-
公开(公告)号：CN114547405A
公开(公告)日：2022-05-27
申请号：CN202210160725.1
申请日：2022-02-22
Applicant: 吉林大学
IPC: G06F16/906 , G06K9/62 , G06N3/00 , G06N20/00
Abstract: 本发明公开了一种低成本、高准确率的特征选择方法，包括：步骤一、获取数据集以及获取特征所需的费用集，进行数据提取；步骤二、对提取到的数据集进行标准化处理；步骤三、将特征选择和目标成本构建成为一个多目标优化问题；步骤四、将所述多目标优化问题映射为一个二进制解空间的优化问题；步骤五、通过多目标优化算法对所述优化问题进行求解；步骤六、当所述算法经过多次迭代获得最优特征子集时，则筛选出符合要求的目标解；否则重复步骤五。通过多目标优群优化算法对优化问题进行求解，并经过多次迭代后得到最优特征子集，从而实现目标成本最小化的特征选择，不仅可以降低特征数目、提高分类准确率，还能够完成最小化特征来源的获取成本。
-
公开(公告)号：CN112612943A
公开(公告)日：2021-04-06
申请号：CN202110059894.1
申请日：2021-01-18
Applicant: 吉林大学
IPC: G06F16/951 , G06F16/958
Abstract: 本发明属于网络爬虫技术领域，涉及一种基于异步处理框架的具有自动测试功能的数据爬取方法。本发明基于网络爬虫领域较成熟的网络爬虫框架，在面对网站设计之初加入各种反爬虫策略的网站爬取任务，尤其是通过脚本动态生成网站数据的任务，需要在蜘蛛的项目文件发出初始请求链接经过引擎和队列到达下载中间件时，引入自动测试技术，达到获取动态网页源代码的目的。该方法获取的网页响应结果是经过脚本渲染之后的，并且可以通过自动测试技术自定义控制浏览器完成一系列链操作的目的，进而节省了开发人员对目标网站的架构分析过程，降低了项目开发难度，更多时间可以被投入到网页解析上面，也提高了所爬取数据的质量，缩短了项目开发周期。
-
公开(公告)号：CN110113432A
公开(公告)日：2019-08-09
申请号：CN201910433607.1
申请日：2019-05-23
IPC: H04L29/08
Abstract: 本发明属于Web应用程序接口(Application Programming interface，API)调用技术领域，涉及到一种基于深度学习算法的Web API请求适配方法。本发明基于深度学习算法对深度神经训练得到API请求适配模型，并保存在适配器中。适配器接收到API请求适配信息后，调用API适配模型，对API请求进行适配，适配成功后，API网关将适配后的API请求转发给服务器，服务器收到请求后，将请求的数据返回给应用开发者。该方法得到的深度神经网络模型可以智能地适配API请求，有效地减少了应用开发者和服务提供方的人力损耗，在已经做过标签的请求类型上具有着良好的准确度；在未做过标签的请求类型上，也能通过人为地补充标签，之后不断对模型进行重新的分析、训练、择优，从而使得模型的准确度能不断地提高。
-
公开(公告)号：CN105956029B
公开(公告)日：2019-06-07
申请号：CN201610261353.6
申请日：2016-04-25
Applicant: 吉林大学
Abstract: 本发明公开了混合存储架构下的数据访问方法，克服混合存储架构下数据库管理和数据访问复杂性及数据库系统变更和故障缺乏统一管理的问题，混合存储架构下的数据访问方法步骤如下：1)数据请求处理：(1)验证用户的访问请求:请求验证模块通过查询元数据信息项的缓存完成验证；给验证模块分配一个元数据信息的针对数据库或集群状态标志位以及代理模块的激活位的一个部分缓存，利用缓存即加快验证速度；(2)数据访问请求添加至访问缓存；(3)请求的路由处理；(4)转换代理的处理；(5)请求的执行；(6)产生统一格式的结果或者报告；2)软件变更与故障处理：(1)元数据信息的周期性检测与响应；(2)软件变更处理；(3)故障处理。
-
公开(公告)号：CN118380020A
公开(公告)日：2024-07-23
申请号：CN202410808613.1
申请日：2024-06-21
Applicant: 吉林大学
IPC: G10L25/63 , G10L25/24 , G10L25/30 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V20/40
Abstract: 本发明公开了一种基于多模态的审讯对象情绪变化的识别方法，包括：获取审讯对象审讯的原始音频和原始视频；对原始音频和原始视频分别分割为多个等时长的音频片段和视频片段，并将音频片段和与其时刻对齐的视频片段作为一个片段组，得到多个时刻对齐的片段组；对每个片段组中的音频片段和视频片段分别进行特征提取，得到各片段组的语音特征向量和视频特征向量；采用基于注意力机制的多模态融合方法对同一个片段组的语音特征向量和视频特征向量进行融合，得到每个片段组的融合特征向量；对每个片段组的融合特征向量进行情绪识别，并对相邻两个片段组的情绪识别结果进行对比，得到审讯对象的情绪变化识别结果。
