训练，根据对比学习损失函数计算训练损失；最后，将两个视图的节点特征进行融合，得到节点表征。在每轮训练过程中动态地为各个负样本对分配权重，权重越大越可能是假负样本对，以解决负样本中存在假负样本的问题，提高节点表征能力。

公开(公告)号：CN114996267B

公开(公告)日：2025-04-15

申请号：CN202210562160.X

申请日：2022-05-23

Applicant: 河北工业大学

Inventor： 杨亮 ,  吴昊泽 ,  康丽娜 ,  陈磊 ,  许晓笛 ,  牛炳鑫

IPC: G06F16/22 ,  G06F16/23 ,  G06N3/084 ,  G06N3/0442

Abstract: 本发明为一种数据库动态索引的构建方法，该构建方法包括以下内容：获取数据库，所述数据库内存储有大量的元组，每一个元组中存储形式相同；制作全局数据集，从数据库中的数据信息中挑选所需属性，按照所需属性进行映射，找到映射中每条行记录所在的数据块，以键值和数据所在的数据块的块号组成键值对，以数据库中挑选出的所有键值对作为全局数据集；构建动态学习索引模型。该方法充分利用多种模型对多种数据结构的包容性，根据各个结点的数据分布使用最适合的索引模型，并且利用OLAP数据库的定期更新特性，对本动态学习索引模型进行自适用性更新。

公开(公告)号：CN118039015A

公开(公告)日：2024-05-14

申请号：CN202410154397.3

申请日：2024-02-02

Applicant: 河北工业大学 ,  敬业钢铁有限公司

Inventor： 刘晶 ,  庞艺博 ,  刘虎德 ,  杨亮 ,  李海龙 ,  董阿伦 ,  季海鹏

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/0455

Abstract: 本发明公开了一种基于动态时序特征的转炉终点元素含量预测方法，包括下述步骤：S1.构建包含基于分量数优化的数据重构模块与基于动态加权的时序预测模块；S2.对生产数据进行采集及数据预处理，并对处理后的数据进行不同时间窗口的划分，得到新的数据集形式；S3.在数据重构模块中，对时序数据进行重构和拼接，提取数据中关键特征的同时保证数据的完整性；S4.对于新的重构数据，时序预测模块在不同时间滑动窗内训练模型并进行预测，利用动态加权对不同时间滑窗的预测结果进行加权完成预测。