-
公开(公告)号：CN116228268A
公开(公告)日：2023-06-06
申请号：CN202310227158.1
申请日：2023-03-10
Applicant: 普元信息技术股份有限公司
IPC: G06Q30/02 , G06F18/214 , G06F18/2431 , G06N20/00
Abstract: 本发明涉及一种信创环境下基于机器学习实现数据资产价值评估处理的方法，包括以下步骤：进行数据预处理；构建机器学习特征提取模型，采用机器学习模型为改进的深度置信网络进行模型的训练；采用改进的网格搜索算法对随机森林分类器进行优化；得到预测的数据资产价值。本发明还涉及一种在信创环境下基于机器学习实现数据资产价值评估的、装置、处理器及存储介质。采用了本发明的信创环境下基于机器学习实现数据资产价值评估处理的方法、装置、处理器及其计算机可读存储介质，采用多目标优化的DBN实现特征的深度提取，具有较好的特征提取效果，能为后续预测分类提供较高质量的特征，进提高评估精度，具有较高的分类精度，同时整体模型具有较高的鲁棒性和泛化能力。
-
公开(公告)号：CN115758462A
公开(公告)日：2023-03-07
申请号：CN202211498813.9
申请日：2022-11-28
Applicant: 普元信息技术股份有限公司
IPC: G06F21/62 , G06F18/214 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种信创环境下实现敏感数据识别的方法，其中，该方法包括以下步骤：采集元数据与样本数据；对采集到的数据进行数据预处理与数据集划分；构建敏感数据样本，并进行注意力增强操作；基于敏感数据识别样本构建目标函数；将所述的目标函数利用深度神经网络模型，进行模型的构建与训练；利用训练完成的网络模型对敏感数据进行识别处理。本发明还涉及一种相应的装置、处理器及其计算机可读存储介质。采用了本发明的该信创环境下实现敏感数据识别的方法、装置、处理器及其计算机可读存储介质，能够综合考虑敏感数据在大数据中的隐蔽性，对特定的特征进行注意力的提升，能够有效提高模型的鲁棒性和泛化能力以及提高敏感数据识别的精度。
-
公开(公告)号：CN115758251A
公开(公告)日：2023-03-07
申请号：CN202211506974.8
申请日：2022-11-29
Applicant: 普元信息技术股份有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种信创环境下基于征信大数据实现企业信用等级分类的方法，其中，该方法包括：对采集到的征信大数据进行数据清洗；基于清洗后的数据，进行数据集成处理；对征信大数据采用主成分分析法进行数据降维操作处理，以降低数据集的大小；对征信大数据进行形式上上的数据变换处理；对征信大数据进行词向量化处理，以获得不同特征之间的相似性，便于后续以此进行模型训练；采用全连接神经网络构建企业信用等级分类的机器学习模型；训练所述的机器学习模型，以实现企业信用等级分类。采用了本发明的该信创环境下基于征信大数据实现企业信用等级分类的方法，有效的解决了模型鲁棒性和泛化能力较差的问题，对模型性能的提升带来极大帮助。
-
公开(公告)号：CN116522224A
公开(公告)日：2023-08-01
申请号：CN202310450823.3
申请日：2023-04-24
Applicant: 普元信息技术股份有限公司
Abstract: 本发明涉及一种信创环境下基于人工智能实现主数据识别处理的方法，包括以下步骤：对原始数据进行预处理；通过调整神经网络中的权重和偏置项来将麻雀算法应用于神经网络的参数优化中，通过调整神经网络中的权重和偏置项来优化神经网络；提出极限学习机模型，对主数据进行识别分类；使用训练好的模型对新的数据进行识别。本发明还涉及一种用于实现信创环境下基于人工智能的主数据识别处理的装置、处理器及其存储介质。采用了本发明的信创环境下基于人工智能实现主数据识别处理的方法、装置、处理器及其计算机可读存储介质，通过提出的改进的麻雀算法对深度神经网络进行参数优化，有效解决了数据特征提取成功率不高的问题；可以更有效地对主数据进行精确识别分类。
-
公开(公告)号：CN116150696A
公开(公告)日：2023-05-23
申请号：CN202310215630.X
申请日：2023-03-07
Applicant: 普元信息技术股份有限公司
IPC: G06F18/2433 , G06F18/241 , G06F18/15 , G06N3/047 , G06N3/08
Abstract: 本发明涉及一种信创环境下实现数据质量管理中的异常数据检测分析处理的方法，包括以下步骤：数据预处理，将输入数据统进行归一化处理；使用预处理的数据进行闭集深度神经网络训练；构建openmax开集识别网络；进行异常数据分类。本发明还涉及一种用于实现信创环境下的数据质量管理中进行异常数据检测分析处理的装置、处理器及其存储介质。采用了本发明的信创环境下实现数据质量管理中的异常数据检测分析处理的方法、装置、处理器及其计算机可读存储介质，创新性地提出一种开集识别网络识别异常数据的方法，能够有效提取异常数据和正常数据的特征差异，对于异常类型复杂的数据依然能够识别。此外，整体方案设计方面，所提出方法具有较强的鲁棒性和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN116680248A
