-
公开(公告)号：CN108198609B
公开(公告)日：2021-10-29
申请号：CN201810057183.9
申请日：2018-01-22
Applicant: 浙江工业大学
IPC: G16H40/20
Abstract: 一种基于医院后勤运送系统的员工排序方法，包括以下步骤：1)获得关于医院后勤运送任务及后勤运送员工的数据表并进行数据清洗；2)利用数据表中每条记录的开始时间和结束时间，计算出每个运送任务的执行时间；3)针对不同医院，统计出医院的数据，针对不同医院的各个员工，统计出每个员工的数据；4)根据获得的统计数据，制定表征员工绩效的四个评价指数；5)获得的四个评价指数按不同权重加权，得到每个员工的得分，再将不同医院的员工得分一起升序排列，得到所有员工的排名。本发明针对医院后勤运送系统，提取关于医院和员工的多个相关变量，提出了四种影响医院后勤运送员工绩效的指数，并从多维度来评估员工绩效排名。
-
公开(公告)号：CN113487889A
公开(公告)日：2021-10-08
申请号：CN202110813579.3
申请日：2021-07-19
Applicant: 浙江工业大学
IPC: G08G1/08
Abstract: 一种基于快速梯度下降的单交叉口信号控制的交通状态对抗扰动生成方法，根据已有的强化学习DQN算法训练的交通路口信号灯控制模型，利用基于FGSM攻击并结合梯度值大小对对抗扰动进行离散化处理生成对抗样本，将对抗扰动与原始状态相结合得到最终的扰动状态输入到智能体模型中，最后在sumo上对单交叉路口的流畅或拥堵程度检验效果。本发明可以在使输出的扰动具有物理意义的情况下限制扰动的大小，从而高效的生成对抗状态，增加路口的排队长度和等待时间，大幅降低模型的性能，使交通路口流通度大大降低。
-
公开(公告)号：CN113380255A
公开(公告)日：2021-09-10
申请号：CN202110543214.3
申请日：2021-05-19
Applicant: 浙江工业大学
Abstract: 一种基于迁移训练的声纹识别中毒样本生成方法，包括以下步骤：(1)对语音数据集预处理；(2)搭建声纹识别模型；(3)获得迁移训练任务数据集的特征表示空间；(4)从测试集中选择目标样本与基样本；(5)利用优化算法生成中毒样本；(6)将中毒样本加入到原训练集中进行迁移训练：在不改变原模型权重的情况下，只重新训练替换的softmax层适用当前分类任务，训练集为原训练集加上一个中毒样本。在测试阶段，目标样本将会被误分类为基样本的标签。本发明使攻击成功率得到极大的提高。
-
公开(公告)号：CN112215078A
公开(公告)日：2021-01-12
申请号：CN202010959260.7
申请日：2020-09-14
Applicant: 浙江工业大学
Abstract: 一种基于自动编码器的电磁信号调制类型识别的通用对抗扰动生成方法，搭建信号分类模型，使信号数据集能以高精度预测输出；获取模型的结构和权重参数，从训练集中随机采样信号样本，利用Deepfool白盒攻击算法生成相对应的信号对抗扰动，将信号对抗扰动拼接成一个信号扰动矩阵，将信号扰动矩阵输入自动编码器进行训练，训练后得到编码层的输出数据，该数据可以保留原始数据的全局特征，从而大幅降低分类模型的分类精度。
-
公开(公告)号：CN111812507A
公开(公告)日：2020-10-23
申请号：CN202010462054.5
申请日：2020-05-27
Applicant: 浙江工业大学
Abstract: 一种基于图卷积的电机故障诊断方法，包括以下步骤：1)划分数据样本：利用傅里叶变换和逆变换将定子电流数据参照单个周期正弦函数划分单位样本的；2)构建电流图网络：在每个单位周期样本中，首先根据电流数值正负以及样本周期将样本划分为两个部分，然后分别确定两个部分中的数据点是否存在联系，并以数据点为节点创建节点关系矩阵，最后根据节点关系矩阵和电流数值波动特征构建电流图网络；3)构建图卷积神经网络并分类：将电流图网络作为模型训练数据，设计图卷积神经网络分类模型，并进行故障分类。本发明大大降低了人的工作量，使用的电流数据获取更为方便。
-
Patent Agency Ranking
公开(公告)号：CN111785014A
公开(公告)日：2020-10-16
申请号：CN202010452770.5
申请日：2020-05-26
Applicant: 浙江工业大学
