-
公开(公告)号：CN110347896B
公开(公告)日：2021-09-21
申请号：CN201910507881.9
申请日：2019-06-12
Applicant: 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 北京邮电大学
IPC: G06F16/951 , G06F16/23
Abstract: 本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。
-
公开(公告)号：CN111931242A
公开(公告)日：2020-11-13
申请号：CN202011061914.0
申请日：2020-09-30
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了一种数据共享方法以及应用其的计算机设备及可读存储介质，属于数据信息安全技术领域。本发明结合区块链技术和联邦学习技术，构建基于区块链和联邦学习的数据安全共享模型，设计数据共享基本流程；以实现可靠的联邦学习为目标，设计基于区块链和节点工作质量的工作节点选择算法；修改区块链的共识方法，设计一种基于模型训练质量的激励机制共识算法，已达到鼓励优秀工作节点工作和简化共识过程，减少共识成本的目的；以平衡数据安全性和模型实用性为目标，选择适用于联邦学习的差分隐私算法。本发明能够解决数据共享过程中隐私泄露的问题；将区块链技术结合到数据共享中，保障数据的安全可信；同时将提高联邦学习任务的效率。
-
公开(公告)号：CN111784381A
公开(公告)日：2020-10-16
申请号：CN202010520053.1
申请日：2020-06-09
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
公开(公告)号：CN111931242B
公开(公告)日：2021-02-19
申请号：CN202011061914.0
申请日：2020-09-30
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了一种数据共享方法以及应用其的计算机设备及可读存储介质，属于数据信息安全技术领域。本发明结合区块链技术和联邦学习技术，构建基于区块链和联邦学习的数据安全共享模型，设计数据共享基本流程；以实现可靠的联邦学习为目标，设计基于区块链和节点工作质量的工作节点选择算法；修改区块链的共识方法，设计一种基于模型训练质量的激励机制共识算法，已达到鼓励优秀工作节点工作和简化共识过程，减少共识成本的目的；以平衡数据安全性和模型实用性为目标，选择适用于联邦学习的差分隐私算法。本发明能够解决数据共享过程中隐私泄露的问题；将区块链技术结合到数据共享中，保障数据的安全可信；同时将提高联邦学习任务的效率。
-
公开(公告)号：CN111784381B
公开(公告)日：2023-05-16
申请号：CN202010520053.1
申请日：2020-06-09
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06Q30/0201 , G06Q50/06 , G06F18/241 , G06F18/231 , G06F21/62 , G06F21/60 , G06N3/0464
Abstract: 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
Patent Agency Ranking
公开(公告)号：CN111866062B
公开(公告)日：2021-08-31
申请号：CN202010491662.9
申请日：2020-06-02
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明实施例提供一种云服务交易的可信协商方法及装置，该方法包括：根据用户云服务交易申请信息和用户综合信用度信息确定资格用户列表；根据资格用户列表进行云资源模拟分配优化，得到优化后的目标用户列表；与目标用户列表中的所有用户进行价格协商，直至满足预设条件，得到用户云服务交易成交价格。通过权衡用户的综合信用度信息对云平台提供服务的用户进行合理筛选，选取可信度更高的用户，提高判断与辨别服务消费者可信性的能力，保证交易可信度，同时通过云资源模拟分配对经过可信度筛选的用户进行再次筛选，保持云资源的最优分配，最后与用户进行动态让步协商，达成云资源的交易。
-
公开(公告)号：CN111866062A
公开(公告)日：2020-10-30
申请号：CN202010491662.9
申请日：2020-06-02
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明实施例提供一种云服务交易的可信协商方法及装置，该方法包括：根据用户云服务交易申请信息和用户综合信用度信息确定资格用户列表；根据资格用户列表进行云资源模拟分配优化，得到优化后的目标用户列表；与目标用户列表中的所有用户进行价格协商，直至满足预设条件，得到用户云服务交易成交价格。通过权衡用户的综合信用度信息对云平台提供服务的用户进行合理筛选，选取可信度更高的用户，提高判断与辨别服务消费者可信性的能力，保证交易可信度，同时通过云资源模拟分配对经过可信度筛选的用户进行再次筛选，保持云资源的最优分配，最后与用户进行动态让步协商，达成云资源的交易。
-
公开(公告)号：CN110347896A
公开(公告)日：2019-10-18
申请号：CN201910507881.9
申请日：2019-06-12
Applicant: 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 北京邮电大学
IPC: G06F16/951 , G06F16/23
Abstract: 本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。
-
公开(公告)号：CN119182654A
公开(公告)日：2024-12-24
申请号：CN202411079452.3
申请日：2024-08-07
Applicant: 北京邮电大学
IPC: H04L41/0677 , H04L43/087 , H04L43/0829 , H04L43/0876 , H04L43/50 , H04L45/00
Abstract: 本发明提供一种SRv6网络故障的智能诊断方法以及装置，其中，上述方法包括：获取SRv6网络中流量工程策略模式下段列表集合中头节点至尾节点之间的流量特征向量，其中，流量特征向量包括端到端时延、网络时延抖动、丢包率以及链路带宽利用率；将流量特征向量输入至预训练的数据降维聚类模型中，得到预训练的数据降维聚类模型输出的多个网络状态标签，其中，多个网络状态标签中的每个网络状态标签分别用于表示每个流量工程策略模式的网络状态；通过本发明能够提升SRv6网络的故障定位效率。
-
公开(公告)号：CN114844767B
公开(公告)日：2024-11-26
申请号：CN202210452164.2
申请日：2022-04-27
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: H04L41/0631 , H04L41/14 , H04L41/142 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/092
Abstract: 本发明涉及网络告警领域，具体涉及一种基于对抗生成网络的告警数据生成方法。首先，预处理输入数据，包括去除无用信息、编码、填充等操作。然后用交叉熵损失函数预训练生成器及判别器。在对抗训练阶段，引入强化学习方法及结合Bandit算法的上限置信区间搜索算法，完成对离散数据训练过程的参数更新传递及不完整序列的模拟。在经过多轮训练过后，最终，使用训练完成的生成器生成一批告警数据。本发明针对判别器难以分辨不完整序列是否为真实数据的问题，引入结合Bandit算法的上限置信区间搜索算法，将不完整序列模拟为完整的告警数据，从而可以在生成器生成数据的任意时刻都可以通过判别器得到奖励值。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.068 seconds)
