-
公开(公告)号：CN114520838A
公开(公告)日：2022-05-20
申请号：CN202210029243.2
申请日：2022-01-11
Applicant: 北京交通大学
IPC: H04L69/22 , H04L69/18 , H04L69/329 , G06K9/62
Abstract: 本发明提供了一种基于K近邻的自定义协议应用层的网络报文匹配方法，属于数据传输领域。所述方法包括：根据历史网络报文构建协议类型存储结构并按时间戳进行顺序编号，获得每种协议类型的结构特征值与取值数组，再基于K近邻模型获取K个近邻的预测协议，以及特征值并输入到线性回归方程，获取待匹配协议与K个预测协议的相似权重并排序，再获取待匹配报文的源IP和目的IP并查询对应的协议种类，与预测协议组成U；将待匹配网络报文与U中的协议，逐一进行匹配，匹配成功时，传输数据并返回协议类型；匹配失败时，则轮询匹配U之外的本地协议，直到匹配正确。本发明在保证传输可靠性、安全性的同时，提高了数据传输效率。
-
公开(公告)号：CN111562996B
公开(公告)日：2021-11-23
申请号：CN202010282009.1
申请日：2020-04-11
Applicant: 北京交通大学
IPC: G06F11/07
Abstract: 本发明提供了一种关键性能指标数据的时序异常检测方法，用以解决现有技术中时序数据异常检测效率低、准确率低的问题。所述时序异常检测方法，先对采集的时序数据中缺失值及异常值进行修正，再提取特征对数据进行拼接，将拼接数据划分为训练集和测试集，在优化目标函数的基础上训练得到异常检测模型，再进行测试及评估得到评估标准，以所述评估标准和异常检测模型，对待检测数据进行时间序列异常检测。本发明对具有周期性的不同时间序列数据的异常检测，从时间序列数据中提取不同维度的特征以保证考虑到数据在不同维度上的相关性都能被模型学习到，减少了异常标注带来的成本，同时适用于正负样本极不均匀的场景，提高了检测效率。
-
公开(公告)号：CN111563374A
公开(公告)日：2020-08-21
申请号：CN202010205874.6
申请日：2020-03-23
Applicant: 北京交通大学
IPC: G06F40/284 , G06F16/31 , G06F16/33 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00 , G06Q50/18
Abstract: 本发明提供了一种基于司法裁判文书的人员社交关系抽取方法，用以解决司法裁判文书中人员社交关系数据处理的问题。所述基于司法裁判文书的人员社交关系抽取方法，对裁判文书进行数据清洗、中文分词以及去停用词，构建基于预训练语言模型的词向量学习模型，再分别结合相关实体关联关系和实体属性的抽取裁判文书特征并进行融合，构建关系抽取模型，抽取裁判文书中相关人员的社交关系。本发明充分挖掘裁判文书数据中的实体关联关系以及司法实体的背景信息，支持司法工作人员理清裁判文书中人员之间的社交关系，挖掘涉案人员潜在的社交关系，有助于法务工作者进行案件相关人员的社交关系发现，减少了人工调查的成本。
-
公开(公告)号：CN110288121A
公开(公告)日：2019-09-27
申请号：CN201910407946.2
申请日：2019-05-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理，解码器对编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。本发明通过起飞时刻注意力机制捕获目标航班所在航线中不同起飞时刻航班客座率的时序依赖性及其它起飞时刻航班客座率对目标航班客座率的影响，同时采用起飞日注意力机制捕获目标航班的自身客座率序列的趋势性及周期性；结合考虑航班自身属性及节假日等外部因素的影响，最终使得本模型在航班客座率预测问题上取得了很好的效果。
-
公开(公告)号：CN109522372A
公开(公告)日：2019-03-26
申请号：CN201811387226.6
申请日：2018-11-21
Applicant: 北京交通大学
Abstract: 本发明提供了一种民航领域旅客价值的预测方法。该方法从四个维度评估民航领域的客户价值；其次，提出一种数值量化模型，利用AHP决策过程，将RFUM模型多维特征转化到一维数值空间，有利于从数值角度对用户价值变化进行分析；最后，提出一种序列依赖多任务学习模型，考虑用户消费意愿与消费金额的天然相关性，利用用户历史消费数据的时序特性，结合时序数据注意力机制与多任务学习过程，预测用户将来价值。本发明的实施结合民航领域的营销需求，能够更为准确地预测企业客户的生命周期价值，基于预测结果，企业可以更好地制定客户拓展策略，提高用户留存率，最大化利用客户价值，增强企业竞争力。
-
Patent Agency Ranking
