-
公开(公告)号：CN112215879A
公开(公告)日：2021-01-12
申请号：CN202011021999.X
申请日：2020-09-25
Applicant: 北京交通大学
Abstract: 本发明提供了一种光场极平面图像的深度提取方法，用以解决现有技术中光场极平面图像深度提取不精确的问题。所述深度提取方法，在获取光场图像水平、垂直两个方向的极平面图像的基础上，构建图像的直方图，并对直方图进行以桶内像素数量为基准的均衡化及高斯模糊，并构建每一个中心视角像素点下的平行四边形算子设置距离权重和颜色权重，再对直方图和距离权重、颜色权重进行融合，计算左右直方图的距离，选择最大的左右直方图距离对应的深度，作为估计深度。本发明仅通过一张基础的光场图像，恢复出较为平滑、精确的深度图像，获取深度的算法具有较好的鲁棒性，对于弱纹理、噪声、遮挡都有着一定的适应性，提高了建图精度。
-
公开(公告)号：CN111489013A
公开(公告)日：2020-08-04
申请号：CN202010164538.1
申请日：2020-03-11
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于时空多图卷积的交通站点流量预测方法，用以解决现有技术中交通站点流量预测的特征捕获能力及预测精度不高的问题。所述交通站点流量预测方法，首先构建邻居图和流通流量图，并分别构建卷积组件及捕获站点流量的时空特征输出映射为与待预测结果形状相同的流量值，对两个组件融合，得到基于上下文门控的时空多图卷积网络模型；再根据站点出入流量数据构建训练及测试数据，得到成熟时空多图卷积网络模型，完成站点流量预测。本发明将多图卷积应用于交通站点流量数据的深度挖掘，从空间维度与时间维度出发，充分捕获交通站点流量的时空特征，全面考虑用于预测交通站点出入流量的各种因素，提高交通站点流量预测精度。
-
公开(公告)号：CN109758145A
公开(公告)日：2019-05-17
申请号：CN201811540387.4
申请日：2018-12-15
Applicant: 北京交通大学
IPC: A61B5/0476
Abstract: 本发明提供了一种基于脑电信号因果关系的自动睡眠分期方法。该方法包括：使用无线脑电采集设备分别采集不同睡眠分期的多导脑电信号；对所述多导脑电信号进行数据预处理，消除所述多导脑电信号中的伪迹和噪声干扰；利用希尔伯特-黄变换提取数据预处理后的多脑电信号中的不同频段信号；提取所述不同频段信号之间的因果特征，基于所述不同频段信号之间的因果特征利用随机森林模型对所述多导脑电信号进行分类，识别出所述多导脑电信号对应的不同睡眠分期。本发明的方法通过希尔伯特-黄变换对非线性多导脑电信号进行时频处理，提高了信号处理的自适应性，提升了现有技术对不同睡眠分期的脑电信号识别和检测的准确率，提高了分类模型的泛化性能。
-
公开(公告)号：CN109242579A
公开(公告)日：2019-01-18
申请号：CN201811389125.2
申请日：2018-11-21
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于卷积神经网络的机票价格预测方法，包括：分析机票价格维度特点，设计二维的机票价格时间片结构；根据二维的机票价格时间片结构得到时间-价格序列数据；根据时间-价格序列数据，构造基于卷积神经网络的两阶段式机票价格预测模型；构造机票价格的时间片，并采用粗略预测方法对未知值进行预测并填补到时间片中；对时间片，采用预测模型DC_Airfare网络进行精确预测，得到最终训练模型；利用最终训练模型进行预测，得到所要预测的机票价格结果。本发明采用的时间片构建及预测模型设计，能较好的实现机票价格预测，为购票者和航空公司价格调整人员提供准确有效的决策支持。
-
公开(公告)号：CN115062692B
公开(公告)日：2025-05-13
申请号：CN202210606069.3
申请日：2022-05-31
Applicant: 北京交通大学
IPC: G06F18/214 , G06N3/0499 , G06N3/044
Abstract: 本发明提供了一种永磁同步电机状态量预测模型构建方法及状态量预测方法，用于解决现有技术中状态量监控不实时、不准确的问题。所述方法采集包括采样时刻驱动物理量和对应状态量的历史数据作为数据点；预处理后，计算每个数据点中的驱动物理量与状态量之间的相关性，构建第一驱动物理量集合；计算第一驱动物理量集合中驱动物理量两两之间的相关性，得到第二驱动物理量集合；再计算所有第二驱动物理量集合中的同一驱动物理量间的相关性，确定时间窗长度；再设置滑动窗口及步长，构建包含同时期信息输入量及历史期信息输入量及输出状态量的样本点，得到训练集和验证集；搭建状态量预测模型后进行训练和验证。本发明提高了状态量预测的实时性及准确性。
