-
公开(公告)号：CN107908807A
公开(公告)日：2018-04-13
申请号：CN201710599154.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D-S证据理论和基于F-HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号：CN107871140A
公开(公告)日：2018-04-03
申请号：CN201711085758.X
申请日：2017-11-07
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6215
Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。
-
公开(公告)号：CN107562778A
公开(公告)日：2018-01-09
申请号：CN201710599251.X
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于偏离特征的离群点挖掘方法，包括以下步骤：(1)将数据集的各个维度划分为h个等间距的间隔，则整个数据集被划分为hd个网格；(2)将每个数据点与网格索引做一个关联，如果一个网格中不包含数据点，则不考虑该网格；(3)对于划分形成的空间中的各个网格，求出网格的质心,并计算质心的局部离群因子；(4)计算每个数据对象的局部离群因子，数据集中对象的局部离群因子等于所属网格质心的离群因子。本发明在检测数据集中的离群点时，采用F_LOF检测算法将数据空间划分为网格，基于网格的质心来计算数据点的局部离群因子，降低了计算时间，提高检测效率，表现出了其优越性。
-
Patent Agency Ranking
公开(公告)号：CN107908807B
公开(公告)日：2021-01-05
申请号：CN201710599154.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D‑S证据理论和基于F‑HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号：CN110147843A
公开(公告)日：2019-08-20
申请号：CN201910430437.1
申请日：2019-05-22
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供基于度量学习的语音时序数据相似性度量方法，属于数据分类技术领域。本发明首先获取语音时序数据；结合马氏距离和斯皮尔曼线性相关性系数计算语音时序数据的局部距离，然后使用动态时间弯曲算法得到动态时间弯曲距离的表达式；再根据PGDM度量学习框架建立以马氏矩阵为参数的损失函数；求解损失函数计算出针对当前训练集样本的马氏矩阵；最后将步骤四中求得的马氏矩阵代入动态时间弯曲距离的表达式，得到每两个语音时序数据样本的相似性度量。本发明解决了现有语音时序数据相似性度量不准确的问题。本发明可用于语音时序数据的相似性度量。
-
公开(公告)号：CN108920503A
公开(公告)日：2018-11-30
申请号：CN201810519638.4
申请日：2018-05-28
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于社交网络信任度的微视频个性化推荐算法，属于计算机算法领域。步骤如下：1.利用全局信任度和局部信任的差值计算用户偏差度；2.在传统相似度的计算方法中加入置信度因素；3.利用信任对时间的依赖性，信任网络发生动态地演化；4.创建用户的相似网络和信任络组成的双网络时域演化模型；5.根据DNTDEM的建立，得到一个全新的用户信任网络；6.利用LDA模型对推荐内容进行补充；7.预测的用户应该与其的情感邻居相似，然后通过最小化误差平方值对其进行优化。本发明可以有效识别高质量的新形式的用户生成内容(UGC)，并向适当的用户进行推荐；还可以减轻其他用户主观偏见对推荐内容的影响，从而更加客观的向对象用户提供更优质的推荐内容。
-
公开(公告)号：CN107871140B
公开(公告)日：2021-10-01
申请号：CN201711085758.X
申请日：2017-11-07
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。
-
公开(公告)号：CN107562778B
公开(公告)日：2021-09-28
申请号：CN201710599251.X
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06F16/26
Abstract: 本发明公开了一种基于偏离特征的离群点挖掘方法，包括以下步骤：(1)将数据集的各个维度划分为h个等间距的间隔，则整个数据集被划分为hd个网格；(2)将每个数据点与网格索引做一个关联，如果一个网格中不包含数据点，则不考虑该网格；(3)对于划分形成的空间中的各个网格，求出网格的质心,并计算质心的局部离群因子；(4)计算每个数据对象的局部离群因子，数据集中对象的局部离群因子等于所属网格质心的离群因子。本发明在检测数据集中的离群点时，采用F_LOF检测算法将数据空间划分为网格，基于网格的质心来计算数据点的局部离群因子，降低了计算时间，提高检测效率，表现出了其优越性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.034 seconds)
