面向服务价值的低成本大规模个性化服务定制方法

    公开(公告)号:CN112953760B

    公开(公告)日:2022-05-27

    申请号:CN202110111924.9

    申请日:2021-01-27

    Applicant: 华侨大学

    Abstract: 本发明公开一种面向服务价值的低成本大规模个性化服务定制方法,方法包括:构建服务需求模式库和服务模式库;建立需求模式与服务模式的匹配概率;构建服务价值关系图,通过图的广度优先遍历实现对用户需求的排序;利用遗传算法在需求模式库中找到满足当前用户需求的最佳需求模式集;利用匹配概率,找出与最佳需求模式集匹配的最佳服务模式集,生成满足需求的服务解决方案;计算服务解决方案的第一成本;判断服务网络中是否存在服务子网j满足当前用户需求;如存在,计算第二成本,根据第一成本、第二成本输出服务解决方案。本发明能够解决诸如云制造、Web服务互联网环境下面向用户服务价值的低成本大规模个性化服务定制问题。

    Sanger神经网络并行主元抽取的工作模态参数识别方法和系统

    公开(公告)号:CN112906282A

    公开(公告)日:2021-06-04

    申请号:CN202110313302.4

    申请日:2018-05-07

    Applicant: 华侨大学

    Abstract: 本发明公开了Sanger神经网络并行主元抽取的工作模态参数识别方法和系统,采用等距特征映射的三维时不变结构工作模态参数识别方法。因为等距特征映射算法使用近地距离度量测点间的近邻关系,可以很好的表达三维结构中的非线性特征,因此该方法对复杂三维结构工作模态参数有着很好的识别效果,可用于设备故障诊断、健康监测以及系统结构分析与优化。还包括Sanger神经网络时不变结构工作模态参数识别方法,使用基于Sanger神经网络并行主元抽取工作模态参数识别方法。依据学习率和学习规则并行迭代得到多阶主成分,易于被嵌入到多核硬件,具有很高的工程价值。

    一种轨道交通共线段常规公交调整方法

    公开(公告)号:CN109887267B

    公开(公告)日:2021-04-30

    申请号:CN201910217052.7

    申请日:2019-03-21

    Applicant: 华侨大学

    Abstract: 本发明涉及轨道交通共线段常规公交发车班次调整方法,利用公交车GPS数据确定高峰小时公交车流量,求解出轨道交通共线段公交专用道通行能力作为轨道交通共线段可通行常规公交车交通量的极限值,确定取消共线段的常规公交线路在高峰小时的车辆数;一种基于最大化最小高峰小时平均满载率的常规公交发车减班次建模方法,利用公交刷卡数据计算得到平均满载率,以最大化最小平均满载率为优化目标函数,以轨道交通共线段可通行常规公交车交通量的极限值、最大发车间隔、最大满载率作为约束条件,建立轨道交通共线段常规公交发车减班次最优化数学模型,并利用单步串行贪心算法对该模型进行求解。

    一种时不变结构的工作模态参数识别方法和系统

    公开(公告)号:CN108594660B

    公开(公告)日:2021-04-30

    申请号:CN201810428108.9

    申请日:2018-05-07

    Applicant: 华侨大学

    Abstract: 本发明公开了一种时不变结构的工作模态参数识别方法和系统,采用等距特征映射的三维时不变结构工作模态参数识别方法。因为等距特征映射算法使用近地距离度量测点间的近邻关系,可以很好的表达三维结构中的非线性特征,因此该方法对复杂三维结构工作模态参数有着很好的识别效果,可用于设备故障诊断、健康监测以及系统结构分析与优化。还包括Sanger神经网络时不变结构工作模态参数识别方法,使用基于Sanger神经网络并行主元抽取工作模态参数识别方法。依据学习率和学习规则并行迭代得到多阶主成分,易于被嵌入到多核硬件,具有很高的工程价值。

    一种新建轨道开通前沿线公交乘客转移预测方法及系统

    公开(公告)号:CN112434843A

    公开(公告)日:2021-03-02

    申请号:CN202011244866.9

    申请日:2020-11-10

    Applicant: 华侨大学

    Inventor: 王成 张哲 高悦尔

    Abstract: 本发明涉及一种新建轨道开通前沿线公交乘客转移预测方法及系统,获取每个公交乘客在新建轨道开通前后影响公交乘客转移的历史影响因素数据,判断每个公交乘客在新建轨道开通前后的出行交通工具是否发生了转移,获得每个公交乘客的历史转移数据,以历史影响因素数据作为自变量,以历史转移数据作为因变量建立样本数据集,利用样本数据集对基于分类决策树的公交乘客转移预测模型进行训练,将待预测的沿线公交乘客在新建轨道开通前的影响因素数据输入训练后的公交乘客转移预测模型,获得待预测的沿线公交乘客在新建轨道开通后的转移数据。本发明实现了在新建轨道开通前,对沿线公交乘客的转移做出准确预测。

