-
公开(公告)号：CN114119190A
公开(公告)日：2022-03-01
申请号：CN202010876416.5
申请日：2020-08-27
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供基于GA‑BP的个人信用风险测量模型，涉及金融技术领域。该基于GA‑BP的个人信用风险测量模型，包括GA‑BP模型，所述GA‑BP模型基于BP神经网络原理和遗传算法的新型模型，所述遗传算法不同于神经网络的局部搜索算法，遗传算法内部采用一种高效的并行全局搜索算法，能在搜索过程中自动获取和积累有关搜索空间的知识，具有良好的全局寻优能力，故而能避免陷入局部极小值，其可处理任意形式的目标函数和约束，可在全局范围内操作任意结构对象，因此又具有较快的运算速度。遗传把目标函数需要优化的解进行编码形成群体。本发明能够为商业银行提供有效的预警信号，有利于防范市场风险，具有良好的应用价值。
-
公开(公告)号：CN113127205A
公开(公告)日：2021-07-16
申请号：CN202110477582.2
申请日：2021-04-30
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开一种云中满足截止时间约束且优化成本的工作流调度方法，包括：步骤1：将云中服务器的整个工作流的截止时间基于δ‑alap分配给每一个任务，从而形成子截止时间；步骤2：对工作流中的各任务基于子截止时间进行排序，从而形成一个有序的任务队列；步骤3：依次为任务队列中的每个任务分配虚拟机，使其满足截止时间约束且成本降低。该工作流调度方法有效地控制了工作流的完成时间并优化了成本。
-
公开(公告)号：CN110502570B
公开(公告)日：2022-03-01
申请号：CN201910789731.1
申请日：2019-08-26
Applicant: 东北大学秦皇岛分校
Abstract: 本发明的一种矩阵热力图三维可视化方法，包括：步骤1：将待可视化的矩阵转换成三列数据，第一列数据表示矩阵的行标，第二列数据表示矩阵的列标，第三行数据表示行标与列标对应的矩阵数值；步骤2：将第一列数据标注在矩阵热力图三维坐标系的X轴上，第二列数据标注在矩阵热力图三维坐标系的Y轴上，第三列数据的矩阵数值作为Z轴；步骤3：选择两种颜色作为颜色条两端的颜色，通过转换因子将第三行数据对应转换为两端颜色间的对应颜色；步骤4：在三维坐标系下绘制第三列数据对应的条形图，条形图的高度根据第三行数据绘制，条形图的颜色根据第三行数据对应的颜色绘制；步骤5：绘制颜色条，并给三维坐标系的坐标轴标注刻度。
-
公开(公告)号：CN112435106A
公开(公告)日：2021-03-02
申请号：CN201910782678.2
申请日：2019-08-23
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及一种基于改进灰靶理论的工资总额分配模型构建方法，包括以下步骤：构建标准模式、灰靶变换、构建差异信息序列、计算权重、计算靶心度、确定工资总额分配方案。本发明的有益效果是：引入熵权法对灰靶理论进行了改进，解决指标客观赋权问题，并用加权灰靶靶心度作为工资总额分配系数，解决不同指标的权重问题；通过实例分析，验证了基于改进灰靶理论的工资总额分配模型简单有效可行，能较客观地确定各对象的工资总额，是一种切实可行的工资总额分配方法。
-
公开(公告)号：CN113127206A
公开(公告)日：2021-07-16
申请号：CN202110477589.4
申请日：2021-04-30
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开一种基于改进蚁群算法的云环境任务调度方法，包括：将整个任务的完成最后期限拆分给若干个子任务，计算每一个子任务的排序参数，并计算子最后期限；将排序参数作为蚁群中的启发式信息，并根据控制信息素动态权重、控制启发式信息动态权重和信息素动态挥发率进行迭代，并根据迭代过程中出现的最优解来更新信息素轨迹；根据子最后期限，依次为子任务选择满足其子最后期限的计算资源。该方法针对部署在云服务器中任务调度，如何为其任务分配计算资源，使其在满足完成任务预设最后期限的前提下，总花费最小。
-
Patent Agency Ranking
公开(公告)号：CN110502570A
公开(公告)日：2019-11-26
申请号：CN201910789731.1
申请日：2019-08-26
Applicant: 东北大学秦皇岛分校
