基于属性间依赖关系的网络表格的实体列的检测方法

    公开(公告)号:CN106844338B

    公开(公告)日:2019-12-10

    申请号:CN201710002389.7

    申请日:2017-01-03

    Inventor: 王宁 张丽方

    Abstract: 本发明提供了一种基于属性间依赖关系的网络表格的实体列的检测方法。针对一个网络表格,根据列值间的函数依赖关系计算任意两列间的近似函数依赖概率,根据所述近似函数依赖概率获取候选函数依赖集;根据网络表格的特点,删减候选函数依赖集中的噪声函数依赖得到近似函数依赖集;对近似函数依赖集进行3NF规范化,将3NF规范化后产生的主键集合作为网络表格的实体列。本发明提供的方法能更加准确地表达属性间内在的函数依赖关系;在计算近似函数依赖时基于一致性数据和不一致性数据对函数依赖的支持度,该算法具有明显的抗噪声能力,该方法不仅适用于单实体列的网络表格,还可用于多实体列的表格。

    一种基于图论的轴承半监督故障诊断方法

    公开(公告)号:CN109100142A

    公开(公告)日:2018-12-28

    申请号:CN201810672129.5

    申请日:2018-06-26

    Abstract: 本发明提供一种基于图论的轴承半监督故障诊断方法,该方法首先利用可视图算法将通过传感器得到的轴承原始振动加速度信号转换成复杂网络;再计算复杂网络的结构参数,提取度分布的均值和标准差及网络复杂指数;最后利用基于图的半监督学习处理无标签样本,实现轴承故障诊断。本发明基于少量的标签样本和无标签样本,本发明实现了变工况且样本类别不平衡下情况下的轴承故障诊断,故障识别准确率高,具有显著的使用价值。

    基于机器学习的LTE网络的动态空白子帧分配方法

    公开(公告)号:CN108990023A

    公开(公告)日:2018-12-11

    申请号:CN201810709061.3

    申请日:2018-07-02

    Inventor: 徐少毅 王宁

    Abstract: 本发明提供了一种基于机器学习的LTE网络的动态空白子帧分配方法。该方法包括:将业务需求类似的M2M设备分在同一个组,各个分组的组长M2M设备将组内的各个M2M设备的资源需求信息通过基站发送给服务器,各个小组所处范围内的Wi-Fi设备将自身的资源需求信息通过基站发送给到服务器;服务器通过机器学习算法训练得到空白子帧的动态分配模型,并发送给基站;基站根据接收到的空白子帧的动态分配模型对M2M设备和Wi-Fi设备进行空白子帧分配。本发明通过机器学习的方法,训练动态分配空白子帧的数学模型,周期性的调整空白子帧的帧结构,提升系统资源的利用率。让M2M通信更加智能化,合理化。本发明减少信令开销的同时,提高训练精度与速度。

    基于属性间依赖关系的网络表格的实体列的检测方法

    公开(公告)号:CN106844338A

    公开(公告)日:2017-06-13

    申请号:CN201710002389.7

    申请日:2017-01-03

    Inventor: 王宁 张丽方

    Abstract: 本发明提供了一种基于属性间依赖关系的网络表格的实体列的检测方法。针对一个网络表格,根据列值间的函数依赖关系计算任意两列间的近似函数依赖概率,根据所述近似函数依赖概率获取候选函数依赖集;根据网络表格的特点,删减候选函数依赖集中的噪声函数依赖得到近似函数依赖集;对近似函数依赖集进行3NF规范化,将3NF规范化后产生的主键集合作为网络表格的实体列。本发明提供的方法能更加准确地表达属性间内在的函数依赖关系;在计算近似函数依赖时基于一致性数据和不一致性数据对函数依赖的支持度,该算法具有明显的抗噪声能力,该方法不仅适用于单实体列的网络表格,还可用于多实体列的表格。

    网络表格语义恢复方法
    35.
    发明公开

    公开(公告)号:CN104794222A

    公开(公告)日:2015-07-22

    申请号:CN201510211926.X

    申请日:2015-04-29

    Inventor: 王宁 刘华西

    CPC classification number: G06F17/30705

    Abstract: 本发明提供了一种网络表格语义恢复方法。该方法包括:基于Probase语义库对待恢复的网络表格进行初步的语义恢复,得到网络表格中每列的候选概念集合;根据网络表格中不同元组之间的组合距离确定聚类算法中的各个初始聚类中心,将网络表格中各个元组归纳于各个初始聚类中心所在的簇中,调整各个簇的聚类中心,根据各个簇的最终聚类中心获取缩减后的网络表格;根据网络表格中每列的候选概念集合和缩减后的网络表格,恢复出网络表格中每列的列标签和实体列。本发明通过从初始聚类中心的选择和基于组合距离的相似度计算两个方面来改善K-means聚类算法,有效缩减了网络表格的规模,降低了完成任务的复杂度,提高了恢复出的网络表格的表头和实体列的准确率。

Patent Agency Ranking