公开(公告)日：2023-09-01
申请号：CN202310646344.9
申请日：2023-06-01
Applicant: 普元信息技术股份有限公司
Abstract: 本发明涉及一种信创环境下基于区块链实现数据版本管理的方法，包括以下步骤：创建一个区块链来存储数据版本，计算每个区块的哈希值；创建新的数据版本，计算数据版本的哈希值，并对数据版本进行验证；创建去中心化的数据版本控制机制，并对每个节点的数据版本进行控制；通过基于机器学习的数据分类算法对不同版本的数据进行分类管理。本发明还涉及一种用于实现信创环境下基于区块链的数据版本管理的装置、处理器及其存储介质。采用了本发明的信创环境下基于区块链实现数据版本管理的方法、装置、处理器及其计算机可读存储介质，使数据版本的完整性和准确性得到了保障，数据版本的历史记录被完整地保存下来，去中心化的数据版本控制机制增加了数据的安全性。
-
公开(公告)号：CN116644359A
公开(公告)日：2023-08-25
申请号：CN202310627837.8
申请日：2023-05-30
Applicant: 普元信息技术股份有限公司
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/047
Abstract: 本发明涉及一种信创环境下基于人工智能实现网络请求数据分类的方法，包括以下步骤：获取网络请求数据；把数据转换为机器能够识别的向量样本；对数据进行批归一化处理操作；对数据进行混类增强操作；对网络请求数据进行特征提取操作；利用Softmax分类器进行分类。本发明还涉及一种用于实现信创环境下基于人工智能的网络请求数据分类的装置、处理器及存储介质。采用了本发明的信创环境下基于人工智能实现网络请求数据分类的方法、装置、处理器及其计算机可读存储介质，具有较高的分类精度，且所提出的模型具有较高的鲁棒性和泛化能力。此外，本发明能够有效避免训练样本不足给模型性能造成负面影响的情况。
-
公开(公告)号：CN116644193A
公开(公告)日：2023-08-25
申请号：CN202310627198.5
申请日：2023-05-30
Applicant: 普元信息技术股份有限公司
IPC: G06F16/36 , G06F40/295 , G06N3/0464
Abstract: 本发明涉及一种信创环境下基于机器学习实现数据资产知识图谱构建的方法，包括以下步骤：获取数据资产，对数据进行筛选、清洗、去重的预处理操作；进行数据资产预处理，对原始数据进行清洗、分词、词干提取、去除停用词的操作；进行实体识别；进行本体概念关系抽；体关系抽取方法结合了Q‑learning和BERT技术，充分利用了BERT的强大表示能力，并通过Q‑learning算法学习实体关系，从而在数据资产知识图谱的实体关系抽取任务上取得了显著的改进。然后进行实体识别操作，本发明提出了一种基于注意力机制和图卷积神经网络的实体识别方法，用于对数据资产知识图谱进行实体识别。
-
公开(公告)号：CN115629942A
公开(公告)日：2023-01-20
申请号：CN202211415187.2
申请日：2022-11-11
Applicant: 普元信息技术股份有限公司
IPC: G06F11/30 , G06F18/2135 , G06F18/2413 , G06F18/2411 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法，包括以下步骤：对网络运维大数据进行批量归一化；对网络运维大数据进行PCA降维、去噪的操作；对网络运维大数据进行样本平衡处理；使用注意力模块进行注意力增强操作；使用机器学习模型进行运维数据异常检测。本发明还涉及一种用于实现信创环境下基于大数据和机器学习的运维数据异常检测处理的装置、处理器及存储介质。采用了本发明的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法、装置、处理器及其计算机可读存储介质，在运维数据异常检测任务中，能够在保证检测精度较高的同时，有效降低模型对训练样本的质量和数量的依赖性，同时，能够对不平衡样本进行有效处理，进一步增强了模型的鲁棒性和泛化能力。
-
公开(公告)号：CN115577265A
公开(公告)日：2023-01-06
申请号：CN202211403305.8
申请日：2022-11-10
Applicant: 普元信息技术股份有限公司
IPC: G06F18/214 , G06F18/2431 , G06N5/01 , G06N20/00
Abstract: 本发明涉及一种信创环境下基于人工智能实现元数据分级分类处理的方法，包括以下步骤：利用人工智能机器学习模型对元数据进行元数据分类；进行数据预处理，对输入特征数据进行标准化；采用可信级联森林进行元数据分级分类的区间预测。本发明还涉及一种用于实现信创环境下基于人工智能的元数据分级分类处理的装置、处理器及存储介质。采用了本发明的信创环境下基于人工智能实现元数据分级分类处理的方法、装置、处理器及其计算机可读存储介质，在信创环境的元数据分级分类任务中，能够在保证检测精度较高的同时，有效降低模型对训练样本的质量和数量的依赖性，同时，利用置信机制对多层级联森林进行改进，进一步增强了模型的鲁棒性和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
