-
公开(公告)号：CN108108762B
公开(公告)日：2021-03-16
申请号：CN201711399080.2
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 本发明公开一种用于冠心病数据的核极限学习机及随机森林分类方法，采用Bootstrap方法对冠心病样本集进行有放回的采样，生成不同的冠心病数据训练子集和测试子集以供基分类器使用；采用混合核形式的核函数作为核极限学习机的核函数，减少核类型对分类模型的性能影响；使用冠心病数据训练子集对核极限学习机进行模型训练并使用测试子集对基分类器进行性能测试，采用排序加粒子群优化的方式循环判断重新生成优化的新基分类器，剔除并代替分类性能较差的基分类器，从而达到提高整体分类性能的目的；形成随机森林模型之后，采用相对多数投票法选取分类结果。
-
公开(公告)号：CN111125082A
公开(公告)日：2020-05-08
申请号：CN201911366888.X
申请日：2019-12-26
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/2458 , G06N5/02 , G06Q10/06 , G06Q50/04
Abstract: 本发明公开了一种基于关联规则挖掘的水泥工艺参数数据分析方法，输入为水泥厂一段时间生产线上的数据数值以及每步工序下每个工艺参数的判断矩阵数值，输出为水泥工艺的某个特定参数的关联模式。本发明的主要思想是利用基于领域的数据清洗方法和改进的K-means聚类算法来提高数据的离散化精度，通过计算每个工艺参数的权值，对特定参数进行关联模式的挖掘，得到潜在的关联模式。具体步骤如下：1)将水泥工艺参数原始数据进行基于领域的数据清洗；2)将清洗后的数据进行离散化处理，利用得到的不同类别对应区间数据来代替原数据；3)将离散后的数据输入到数据分析模型中，并按照输入的目标参数进行该参数的关联模式挖掘，输出关联模式。
-
公开(公告)号：CN110287010A
公开(公告)日：2019-09-27
申请号：CN201910507343.X
申请日：2019-06-12
Applicant: 北京工业大学
IPC: G06F9/48 , G06F12/0862 , G06F12/0877
Abstract: 本发明公开了一种面向Spark时间窗口数据分析的缓存数据预取方法，该方法分为6个步骤：初始化、判断预取时机、计算预取数据规模、确定预取数据放置位置、判断是否结束预取和结束。本发明依据时间窗口数据处理需求，以时间窗口为序，分段将时间窗口所需处理的RDD数据读入Spark缓存空间，并将已处理的RDD数据移出缓存，从而保障在缓存空间有限的情况下，每一个时间窗口需要处理的RDD数据均被成功缓存于内存空间，提升应用的执行效率。
-
公开(公告)号：CN110018997A
公开(公告)日：2019-07-16
申请号：CN201910175055.9
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
IPC: G06F16/11 , G06F16/17 , G06F16/182
Abstract: 一种基于HDFS的海量小文件存储优化方法，属于存储性能优化领域，包括：初始化、文件访问状况分析、小文件分类暂存、小文件合并存储及回溯。方法针对文件的历史访问日志信息，对文件访问状况进行分析，计算文件之间的相关度，形成文件关联性映射集。根据所形成的文件关联性映射集，对小文件进行分类暂存，将相关度高的小文件暂存在一起，同时考虑了小文件的大小分布。最终对暂存的小文件进行合并存储，将小文件的原件及副本进行删除，将合并形成的大文件存储到HDFS当中。方法将原本存储于HDFS中的海量小文件通过合并的方式进行重存储，充分考虑了小文件的相关性和小文件的大小分布，有效地降低了名称结点的内存开销，提高了HDFS对小文件的存取效率。
-
公开(公告)号：CN103714001B
公开(公告)日：2017-01-18
申请号：CN201310717410.3
申请日：2013-12-23
Applicant: 北京工业大学
IPC: G06F11/36
Abstract: 本发明涉及一种软件组件系统组件间协作行为分析方法，包括：分析组件行为，建立组件的行为模型；对各组件进行基于Pi演算的行为描述；生成协作路径集合；分析协作路径上的时间约束，生成带时间约束的协作路径集。本发明适用于软件组件系统，关注的不是组件顺序的线性行为，而是组件间的交互行为。将UML与Pi演算理论相结合，提出软件组件协作路径分析方法，在较高的抽象层次上描述各组件间的协作。使用带时间约束的协作路径集作为组件间的协作行为，对行为的描述更加准确。将本发明应用于软件系统的开发过程中，对于提高软件组件协作行为的可信性以及增强整个软件系统的可信性具有重要作用。
-
Patent Agency Ranking
公开(公告)号：CN103294821B
