-
公开(公告)号：CN114530197B
公开(公告)日：2024-06-11
申请号：CN202210138174.9
申请日：2022-02-15
Applicant: 北京交通大学
IPC: G16B15/30
Abstract: 本发明提供一种基于矩阵补全的药物靶点预测方法及系统，属于生物医药技术领域，通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。本发明基于图神经网络方法有效融合网络结构和节点属性信息，通过对局部表示应用多层聚合捕获更高阶的节点特征信息；进一步基于矩阵补全的方法学习原始特征隐含的抽象信息；最后将网络中中药和靶点的特征表示学习和后续的靶点预测任务结合，通过后者进一步优化特征表示，构建端到端的预测模型。
-
公开(公告)号：CN111105147B
公开(公告)日：2021-12-21
申请号：CN201911216416.6
申请日：2019-12-02
Applicant: 北京交通大学
Abstract: 本发明提供一种基于动态时间规整的道岔健康状态评估方法，首先，根据道岔的机械特性选择改进tanh函数作为健康评估基础函数，设置适应函数，使用动态时间规整算法计算道岔正常运转的电功率数据得到平均相似度距离，然后通过计算适应参数，将新函数作为计算道岔运行状态的CV（健康度指数）；最后，使用动态时间规整和改进后的xtanh函数分别计算道岔各个运行状态的电功率数据得出相似度距离和CV值，从而评估道岔的健康状态，本发明的方法能够精准地对评估道岔的健康状态，评估准确，方法便捷、可靠，具有明显的实际应用价值。
-
公开(公告)号：CN110443292B
公开(公告)日：2021-12-07
申请号：CN201910672137.4
申请日：2019-07-24
Applicant: 北京交通大学
Abstract: 本发明提供了一种多影响因素的众包答案决策方法，对分配的任务进行难度量化；根据用户对不同领域的擅长程度、任务难度和用户提交的答案集合建立用户质量模型；根据量化的任务难度和用户质量模型确定用户正确回答问题的概率；将量化的任务难度、用户质量模型和用户正确回答问题的概率作为贝叶斯决策算法的输入，计算每个候选答案的后验概率；选取后验概率最大值对应的候选答案作为众包答案。本方法综合考虑多个因素，可以获得较高的答案准确度和执行效率。
-
公开(公告)号：CN113340625A
公开(公告)日：2021-09-03
申请号：CN202110430399.7
申请日：2021-04-21
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，包括：步骤1，获取转向架数据，利用VMD变分模态分解算法对所述转向架数据进行分解，分解出多种本征函数；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障。
-
公开(公告)号：CN110907177A
公开(公告)日：2020-03-24
申请号：CN201911258077.8
申请日：2019-12-10
Applicant: 北京交通大学
IPC: G01M13/045
Abstract: 本发明提供了一种基于分层极限学习机的轴承故障诊断方法，属于机械零部件故障诊断技术领域，对振动加速度信号通过VMD算法分解为多个模态分量；选取依照中心频率大小排序的前四项模态通过SVD算法进行特征提取，对输入的特征数据映射入随机的稀疏化隐含层空间，获取训练样本间的隐藏信息，每层隐含层通过稀疏自动编码器对上一层处理的特征数据进行再次随机映射；通过快速迭代收缩算法(FISTA)获得最优的神经网络权重使得实际输出贴近所规定的标签数据。本发明同时实现了降噪和精准分类，在与分层极限学习机的情况下能够提升识别精度和特征信息使用率；相较于原本的极限学习机而言，在滚动轴承信号的故障诊断上有能达到更高的识别精度和更快的训练速度。
-
Patent Agency Ranking
公开(公告)号：CN109297711B
公开(公告)日：2019-11-22
申请号：CN201811069890.6
申请日：2018-09-13
