-
Patent Agency Ranking
公开(公告)号：CN106844697B
公开(公告)日：2019-07-23
申请号：CN201710060641.X
申请日：2017-01-25
Applicant: 中国矿业大学
IPC: G06F16/953 , G06F16/35 , G06N3/04 , G06Q50/00
Abstract: 本发明涉及一种基于潜在传播集的社交网络信息传播跟踪方法，包括：建立基于潜在传播集的SIR模型；从社交网络中获取网络消息，进行聚类并分组，建立网络热点消息的分类数据库；从分类数据库中选取网络热点消息，对社交网络进行采样，获取传播参数；获取新的网络热点消息，将其与网络热点消息的分类数据库进行对比，选择最接近的网络热点消息类型，并提取获取的传播参数作为新的网络热点消息的参考传播参数；对参考传播参数进行调整，进一步预测所述网络热点消息的传播情况并进行人工干预。本发明运用在不同规模的人工网络与现实网络中，由SIPR方程组生成的S、I、R三类曲线与仿真模拟情况中三类曲线吻合度很高，均表现出了良好的效果。
-
公开(公告)号：CN106844697A
公开(公告)日：2017-06-13
申请号：CN201710060641.X
申请日：2017-01-25
Applicant: 中国矿业大学
CPC classification number: G06F16/355 , G06F16/951 , G06N3/04 , G06Q50/01
Abstract: 本发明涉及一种基于潜在传播集的社交网络信息传播跟踪方法，包括：建立基于潜在传播集的SIR模型；从社交网络中获取网络消息，进行聚类并分组，建立网络热点消息的分类数据库；从分类数据库中选取网络热点消息，对社交网络进行采样，获取传播参数；获取新的网络热点消息，将其与网络热点消息的分类数据库进行对比，选择最接近的网络热点消息类型，并提取获取的传播参数作为新的网络热点消息的参考传播参数；对参考传播参数进行调整，进一步预测所述网络热点消息的传播情况并进行人工干预。本发明运用在不同规模的人工网络与现实网络中，由SIPR方程组生成的S、I、R三类曲线与仿真模拟情况中三类曲线吻合度很高，均表现出了良好的效果。
-
公开(公告)号：CN108833461A
公开(公告)日：2018-11-16
申请号：CN201810316574.8
申请日：2018-04-10
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于网络分解的社交网络关键节点发现方法及系统，属于网络分析技术领域；根据网络中各个节点的中心性值初步确定候选关键节点集合，根据所述候选关键节点在网络中的连通分支节点数量确定社交网络的关键节点。本发明解决了邻居节点之间的连边对网络破坏能力的影响，设计了更加准确的节点中心性指标，选取了更加合理的节点放回策略，并且无需进行参数设置，社交网络关键节点发现更加高效、准确。
-
公开(公告)号：CN119251556A
公开(公告)日：2025-01-03
申请号：CN202411284854.7
申请日：2024-09-13
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于因果元解耦学习的高光谱图像分类方法。首先，通过模拟领域泛化情景，帮助模型从中归纳出域不变的因果元知识，确保其对未见目标域的强泛化能力。其次，提出了因果元解耦学习，建立了基于分布解耦、虚拟域生成、不变‑泛化风险最小化的因果元知识归纳框架，为高光谱领域泛化提供了新范式。通过不变因果效应损失，约束相同类别的高光谱图像在不同领域具有不变的因果效应，实现了数据和标签之间真实因果关联的准确捕获，从而有效提升模型在目标域不可见的领域泛化任务中的分类性能。
-
公开(公告)号：CN108833461B
公开(公告)日：2020-07-17
申请号：CN201810316574.8
申请日：2018-04-10
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于网络分解的社交网络关键节点发现方法及系统，属于网络分析技术领域；根据网络中各个节点的中心性值初步确定候选关键节点集合，根据所述候选关键节点在网络中的连通分支节点数量确定社交网络的关键节点。本发明解决了邻居节点之间的连边对网络破坏能力的影响，设计了更加准确的节点中心性指标，选取了更加合理的节点放回策略，并且无需进行参数设置，社交网络关键节点发现更加高效、准确。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