公开(公告)日：2016-01-20
申请号：CN201310237756.3
申请日：2013-06-17
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 基于多层子查询结果分支树的XML数据查询结果访问方法属于数据库技术领域，适用于多分支树型的多重循环计算形式的查询模式，其特征在于，基于连接、笛卡尔积和选择三种操作，为各层XML数据查询结果构造多层子查询结果分支树，把各子查询结果组织在由1个XML元素和1个有序映射表组成的数据节点中。映射表中按嵌套深度排列的表项保存循环变量和数据节点序列的映射关系，数据节点序列按XML元素序号组织。在数据访问时从根节点出发，从映射表中找到本层循环变量对应的下层子查询结果，经逐层查找可获得所有循环变量对应的子查询结果。本发明提供按用户不同排序要求进行查询以及扩展专用数据组织的方法，同时满足XML数据查询结果访问、排序及可扩展性需求。
-
公开(公告)号：CN103714001A
公开(公告)日：2014-04-09
申请号：CN201310717410.3
申请日：2013-12-23
Applicant: 北京工业大学
IPC: G06F11/36
Abstract: 本发明涉及一种软件组件系统组件间协作行为分析方法，包括：分析组件行为，建立组件的行为模型；对各组件进行基于Pi演算的行为描述；生成协作路径集合；分析协作路径上的时间约束，生成带时间约束的协作路径集。本发明适用于软件组件系统，关注的不是组件顺序的线性行为，而是组件间的交互行为。将UML与Pi演算理论相结合，提出软件组件协作路径分析方法，在较高的抽象层次上描述各组件间的协作。使用带时间约束的协作路径集作为组件间的协作行为，对行为的描述更加准确。将本发明应用于软件系统的开发过程中，对于提高软件组件协作行为的可信性以及增强整个软件系统的可信性具有重要作用。
-
公开(公告)号：CN1889557A
公开(公告)日：2007-01-03
申请号：CN200610089649.0
申请日：2006-07-10
Applicant: 北京工业大学
IPC: H04L29/00
Abstract: 本发明提供一种远程XML数据更新方法以及系统，所述方法包括：(1)数据服务器将来自远端客户机的数据访问请求分解为数据处理指令序列，完成XML数据查询；(2)在收到相同数据访问请求时，根据两次请求之间发生的后台数据变化和数据处理指令序列，获取数据更新的定位信息，构造并返回XQuery语言表示的数据更新指令序列；(3)客户机通过执行数据更新指令序列完成数据更新；所述系统包括客户机、数据服务器、XML数据库和用于保存数据处理序列和数据库变化日志的网络存储装置；本发明通过减少网络数据传输量来提高数据更新的速度以及应用的稳定性，客户机仅需要配备标准的XQuery处理器。
-
公开(公告)号：CN114398076B
公开(公告)日：2024-12-17
申请号：CN202210059016.4
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06F11/36 , G06F8/72 , G06F8/41 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于深度学习的面向对象程序方法命名异味检测方法，将方法名作为方法体和方法上下文信息的“翻译”序列，即从输入的方法体和方法上下文信息序列中翻译出合适的方法名以检测方法命名是否有异味。发明具体分为五个步骤，分别是初始化、信息提取、预训练、预处理和方法名预测模型构建。本发明综合考虑了方法名所依赖的上下文信息和方法体信息，并根据两者结构特点应用了不同的处理方式。此外在模型的设计上也综合考虑了输入信息结构的特点。
-
公开(公告)号：CN114631829B
公开(公告)日：2024-07-16
申请号：CN202210239816.4
申请日：2022-03-12
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于深度学习的癫痫脑电波识别方法，涉及生物电信号识别领域。其输入为伴中央颞区棘波的儿童良性癫痫(BECT)脑电波数据和作为对照组的正常脑电波数据，输出为深度学习模型识别出的分类结果；通过对多通道脑电信号进行预处理，生成频谱图，并应用深度可分离卷积网络将BECT脑电波数据和正常脑电波数据区分开来。首先将脑电波中与BECT诊断相关的通道信号提取，切片后采用连续傅里叶变换和功率谱密度对多通道脑电信号进行预处理，生成频谱图，作为神经网络模型训练与测试的输入数据；然后应用深度可分离卷积网络从频谱图中自动提取特征，对BECT脑电波数据和正常脑电波数据进行分类。采用本方法能提高对BECT癫痫疾病脑电波的自动识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.024 seconds)
