-
公开(公告)号:CN115790630A
公开(公告)日:2023-03-14
申请号:CN202211477122.0
申请日:2022-11-23
Applicant: 哈尔滨工业大学芜湖机器人产业技术研究院
IPC: G01C21/34
Abstract: 本发明公开一种动态路径规划方法,如下步骤:S1、获取当前待装车托盘在厢式集装箱内排布位置的行号m1及列号n1,确定待装车托盘的在局部坐标系下的位姿S2、将当前位姿转换至全局坐标系下,获取当前待装车托盘的目标位姿S3、实时规划待机位置到终点位置的行驶路径,激光叉车行驶至终点位置时托盘以目标位姿放置于厢式集装箱内。通过获取各个托盘在全局坐标系下的位姿,并实时规划待机位置到对应托盘放置位置的行驶路径,进而通过激光叉车即可实现厢式集装箱的自动装车。
-
公开(公告)号:CN108243000B
公开(公告)日:2021-07-09
申请号:CN201810031590.2
申请日:2018-01-12
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开一种云存储系统中的密文搜索方法,包括:接收并存储数据拥有者发送的关键字的密文、接收数据使用者发送的检索关键字用的陷门;以及对所述陷门和密文进行匹配,获得搜索结果;其中,所述密文基于所述数据拥有者的私钥生成,所述陷门基于所述数据使用者的私钥生成,所述陷门和密文的匹配过程需要使用云服务器的私钥。本发明可以解决云存储系统中密文的可搜索性问题和关键字的安全性问题。
-
公开(公告)号:CN114037091B
公开(公告)日:2024-05-28
申请号:CN202111332573.0
申请日:2021-11-11
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06N5/043 , G06F18/2415
Abstract: 本申请公开了一种基于专家联合评价的网络安全信息共享系统、方法、电子设备及存储介质,属于网络安全技术领域。解决了现有网络安全信息共享机制成员分析能力差距大、风险研判准确性低的问题,本申请将动态带权专家委员会及主动学习思想引入信息共享及研判过程中,中心节点运用训练好的风险分类器对所有安全信息进行风险类别研判,将研判结果反馈给各节点专家,专家根据研判结果对自身分析过程进行改进,中心节点将所有安全信息及风险分类器输出的风险类别进行数据备份后一同上传至上级数据服务处理中心,大幅度提升了网络安全信息共享机制中风险研判准确性,有助于增强网络安全信息共享机制中成员分析能力。
-
公开(公告)号:CN114862001A
公开(公告)日:2022-08-05
申请号:CN202210454436.2
申请日:2022-04-27
Applicant: 哈尔滨工业大学
Abstract: 一种基于区域功能增强特征的城市人群流量预测方法及系统,涉及城市智能计算技术领域,用以解决现有技术对于城市人群流量预测准确性不高的问题。本发明的技术要点包括:根据人群移动轨迹数据和城市兴趣点位置数据提取时空轨迹特征集和区域功能增强特征集,并将时空轨迹特征集和区域功能增强特征集结合输入预训练的机器学习预测模型中预测人群流量,其中,区域功能增强特征集包括基于兴趣点的区域功能增强特征集和基于轨迹的区域功能增强特征集。本发明中模型输入特征不仅考虑了轨迹特征,还考虑了兴趣点特征,即包含了基于城市各个区域功能影响的特征提取,可以有效地提高城市动态时空轨迹的流量预测结果的准确性。
-
公开(公告)号:CN113961438A
公开(公告)日:2022-01-21
申请号:CN202111240836.5
申请日:2021-10-25
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F11/34 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本申请公开了一种基于多粒度多层级的历史行为异常用户检测系统、方法、设备及存储介质,属于数据分析技术领域。解决了现有技术中识别异常种类少导致的漏报问题和正常行为模式偏离较大导致的误报的问题。本申请的多粒度多层次聚类包括层级划分、组间粗粒度聚类、组内细粒度聚类;层级划分:将天数按照多个层级进行逐层划分并对每一层级的组内和组间进行定义;组间粗粒度聚类:对每一层级中的每组构建用户的单组特征向量,进行聚类标记;组内细粒度聚类:对每一层级中每组内的用户构建单日行为特征向量,进行聚类标记;最终综合聚类标记得到用户异常行为标记。本申请减少了异常用户的漏报率和误报率,实现了较高的历史行为异常用户识别率和鲁棒性。
-
公开(公告)号:CN112307364A
公开(公告)日:2021-02-02
申请号:CN202011336057.0
申请日:2020-11-25
Applicant: 哈尔滨工业大学
IPC: G06F16/9537 , G06F16/29 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/00
Abstract: 一种面向人物表征的新闻文本发生地抽取方法,属于信息提取领域,用以解决在人物表征过程中现有的命名实体识别算法缺少语义结构信息分析,导致新闻文本中出现多个地名时难以分辨新闻发生地的问题。本发明的技术要点包括,对新闻文本数据集中新闻文本进行预处理;对预处理后的新闻文本中的实体及实体类别、段落特征、句子特征、词特征进行标注;对标注后的新闻文本中的地名关系进行抽取,构建新的地名实体知识图谱;并采用基于深度森林算法gcForest对新闻文本数据集中的新闻发生地进行预测抽取。本发明可用于新闻事件相关人物的特性表征。
-
公开(公告)号:CN118070774A
公开(公告)日:2024-05-24
申请号:CN202410353286.5
申请日:2024-03-26
Applicant: 哈尔滨工业大学
IPC: G06F40/194 , G06F40/242 , G06F40/216
Abstract: 一种基于目标信息识别的用户生成内容立场检测方法及系统,涉及社交网络数据处理技术领域。本发明为了解决现有的用户生成内容立场检测或识别方法需要花费大量人工成本去标注目标信息,并且仅有的类似方法在目标识别阶段往往需要大规模数据对模型进行训练或微调,导致样本数据质量会直接影响目标识别的性能和准确率的问题。技术要点:首先从给定社交媒体文本中抽取出具有代表性的关键词;然后通过余弦相似度计算关键词与目标集合中特定目标之间的相似度,并根据相似度将确定文本所针对的目标对象;最后基于识别出的目标对象,采用多任务BERTweet模型来检测文本与该目标对象之间的立场关系。本发明所提出的基于目标信息识别的用户生成内容立场检测方法可有效减少人工成本,从而提高了立场检测方法在实际应用中的可行性和实用性。
-
-
-
-
-
-