-
公开(公告)号：CN107273197A
公开(公告)日：2017-10-20
申请号：CN201710448520.2
申请日：2017-06-14
Applicant: 北京工业大学
Abstract: 本发明公开了基于正交实验改进的谱聚类遗传算法的Hadoop任务调度方法，包括基于正交实验改进的谱聚类遗传算法的过程；进行个体编码、初始化数据，并设定参数；进行正交种群初始化；对种群内的个体进行解码得到表现型空间，计算表现型空间个体的任务预测执行时间、本地性任务个数和机器负载，然后根据这三个值计算种群内个体的适应度值；在表现型空间对种群进行谱聚类；选择种群内个体参加遗传操作；对选择的个体进行正交交叉和变异操作；重复迭代直到得到最佳个体。本发明采用改进的遗传算法作为优化算法，同时以任务预测执行时间、本地性任务个数、机器负载三个因素作为参数进行优化求解。
-
公开(公告)号：CN113627554A
公开(公告)日：2021-11-09
申请号：CN202110947526.0
申请日：2021-08-18
Applicant: 北京工业大学
Abstract: 本发明针对药品的近红外光谱数据的分类问题，提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM)，此方法结合了AE和ELM两种方法的优点，使用AE提取药品的近红外光谱数据的二维特征，根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段：第一阶段，采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示；第二阶段，用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点，提高了药品分类的准确度及稳定性，并和其他方法相比，模型的训练时间大幅降低，且对训练集大小不敏感，鲁棒性更强。
-
公开(公告)号：CN109614522A
公开(公告)日：2019-04-12
申请号：CN201811534537.0
申请日：2018-12-14
Applicant: 北京工业大学
IPC: G06F16/901
Abstract: 本发明公开了一种基于八叉并运用于web的非结构化网格切割方法，具体采用八叉树数据结构存储网格数据时全新的数据插入方案，并在有限面切割网格时提取相交网格和去除重复网格的一种快速有效方法。先利用数据结构存储节点数据，并提出新的数据插入方式；然后给定任意平面对网格进行切割，切割过程中涉及到对切割面的确定、判断与切割面相交的四面体、修改网络拓扑，最后删除重复的四面体等一系列操作；本发明在几何切割方面提供了完整的解决方案，针对网格数据量大的特点，首先切割八叉树并从切割面穿过的节点中提取四面体，然后切割四面体再修改拓扑，大大减少了计算量。
-
Patent Agency Ranking
公开(公告)号：CN112903625B
公开(公告)日：2024-01-19
申请号：CN202110092929.1
申请日：2021-01-25
Applicant: 北京工业大学
IPC: G01N21/359 , G16C20/20 , G16C20/70
Abstract: 本发明公开了基于偏最小二乘法分析药物中活性物质含量的集成参数优化建模方法，引入相关系数找到活性物质含量与光谱指数之间的线性关系，对不同光谱预处理方法得到的各种光谱参数进行了组合运算，综合考虑不同预处理提供的不同贡献，将光谱预处理、变量选择、潜在因子集合到光谱参数、潜在因子。光谱系数有一维相关系数(皮尔逊相关)和组合波段相关系数，建立潜在因子数1‑6的全连接PLS组合模型。模型性能通过均方根误差、R2和预测标准误差与标准偏差之比进行评估。该方法采用所有可能参数组合的全局最优策略和轨迹路径，分析不同药物的近红外光谱数据集，该模型可作为药物活性物质含量的测定。
-
公开(公告)号：CN112903625A
公开(公告)日：2021-06-04
申请号：CN202110092929.1
申请日：2021-01-25
Applicant: 北京工业大学
IPC: G01N21/359 , G16C20/20 , G16C20/70
Abstract: 本发明公开了基于偏最小二乘法分析药物中活性物质含量的集成参数优化建模方法，引入相关系数找到活性物质含量与光谱指数之间的线性关系，对不同光谱预处理方法得到的各种光谱参数进行了组合运算，综合考虑不同预处理提供的不同贡献，将光谱预处理、变量选择、潜在因子集合到光谱参数、潜在因子。光谱系数有一维相关系数(皮尔逊相关)和组合波段相关系数，建立潜在因子数1‑6的全连接PLS组合模型。模型性能通过均方根误差、R2和预测标准误差与标准偏差之比进行评估。该方法采用所有可能参数组合的全局最优策略和轨迹路径，分析不同药物的近红外光谱数据集，该模型可作为药物活性物质含量的测定。
-
公开(公告)号：CN113627554B
公开(公告)日：2024-07-12
申请号：CN202110947526.0
申请日：2021-08-18
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明针对药品的近红外光谱数据的分类问题，提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM)，此方法结合了AE和ELM两种方法的优点，使用AE提取药品的近红外光谱数据的二维特征，根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段：第一阶段，采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示；第二阶段，用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点，提高了药品分类的准确度及稳定性，并和其他方法相比，模型的训练时间大幅降低，且对训练集大小不敏感，鲁棒性更强。
-
公开(公告)号：CN113959973A
公开(公告)日：2022-01-21
申请号：CN202110951926.9
申请日：2021-08-18
Applicant: 北京工业大学
IPC: G01N21/359 , G06N20/20
Abstract: 本发明提出一种基于DWI‑BPLS的药品API预测方法，用于解决药品活性物质含量预测过程中，由于一维光谱数据所含信息量少，导致预测不够准确的问题。本发明是一种通过从双波段变量空间建立子模型的boosting策略，即双波段变量空间boosting偏最小二乘法DWI‑BPLS。本方法在第一个周期，将训练集中药品不同波长的吸光度值(药品特征)赋予相同的采样权重，然后根据采样权重选择一定数量的特征建立PLS子模型。确定损失函数用来计算训练集中样本的采样权重。最后通过计算所有子模型结果的平均值来做模型的最后预测。同时，本发明设计了一种新的损失函数，为boosting进行更好的惩罚训练。
-
公开(公告)号：CN107273197B
公开(公告)日：2020-08-28
申请号：CN201710448520.2
申请日：2017-06-14
Applicant: 北京工业大学
Abstract: 本发明公开了基于正交实验改进的谱聚类遗传算法的Hadoop任务调度方法，包括基于正交实验改进的谱聚类遗传算法的过程；进行个体编码、初始化数据，并设定参数；进行正交种群初始化；对种群内的个体进行解码得到表现型空间，计算表现型空间个体的任务预测执行时间、本地性任务个数和机器负载，然后根据这三个值计算种群内个体的适应度值；在表现型空间对种群进行谱聚类；选择种群内个体参加遗传操作；对选择的个体进行正交交叉和变异操作；重复迭代直到得到最佳个体。本发明采用改进的遗传算法作为优化算法，同时以任务预测执行时间、本地性任务个数、机器负载三个因素作为参数进行优化求解。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
