基于QoS属性预测和纠错的有监督Web服务发现方法及系统

    公开(公告)号:CN103095849A

    公开(公告)日:2013-05-08

    申请号:CN201310048474.9

    申请日:2013-02-07

    Abstract: 本发明公开了一种基于QoS属性预测和纠错的有监督Web服务发现方法及系统,主要用于解决开放网络环境下准确、高效地发现满足用户需求的可信Web服务,从而为高可信服务应用系统的构建提供重要的技术支撑。本发明一方面采用矩阵补全技术对缺失或失真的服务QoS属性进行预测或纠错,使得基于QoS属性的可信服务发现得以有效地实施;另一方面将服务的先验类别信息引入服务表示的特征提取阶段,增强了服务表示的区分性和查询匹配的准确性。真实Web服务数据集上的评测结果表明,本发明不仅具有较高的服务发现效率和精度,而且实现简单,系统灵活,代价低,易推广。

    一种基于时序先验和稀疏表示的IP网络流量估计方法

    公开(公告)号:CN112564945B

    公开(公告)日:2023-03-24

    申请号:CN202011318745.4

    申请日:2020-11-23

    Inventor: 王传栋 张永

    Abstract: 本发明公开了一种基于时序先验和稀疏表示的IP网络流量估计方法,首先采集网络中所有源‑目的节点对间传输的流量值构建不完整的流量矩阵;然后通过对不完整的流量矩阵中存在的时空相关性,利用稀疏表示理论和正则化技术建模为流量矩阵估计模型;然后通过交替方向乘子法,将较为复杂的原始问题转换为若干易于求解的子问题,通过迭代优化子问题的全局最优解来找到原始问题的局部最优解。最终估计出完整的流量矩阵。本发明基于流量矩阵中的时序性和空间相关性,考虑相邻网络结点的时序相关性的同时能够利用流量矩阵的空间相关性,为流量估计方法的优化提供了理论支持。

    基于QoS属性预测和纠错的有监督Web服务发现方法及系统

    公开(公告)号:CN103095849B

    公开(公告)日:2015-05-20

    申请号:CN201310048474.9

    申请日:2013-02-07

    Abstract: 本发明公开了一种基于QoS属性预测和纠错的有监督Web服务发现方法及系统,主要用于解决开放网络环境下准确、高效地发现满足用户需求的可信Web服务,从而为高可信服务应用系统的构建提供重要的技术支撑。本发明一方面采用矩阵补全技术对缺失或失真的服务QoS属性进行预测或纠错,使得基于QoS属性的可信服务发现得以有效地实施;另一方面将服务的先验类别信息引入服务表示的特征提取阶段,增强了服务表示的区分性和查询匹配的准确性。真实Web服务数据集上的评测结果表明,本发明不仅具有较高的服务发现效率和精度,而且实现简单,系统灵活,代价低,易推广。

    基于相移编码和定向特征增强的旋转目标检测方法及系统

    公开(公告)号:CN119625281A

    公开(公告)日:2025-03-14

    申请号:CN202411835313.9

    申请日:2024-12-13

    Abstract: 本发明公开基于相移编码和定向特征增强的旋转目标检测方法及系统,属于图像识别技术领域;方法包括:获取图像数据集并增强处理;输入到ARC网络提取任意方向目标的特征;通过EMA模块对特征进行自适应特征优化,使用ARF对优化后的特征方向信息进行编码,生成方向敏感特征用于边界框回归,再通过旋转不变池化层提取定向特征用于分类;利用相移编码器将旋转框的角度通过线性映射为对应频率的相位,预测相移余弦值,解码得到最终的相位;最后应用非极大值抑制方法,去除重叠的检测框,保留最佳的检测结果。其中使用帕累托优化理论自适应加权损失项,通过多梯度下降算法更新模型参数,得到的最终模型能够提高包含多方向小物体目标检测的准确性和效率。

    一种基于时序先验和稀疏表示的IP网络流量估计方法

    公开(公告)号:CN112564945A

    公开(公告)日:2021-03-26

    申请号:CN202011318745.4

    申请日:2020-11-23

    Inventor: 王传栋 张永

    Abstract: 本发明公开了一种基于时序先验和稀疏表示的IP网络流量估计方法,首先采集网络中所有源‑目的节点对间传输的流量值构建不完整的流量矩阵;然后通过对不完整的流量矩阵中存在的时空相关性,利用稀疏表示理论和正则化技术建模为流量矩阵估计模型;然后通过交替方向乘子法,将较为复杂的原始问题转换为若干易于求解的子问题,通过迭代优化子问题的全局最优解来找到原始问题的局部最优解。最终估计出完整的流量矩阵。本发明基于流量矩阵中的时序性和空间相关性,考虑相邻网络结点的时序相关性的同时能够利用流量矩阵的空间相关性,为流量估计方法的优化提供了理论支持。

    一种基于深度学习的中文分词方法

    公开(公告)号:CN109086267A

    公开(公告)日:2018-12-25

    申请号:CN201810756452.0

    申请日:2018-07-11

    Inventor: 王传栋 史宇 李智

    Abstract: 本发明公开了一种基于深度学习的中文分词方法,包括如下步骤:基于字面字频将汉字映射为字面向量;对字面向量进行精化,提取携带上下文语义信息的特征向量和携带字性特征的特征向量;将字符级别向量有效融合成词级别的分布式表示,再将融合好的候选词向量送入深度学习模型中计算句子得分,运用集束搜索的方法进行解码,最终通过句子得分来选择合适的分词结果。如此使得分词任务从繁琐的特征工程中解脱出来,通过提取更丰富的特征信息能够获得更好的系统性能,并且利用完整的分割历史进行建模,具有序列级别的分词能力。

Patent Agency Ranking