-
Patent Agency Ranking
公开(公告)号：CN115062686B
公开(公告)日：2024-12-31
申请号：CN202210490264.4
申请日：2022-05-07
Applicant: 北京交通大学
IPC: G06F18/2433 , G06F18/213 , G06F18/2131 , G06F18/25 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/088 , H04L43/08 , G06F123/02
Abstract: 本发明提供了一种基于多角度特征的多元KPI时序异常检测方法和系统，属于KPI异常检测领域。所述方法从嵌入图、时域、频域三个角度提取KPI时序的特征，再分别使用图卷积神经网络、时域卷积神经网络和谱网络对三种特征进行数据特征学习表示，再利用全连接神经网络和Softmax函数得到各特征的注意力分数，根据注意力分数对不同特征表示进行融合，然后输入到解码器中得到原始数据的重构表示，构成完整的多元KPI时序异常检测模型；基于历史数据对模型训练完成后，将待检测的多元KPI时序输入到成熟的检测模型中，检测数据中是否存在异常。本发明提不需要人工对异常进行标注，减少了检测过程中的人力需求，提高了运维管理系统异常检测的准确度和效率。
-
公开(公告)号：CN114520838B
公开(公告)日：2023-10-17
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 , G06F18/22 , G06F18/2413
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：CN109558436B
公开(公告)日：2023-03-14
申请号：CN201811305071.7
申请日：2018-11-03
Applicant: 北京交通大学
IPC: G06F16/2458 , G06Q50/30
Abstract: 本发明提供一种基于转移熵的机场航班延误因果关系挖掘方法。该方法包括：获取多个待测机场的航班信息，对各个待测机场航班的延误时间进行聚合，生成各个待测机场的航班延误时间序列；从所述多个待测机场中选取一个目标机场，将剩余的机场作为其它机场，根据所述目标机场、其它机场的航班延误时间序列，利用转移熵计算出所述目标机场的航班延误与各个其它机场之间的航班延误的定量化因果关系。本发明的方法能够准确地提取非线性、多变量机场航班延误时间序列的因果关系，不依赖于既定模型且定量地刻画了机场航班延误的因果相关性。并且利用滑动平均窗口法进行缺失数据的补偿，在一定程度上抑制了数据缺失对因果分析的影响。
-
公开(公告)号：CN111563374B
公开(公告)日：2022-08-19
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：CN111460830B
公开(公告)日：2022-04-12
申请号：CN202010164540.9
申请日：2020-03-11
Applicant: 北京交通大学
IPC: G06F40/30 , G06F40/211 , G06F40/289 , G06F40/284 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种司法文本中经济事件的抽取方法，用以解决现有技术中司法文本中事件抽取效率低下的问题。所述经济事件抽取方法首先对预选的司法文本数据集进行数据预处理，得到向量化表示的学习数据和文本全局特征，对第一深度学习模型进行训练，得到文本序列对应的实体类别序列；再根据学习数据和实体类别序列，将文本全局特征与文本序列特征进行融合，训练第二深度学习模型，利用第二深度学习模型进行经济事件抽取。本发明围绕深度学习模型，通过融合文本全局特征和文本序列特征，有效地对司法文本中的经济事件进行抽取，准确率高；同时具有较强的泛化以及自学习能力，可用于司法文本摘要、当事人经济事件追踪，减轻相关法务人员的工作压力。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.071 seconds)