Abstract: 一种基于DTW-RGCN的路网交通数据修复的方法，包括以下步骤：1)基于道路历史数据相似性重构道路交通网络；2)对道路交通数据流进行预处理并构建交通流状态矩阵数据集；3)基于道路交通网络和道路交通流状态矩阵，使用基于高斯分布的图卷积网络提取特征：将道路交通网络和道路交通状态矩阵作为基于高斯分布的图卷积层的输入，提取道路交通网络的节点特征；4)基于高斯分布的图卷积网络实现交通流数据修复：将DTW处理后的含有数据缺失的交通路网数据作为RGCN的输入，定义模型损失函数，经过反向传播不断优化模型的参数，实现对交通路网缺失数据的修复。本发明有效提高了交通流数据修复的鲁棒性与准确性。
-
公开(公告)号：CN111599170A
公开(公告)日：2020-08-28
申请号：CN202010283867.8
申请日：2020-04-13
Applicant: 浙江工业大学
Abstract: 一种基于时序交通网络图的交通运行状态分类方法，首先对交通流数据进行预处理并利用LPVG(有限穿越可视图复杂网络)完成时序交通网路图的构建；然后对每个交通网络图提取特征；接着将时序交通网络图信息转化为特征向量vector；最后根据保存了时序交通网络图的vector结合交通运行状态进行分类，计算预测出的交通运行状态的准确性。本发明利用了保存时序交通网络图特征为向量的方法，充分地提取出了时序交通流量特征对于交通运行状态的影响，从而有效提高了交通运行状态分类的精度。
-
公开(公告)号：CN110889014A
公开(公告)日：2020-03-17
申请号：CN201910998357.6
申请日：2019-10-21
Applicant: 浙江工业大学
IPC: G06F16/901 , G06F16/904
Abstract: 一种基于d3的企业关联关系图谱的展示方法，包括以下步骤：S1：获取画图所需的关系数据D，获取的数据D经过工具类封装成对象后，由fastjson包进行序列化操作，返回json文件；S2：利用D创建新的forceSimulation模拟，定义svg画布，并调用tick方法实时获取节点坐标(x,y)，基于布局的节点数组N和边数组E，添加绘图所需三种图形元素：line、circle、text，将数据N和数据E中的属性与三种图形元素绑定；S3：针对现有的图谱实现双击展开节点和双击删除节点的功能，根据操作实时更新页面数据，只保留在页面上展示的数据。本发明用户体验较好、页面流畅度较好。
-
公开(公告)号：CN110555018A
公开(公告)日：2019-12-10
申请号：CN201910687642.6
申请日：2019-07-29
Applicant: 浙江工业大学
IPC: G06F16/215 , G06Q10/04 , G08G1/01
Abstract: 一种道路交通流量的预测方法，对路况历史交通信息进行采样，构建交通网络模型；基于历史交通信息提出一种缺失数据补齐的方法，根据行程时间构建可达矩阵，以可达矩阵为卷积核进行图卷积，提取特征；根据提取特征和采集的交通数据训练递归神经网络，得到流量预测模型；基于实时采样交通数据，输入预训练好的预测模型，过程中得到新的误差结果，动态训练模型。本发明中的可达矩阵可减少不必要的空间搜索，提高时空关系发掘效率，提高了道路交通流量数据缺失较多和预测时长较长情况下的道路交通流量预测准确性。
-
公开(公告)号：CN110070715A
公开(公告)日：2019-07-30
申请号：CN201910352267.X
申请日：2019-04-29
Applicant: 浙江工业大学
Abstract: 一种基于Conv1D-NLSTMs神经网络结构的道路交通流预测方法，包括以下步骤：1)、构建关联道路的交通流数据矩阵，并对数据进行预处理；2)、基于交通流数据矩阵提取道路交通流时空特征；3)、基于道路交通流时空特征构建道路交通流预测模型：采用全连接层对得到的道路交通流时空特征作回归预测，得到未来时刻未经过反归一化的道路交通流的预测结果，并根据均方误差的结果利用反向传播算法不断优化模型参数，最终通过反归一化将结果映射为实际交通流量值；4)、验证道路交通流预测模型：使用训练完成的模型对测试集中的道路交通流数据进行预测，对比预测结果和实际值从而测试模型性能。由实验结果可知本发明预测结果更准确。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.032 seconds)
