-
公开(公告)号：CN115048958B
公开(公告)日：2025-02-11
申请号：CN202210648183.2
申请日：2022-06-08
Applicant: 北京交通大学
IPC: G06F18/2431 , G06F18/214 , G06F18/2413 , G06F18/2134 , G06F18/22 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供了一种情绪识别模型的构建方法、情绪识别方法及系统，属于情绪识别领域。所述模型构建方法先采集预定时间段内包含不同情绪的62导联脑电信号，去噪后滤除无效波段，再根据产生情绪的时间起止点，进行数据切分，保留起止点之间的有效脑电信号片段作为样本；基于时间近邻法提取第一正样本子集；在每个样本内提取五个波段的功率谱密度、计算微分熵特征，并构建节点特征表示，并基于节点特征表示提取第二正样本子集；再建立脑网络图，在每个样本内分别计算导联间两两之间的锁相值，并得到当前样本对应的脑网络图的邻接矩阵并构建拓扑结构特征表示，再提取第三正样本子集，取并集得到最终的正负样本集，训练后得到成熟的情绪识别模型。
-
公开(公告)号：CN114942651B
公开(公告)日：2024-09-20
申请号：CN202210654543.X
申请日：2022-06-10
Applicant: 北京交通大学
IPC: G05D1/46
Abstract: 本发明公开了一种基于经验池优化的无人机自主控制方法及系统，属于飞行控制技术领域。本发明方法，包括：在无人机仿真模拟器中针对目标无人机，设置仿真环境；建立目标无人机的状态空间，动作空间以及奖励函数；根据所述状态空间以及动作空间构建用于特征提取的自编码器；构建无人机自主控制任务决策网络模型；加载所述仿真环境模拟目标无人机飞行，通过所述奖励函数生成经验数据，以及通过自编码器提取经验数据的特征值，并根据特征值筛选经验数据，根据筛选后的经验数据训练所述无人机自主控制任务决策网络模型；通过训练后的无人机自主控制任务决策网络模型，对目标无人机进行自主控制。本发明提高了经验池中经验的多样性。
-
公开(公告)号：CN115270609A
公开(公告)日：2022-11-01
申请号：CN202210807641.2
申请日：2022-07-09
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于时频空分析的永磁同步电机状态智能预测方法和系统，属于永磁同步电机状态预测领域。所述方法首先提取电机物理量的全局时域信息，再提取局部时域和空间信息及频域信息，将所获得的信息进行融合后与输出物理量进行对应，构建永磁同步电机状态智能预测模型；基于历史数据对模型进行训练和测试后，得到成熟的永磁同步电机状态智能预测模型；再将待测试的输入物理量输入到成熟的永磁同步电机状态智能预测模型中，输出预测的输出物理量，进行电机状态的预测。本发明捕获了电机物理量本身的高频特性和混合周期性，动态捕获电机物理量间的非线性耦合关系，提高了状态预测精度、准确度，同时提高了对永磁同步电机状态预测的实时性。
-
公开(公告)号：CN114520838A
公开(公告)日：2022-05-20
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 , G06K9/62
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：CN111562996B
公开(公告)日：2021-11-23
申请号：CN202010282009.1
申请日：2020-04-11
Applicant: 北京交通大学
IPC: G06F11/07
Abstract: 本发明提供了一种关键性能指标数据的时序异常检测方法，用以解决现有技术中时序数据异常检测效率低、准确率低的问题。所述时序异常检测方法，先对采集的时序数据中缺失值及异常值进行修正，再提取特征对数据进行拼接，将拼接数据划分为训练集和测试集，在优化目标函数的基础上训练得到异常检测模型，再进行测试及评估得到评估标准，以所述评估标准和异常检测模型，对待检测数据进行时间序列异常检测。本发明对具有周期性的不同时间序列数据的异常检测，从时间序列数据中提取不同维度的特征以保证考虑到数据在不同维度上的相关性都能被模型学习到，减少了异常标注带来的成本，同时适用于正负样本极不均匀的场景，提高了检测效率。
-
Patent Agency Ranking
公开(公告)号：CN108900978B
公开(公告)日：2020-12-04
申请号：CN201810884019.5
申请日：2018-08-06
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于移动终端信令数据的城市主干道路连接方法。该装置包括：根据原始路网数据的基础路段方向和端点的经纬度数据、以分岔路口为端点对基础路段进行初步连接，计算初步连接后的路段的关联基站。根据用户的移动终端信令数据中的基站连接信息，统计初步连接后的每条路段上的用户切换记录。根据当前路段的用户切换记录，计算从当前路段的前驱路段切换到该当前路段和从当前路段切换到该当前路段的后继路段的用户数，将与当前路段之间切换的用户数最多的前驱路段和后继路段连接成新的路段。本发明能够自动地将原始的城市路网数据中的基础路段连接成足够长、可以进行用户与道路匹配的若干整条道路，有效地减少路网处理中的人工干预。
-
公开(公告)号：CN111563374A
公开(公告)日：2020-08-21
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：CN110288121A
公开(公告)日：2019-09-27
申请号：CN201910407946.2
申请日：2019-05-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理，解码器对编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。本发明通过起飞时刻注意力机制捕获目标航班所在航线中不同起飞时刻航班客座率的时序依赖性及其它起飞时刻航班客座率对目标航班客座率的影响，同时采用起飞日注意力机制捕获目标航班的自身客座率序列的趋势性及周期性；结合考虑航班自身属性及节假日等外部因素的影响，最终使得本模型在航班客座率预测问题上取得了很好的效果。
-
公开(公告)号：CN106209446B
公开(公告)日：2019-07-09
申请号：CN201610526019.9
申请日：2016-07-06
Applicant: 北京交通大学
IPC: H04L12/24
Abstract: 本发明提供了一种数据中心服务器的业务应用逻辑网络的构建方法。该方法包括：从数据中心服务器的原始日志数据中提取出TCP连接数据、服务器的日志采样时间数据和服务器的IP列表数据；根据TCP连接数据、服务器的日志采样时间数据和服务器的IP列表数据构建服务器级别的TCP连接关系，计算出服务器级别的TCP连接关系的权重；根据服务器级别的TCP连接关系和服务器级别的TCP连接关系的权重构建数据中心服务器的业务应用逻辑网络。本发明实施例提出的服务器应用逻辑网络构建方法无须耗费大量人力物力去采集、统计数据，能自动构建基于应用的业务逻辑网络，有效辅助运维人员掌握数据中心的服务器架构及使用情况。
-
公开(公告)号：CN109522372A
公开(公告)日：2019-03-26
申请号：CN201811387226.6
申请日：2018-11-21
Applicant: 北京交通大学
Abstract: 本发明提供了一种民航领域旅客价值的预测方法。该方法从四个维度评估民航领域的客户价值；其次，提出一种数值量化模型，利用AHP决策过程，将RFUM模型多维特征转化到一维数值空间，有利于从数值角度对用户价值变化进行分析；最后，提出一种序列依赖多任务学习模型，考虑用户消费意愿与消费金额的天然相关性，利用用户历史消费数据的时序特性，结合时序数据注意力机制与多任务学习过程，预测用户将来价值。本发明的实施结合民航领域的营销需求，能够更为准确地预测企业客户的生命周期价值，基于预测结果，企业可以更好地制定客户拓展策略，提高用户留存率，最大化利用客户价值，增强企业竞争力。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.028 seconds)