Abstract: 本发明的一种矩阵热力图三维可视化方法，包括：步骤1：将待可视化的矩阵转换成三列数据，第一列数据表示矩阵的行标，第二列数据表示矩阵的列标，第三行数据表示行标与列标对应的矩阵数值；步骤2：将第一列数据标注在矩阵热力图三维坐标系的X轴上，第二列数据标注在矩阵热力图三维坐标系的Y轴上，第三列数据的矩阵数值作为Z轴；步骤3：选择两种颜色作为颜色条两端的颜色，通过转换因子将第三行数据对应转换为两端颜色间的对应颜色；步骤4：在三维坐标系下绘制第三列数据对应的条形图，条形图的高度根据第三行数据绘制，条形图的颜色根据第三行数据对应的颜色绘制；步骤5：绘制颜色条，并给三维坐标系的坐标轴标注刻度。
-
公开(公告)号：CN113127206B
公开(公告)日：2022-03-11
申请号：CN202110477589.4
申请日：2021-04-30
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开一种基于改进蚁群算法的云环境任务调度方法，包括：将整个任务的完成最后期限拆分给若干个子任务，计算每一个子任务的排序参数，并计算子最后期限；将排序参数作为蚁群中的启发式信息，并根据控制信息素动态权重、控制启发式信息动态权重和信息素动态挥发率进行迭代，并根据迭代过程中出现的最优解来更新信息素轨迹；根据子最后期限，依次为子任务选择满足其子最后期限的计算资源。该方法针对部署在云服务器中任务调度，如何为其任务分配计算资源，使其在满足完成任务预设最后期限的前提下，总花费最小。
-
公开(公告)号：CN114119189A
公开(公告)日：2022-03-01
申请号：CN202010875527.4
申请日：2020-08-27
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供基于PSO‑BP的个人信用风险测量模型，涉及金融技术领域。该基于PSO‑BP的个人信用风险测量模型，包括PSO‑BP模型，所述PSO‑BP模型基于神经网络和粒子群算法，所述BP神经网络算法包括信号正向传递和误差逆向传播两部分，假设输入层的神经元节点数为n，隐藏层的神经元节点数为s，输出层的神经元节点数为1，所述PSO算法原理是以Vi＝(vi1,vi2,…vin)和Xi＝(xi1,xi2,…xin)分别表示n维空间中第i个粒子的速度和位置，在每次迭代中评估各粒子的适应度函数值，判断t时刻各个粒子所经过的个体最优位置pbest以及整个群体的最优位置gbest，群体中各粒子根据这两个最优位置更新自己的速度和位置。本发明能够为商业银行提供有效的预警信号，有利于防范市场风险，具有良好的应用价值。
-
公开(公告)号：CN111913800A
公开(公告)日：2020-11-10
申请号：CN202010678367.4
申请日：2020-07-15
Applicant: 东北大学秦皇岛分校
Abstract: 本发明的基于L-ACO的云中微服务成本优化的资源分配方法，包括：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，形成子最后期限；把概率向上秩作为蚁群中的启发式信息，进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率进行动态更新，根据迭代过程中的局部最优解来更新信息素轨迹；根据子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。该方法针对一组特定的组合服务，在保障服务完成最后期限的前提下，找到一种廉价的为服务实例分配计算资源的方案。调整参数后的算法，有着更低的成本，可更有效的进行资源分配。
-
公开(公告)号：CN111913800B
公开(公告)日：2022-07-19
申请号：CN202010678367.4
申请日：2020-07-15
Applicant: 东北大学秦皇岛分校
Abstract: 本发明的基于L‑ACO的云中微服务成本优化的资源分配方法，包括：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，形成子最后期限；把概率向上秩作为蚁群中的启发式信息，进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率进行动态更新，根据迭代过程中的局部最优解来更新信息素轨迹；根据子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。该方法针对一组特定的组合服务，在保障服务完成最后期限的前提下，找到一种廉价的为服务实例分配计算资源的方案。调整参数后的算法，有着更低的成本，可更有效的进行资源分配。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.029 seconds)