Applicant: 北京交通大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法。首先，进行小波去噪和EMD将旋转机械振动信号分解成多个固有模态函数(IMF)；然后，使用SVD对每一个IMF分量的初始特征矩阵进行奇异值分角，将得到的奇异值作为信号的特征向量。最后，对多分类马氏田口方法进行自适应改进，将新方法作为故障诊断的分类器。本发明的方法能够精准地对故障进行识别和分类，识别正确率高，方法可靠。
-
公开(公告)号：CN110097277A
公开(公告)日：2019-08-06
申请号：CN201910348569.X
申请日：2019-04-28
Applicant: 北京交通大学
Abstract: 本发明提供了一种众包任务的动态分配方法。该方法包括基于收集到的上一时间窗内工人返回的任务的回答，利用答案决策方法更新任务各选项为正确答案的后验概率，更新任务的答案可信度，更新工人质量；构建加权二分图，利用本发明提出的考虑领域的任务答案可信度连续预测方法，计算加权二分图中每条边的权值，权值即为预测该边连接的工人回答该边连接的任务后该任务获得的答案可信度增益；将加权二分图中所有边的权值进行比较，优先将权值最大的边相连的任务分配给对应的工人。可以在满足任务答案可信度阈值要求下最小化任务需要的工人数量，从而降低成本。
-
公开(公告)号：CN104199924A
公开(公告)日：2014-12-10
申请号：CN201410441120.5
申请日：2014-09-01
Applicant: 北京交通大学长三角研究院
IPC: G06F17/30
CPC classification number: G06F17/30477 , G06F17/30864
Abstract: 本发明公开了一种选择具有快照关系的网络表格的方法及装置，该方法包括：将网络表格的集合按照网络表格的实体列的内容的领域进行分类，其中，实体列为能够标识网络表格的记录的属性列；在分类后的网络表格集合中，根据预设规则，选择与第一表格对应的多个第二表格，其中，多个第二表格是与第一表格具有快照关系的网络表格。通过本发明，选择与第一表格具有快照关系的多个第二表格，第二表格可用于优化查询以提高查询的效率，也可以用于大数据环境，使得系统能够实时地返回部分查询结果。
-
公开(公告)号：CN111046931A
公开(公告)日：2020-04-21
申请号：CN201911216430.6
申请日：2019-12-02
Applicant: 北京交通大学
Abstract: 本发明提供一种基于随机森林的道岔故障诊断方法，本发明首先建立了多个CART决策树分类器，以CART决策树作为基分类器，引入训练样本扰动和输入属性扰动两种方式来增强各决策树分类器的多样性，通过投票法得到最终的分类结果，提高了运算速度和分类精度。本发明采用网格搜索法进行参数择优，利用优化后的参数设置建立随机森林模型进行道岔的故障诊断，能提高故障分类预测的准确性。本发明实现了道岔的故障诊断分类，同时，通过对比分析分类模型构建速度与测试精度，证明随机森林算法能够准确快速地针对道岔状态给出诊断结果，故障分类预测准确率高，具有明显的实际应用价值。
-
公开(公告)号：CN107766567B
公开(公告)日：2020-04-21
申请号：CN201711090347.X
申请日：2017-11-08
Applicant: 北京交通大学
IPC: G06F16/28 , G06F16/2458
Abstract: 本发明提供了一种网络表的实体扩展方法，该方法通过计算网络表与查询表之间的语义匹配值选取种子表组成种子团；选取具有最高表潜能的团表加入种子团，所述团表与种子团的各表之间满足一致性匹配关系,并且用于提高所述种子团的覆盖率，当所述覆盖率达到设定阈值时，所述种子团则视为满足给定覆盖率的一致性团；将所述一致性团的结点视为实体扩展所需的答案表，利用所述答案表构建实体一致性扩展的最终结果表。本发明所述的实体扩展方法在查找答案表时引入了一致性匹配关系的概念，提高了答案表的一致性，能够适应多元查询表的扩展，使得在保证结果一致性的同时，也保证了结果的高精确度与可信度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.025 seconds)