-
Patent Agency Ranking
公开(公告)号：CN117376985A
公开(公告)日：2024-01-09
申请号：CN202311675997.6
申请日：2023-12-08
Applicant: 吉林大学
Abstract: 本发明属于无线网络技术领域，公开了一种莱斯信道下多无人机辅助MEC任务卸载的能效优化方法，包括：步骤一、获取多无人机辅助MEC任务卸载系统中的无人机位置、地面用户位置、每个无人机和地面用户的传输时延和能耗；步骤二、构建优化目标函数以及确定优化约束条件；根据所述优化目标函数和所述优化约束条件确定任务卸载策略和每个无人机的下一步的最佳位置；其中，所述任务卸载策略包括：将计算任务直接卸载至无人机、计算任务直接卸载至地面基站或以无人机作为中继将计算任务卸载至地面基站；步骤三、无人机节点移动到最佳位置后，所述多无人机辅助MEC任务卸载系统按照所述任务卸载策略执行计算任务。
-
公开(公告)号：CN117376937A
公开(公告)日：2024-01-09
申请号：CN202311650077.9
申请日：2023-12-05
Applicant: 吉林大学
Abstract: 本发明属于无线网络技术领域，公开了一种保障安全通信的无人机阵列减薄方法，包括：步骤一、获取无人机总数、无人机阵列形状、无人机阵列原点坐标及需要通信的远程基站的位置；步骤二、确定期望参与通信的无人机数量；步骤三、确定优化目标，并根据所述优化目标筛选出多个参与通信的无人机并确定参与通信的无人机的最佳激励电流权重；步骤四、地面用户从参与通信的无人机中选择一台无人机，作为第一通信无人机，并将其余参与通信的无人机作为第二通信无人机；步骤五、地面用户将通信数据传输给第一通信无人机，第一通信无人机将通信数据传输给多个第二通信无人机，以虚拟阵列天线的形式携带最佳激励电流权重向远程基站传输通信数据。
-
公开(公告)号：CN111859075A
公开(公告)日：2020-10-30
申请号：CN202010747535.0
申请日：2020-07-30
Applicant: 吉林大学
IPC: G06F16/951 , G06F16/958
Abstract: 本发明属于网络爬虫技术领域，涉及一种基于异步处理框架的具有自动测试功能的数据爬取方法。本发明基于网络爬虫领域较成熟的网络爬虫框架，在面对网站设计之初加入各种反爬虫策略的网站爬取任务，尤其是通过脚本动态生成网站数据的任务，需要在蜘蛛的项目文件发出初始请求链接经过引擎和队列到达下载中间件时，引入自动测试技术，达到获取动态网页源代码的目的。该方法获取的网页响应结果是经过脚本渲染之后的，并且可以通过自动测试技术自定义控制浏览器完成一系列链操作的目的，进而节省了开发人员对目标网站的架构分析过程，降低了项目开发难度，更多时间可以被投入到网页解析上面，也提高了所爬取数据的质量，缩短了项目开发周期。
-
公开(公告)号：CN107562430B
公开(公告)日：2020-07-28
申请号：CN201710865364.X
申请日：2017-09-22
Applicant: 吉林大学
IPC: G06F8/41
Abstract: 本发明属于并发通信领域，涉及一种针对移动π演算语言的文件处理功能的编译方法，包括编写库文件、编译npict文件、修改运行时系统文件、生成可执行程序，该方法通过使用文件通道技术，有效地实现了移动π演算语言的文件处理功能，并且对文件处理功能可能的异常状况进行相应的异常处理，给出友好的错误提示，具有良好的健壮性。从而可以更有效地处理海量数据，与用户更加直接地进行交互，灵活地处理数据，弥补了目前领域中对移动π演算语言文件处理功能的缺失，继而进一步推动π演算及其编程语言的推广和发展。
-
公开(公告)号：CN107562430A
公开(公告)日：2018-01-09
申请号：CN201710865364.X
申请日：2017-09-22
Applicant: 吉林大学
IPC: G06F8/41
Abstract: 本发明属于并发通信领域，涉及一种针对移动π演算语言的文件处理功能的编译方法，包括编写库文件、编译npict文件、修改运行时系统文件、生成可执行程序，该方法通过使用文件通道技术，有效地实现了移动π演算语言的文件处理功能，并且对文件处理功能可能的异常状况进行相应的异常处理，给出友好的错误提示，具有良好的健壮性。从而可以更有效地处理海量数据，与用户更加直接地进行交互，灵活地处理数据，弥补了目前领域中对移动π演算语言文件处理功能的缺失，继而进一步推动π演算及其编程语言的推广和发展。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