    一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法

    公开(公告)号:CN112364973A

    公开(公告)日:2021-02-12

    申请号:CN202010777756.2

    申请日:2020-08-05

    Applicant: 华侨大学

    Abstract: 本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法,具体包括:S1:利用频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练;S2:将S1中的神经网络模型的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值;S3:利用目标频率的历史数据对目标频域的神经网络进行二次训练,从而得到目标频率的不相关多源频域载荷识别模型;S4:将目标频率下训练好的神经网络的模型参数迁移到下一个相邻频率的模型;S5:循环该过程直到建立所有频率点的神经网络模型。本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法,通过迁移学习得到的神经网络多源载荷识别模型得到较好的神经网络模型的初始权重,有效减少训练时间,并得到更高的识别精度。

    基于传递函数的多点振动响应频域预测的实验装置及方法

    公开(公告)号:CN107256204B

    公开(公告)日:2020-12-01

    申请号:CN201710235714.4

    申请日:2017-04-12

    Applicant: 华侨大学

    Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置、两种传递函数获取方法、以及利用该实验装置在不相关多源未知载荷联合激励工况环境下根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。基于传递函数和载荷识别的振动响应预测方法步骤:首先利用历史载荷和测点振动响应求解所有载荷点到已知测点和未知测点的传递函数;然后利用工况环境下已知测点的振动响应和所有载荷点到已知测点的传递函数识别工况环境下不相关多源频域载荷;最后利用识别的工况环境下不相关多源频域载荷和载荷到未知测点的传递函数来预测工况环境下未知测点的频域振动响应。本发明可用于多源不相关载荷未知情况下,利用已知测点的频域振动响应对未知结点频域振动响应进行预测。

    基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法

    公开(公告)号:CN110517510A

    公开(公告)日:2019-11-29

    申请号:CN201910795812.2

    申请日:2019-08-27

    Applicant: 华侨大学

    Abstract: 本发明涉及一种基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法,包括:根据传统交叉口车辆延误函数Webster函数获取车辆延误数据,根据点样本产生实际的车辆延误数据;对Webster函数获得的车辆延误数据和点样本产生的车辆延误数据进行数据拟合,构造改进的交叉口车辆延误函数;以改进的交叉口车辆延误函数作为第一目标优化函数,使用包括惩罚因子的改进遗传算法获得最优信号灯配时方案;将改进遗传算法获得最优信号灯配时方案作为训练集;采用XGBOOST回归模型获得实际车流对应的信号灯配时方案。本发明方法实用性强、计算精度高、响应速度快,可以大大提高车辆在交叉口的便捷性,具有广阔的应用前景。

    一种基于密度热度的电离层雷达数据的聚类方法

    公开(公告)号:CN106096639B

    公开(公告)日:2019-04-09

    申请号:CN201610395532.9

    申请日:2016-06-06

    Applicant: 华侨大学

    Abstract: 本发明公开一种基于密度热度的电离层雷达数据的聚类方法,所述聚类方法包括:步骤一:计算两个信号点pi和pj之间的距离di,j,生成信号点的距离矩阵(di,j)N×N,其中i、j表示信号点的序号,N表示信号点的数量;步骤二:根据信号点的距离矩阵(di,j)N×N确定各信号点的密度热度值;步骤三:根据各信号点的密度热度值对各所述雷达信号进行聚类处理,以确定各信号点的类别。本发明基于密度热度的电离层雷达数据的聚类方法根据任意两个信号之间的距离确定信号点的距离矩阵,根据信号点的距离矩阵确定各信号点的密度热度值,进而根据密度热度值对各所述雷达信号进行聚类处理,以确定各信号点的类别。基于密度热度值进行聚类可提高分类的准确度。

    基于RNN、注意力机制的新闻推荐方法及主题表征方法

    公开(公告)号:CN109492157A

    公开(公告)日:2019-03-19

    申请号:CN201811245204.6

    申请日:2018-10-24

    Applicant: 华侨大学

    Abstract: 本发明涉及一种基于RNN、注意力机制的新闻推荐方法及主题表征方法,将传统的主题模型与神经网络词向量结合,可有效提升新闻内容文本语义提取与表示的准确性;利用RNN网络刻画用户新闻浏览的序列性特征,可极大提升个性化新闻推荐内容的时效性;利用注意力机制区分不同新闻对推荐预测的影响力权重,可捕捉到用户兴趣迁移,提升个性化新闻推荐内容准确性与新颖性;最后,结合DBSCAN密度聚类算法的注意力机制,通过密度聚类对新旧话题进行启发式发现,利用主题聚类结果动态计算新闻的影响力权重,提升推荐话题的新颖性。

Patent Agency Ranking