公开(公告)号：CN108133291A
公开(公告)日：2018-06-08
申请号：CN201711403609.3
申请日：2017-12-22
Applicant: 北京交通大学
Abstract: 本发明涉及社会事件与客运交通需求相关性领域，尤其是对复杂的各类社会事件的建模，并分析其与客运交通需求之间的相关性的方法。本发明可以将交通需求与社会事件紧密联系起来，充分考虑社会事件对交通需求的影响，更为准确地预测各种交通方式在社会事件影响下的需求。本发明利用机器学习算法，针对不同类型事件在设计的属性上分别构造融合模型，预测出由事件引起的交通需求的变化量。
-
公开(公告)号：CN119089253A
公开(公告)日：2024-12-06
申请号：CN202310657792.9
申请日：2023-06-05
Applicant: 腾讯科技(深圳)有限公司 , 北京交通大学
IPC: G06F18/241 , G06F18/214 , G06F18/213
Abstract: 本申请公开了一种数据分类方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取包括n个呈周期性连续变化的数据片段的输入数据，n为大于1的整数；获取n个数据片段分别对应的独立特征表示，该独立特征表示用于表征数据片段；根据输入数据中前m个数据片段分别对应的独立特征表示，生成连续特征表示，该连续特征表示用于表征输入数据，m为小于n的正整数；根据连续特征表示和第n个数据片段对应的独立特征表示，生成第n个数据片段对应的最终特征表示；根据第n个数据片段对应的最终特征表示，得到第n个数据片段对应的分类结果。本申请实施例能够提高分类结果获取过程的可解释性，以及分类结果的获取准确性。
-
公开(公告)号：CN118747545A
公开(公告)日：2024-10-08
申请号：CN202410708332.9
申请日：2024-06-03
Applicant: 北京交通大学 , 中国铁道科学研究院集团有限公司 , 中国国家铁路集团有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/042 , G06N3/0455 , G06N3/096
Abstract: 一种基于深度学习的时空多变量风场风速预测方法，属于风场预测技术领域。获取多个不同位置传感器的位置Ck、地形lk以及其记录的多场环境数据，包括：风场数据：风速Ws、风向Wd，温湿度场数据：温度T、湿度H和雨场数据降雨量R，获取的多传感器多变量时序数据，使用基于变分自编码器的方法对数据中的异常值和缺失值进行处理；对数据进行0‑1归一化，将处理后的数据作为历史时序数据集，从历史时序数据集构建风场预测训练集和测试集。本发明能够准确预测高山峡谷地区风场的风速变化，并将这种预测应用于风灾预警、施工安全规划以及风力发电的项目管理和优化，实现将为在复杂地形中开展建筑和风力发电项目的相关行业提供重要的决策支持和安全保障。
-
公开(公告)号：CN111489549B
公开(公告)日：2021-08-27
申请号：CN202010164607.9
申请日：2020-03-11
Applicant: 北京交通大学
IPC: G08G1/01 , G08G1/0968
Abstract: 本发明提供了一种基于历史行为画像的出行车辆路径选择方法，用以现有技术中出行车辆路径选择问题。所述基于历史行为画像的出行车辆路径选择方法，基于历史通行数据中车辆的通行特点建立车辆画像，构建时间费用通行模型，出行车辆采用所构建的通行模型进行路径选择。本发明基于历史行为画像的出行车辆路径选择方法，充分提取历史通行数据的车辆出行特征，寻找出最贴近实际通行规律的较优代价路径选择方法，从微观层面给每辆车提供车辆路径的最优选择方案，实现了基于实时路况下行程耗时少、费用低的经济环保出行方式，并进一步为交通管控决策提供基础数据，交通管控部门采用所构建的通行模型判断出行车辆的路径选择进行有效的交通管控。
-
公开(公告)号：CN108133291B
公开(公告)日：2021-05-11
申请号：CN201711403609.3
申请日：2017-12-22
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06F16/245
Abstract: 本发明涉及社会事件与客运交通需求相关性领域，尤其是对复杂的各类社会事件的建模，并分析其与客运交通需求之间的相关性的方法。本发明可以将交通需求与社会事件紧密联系起来，充分考虑社会事件对交通需求的影响，更为准确地预测各种交通方式在社会事件影响下的需求。本发明利用机器学习算法，针对不同类型事件在设计的属性上分别构造融合模型，预测出由事件引起的交通需求的变化量。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.073 seconds)
