公开(公告)号：CN107590218B

公开(公告)日：2020-11-06

申请号：CN201710777064.6

申请日：2017-09-01

Applicant: 南京理工大学

Inventor： 蔡晨晓 ,  毕涛 ,  徐杨 ,  卜京 ,  姚娟 ,  殷明慧

IPC: G06F16/182 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06K9/62

Abstract: 本发明公开了一种基于Spark的多特征结合中文文本高效聚类方法，该方法利用HDFS文件系统的高容错性、高数据访问吞吐量，将大量的数据集上传到HDFS文件系统中，然后进行数据预处理，通过客户端提交到Spark集群；完成文本集预处理后，将降维后的文本分别计算语义相似度和基于词频统计的余弦相似度，然后将两种相似度进行结合，得到最终的文本相似度，利用得到的文本相似度，并结合最大距离法，进行文本聚类。本发明将语义信息和词频统计信息结合在一起，使得文本相似度的计算更加准确，同时极大减少了迭代的次数。

公开(公告)号：CN106776188B

公开(公告)日：2020-07-31

申请号：CN201611260831.8

申请日：2016-12-30

Applicant: 南京理工大学

Inventor： 李旭 ,  秦华旺 ,  田杰 ,  笪力 ,  李宝 ,  徐杨

IPC: G06F11/22 ,  G06F11/263

Abstract: 本发明公开了一种基于DSP和FPGA的总线故障注入系统，包括DSP主处理器、FPGA、上位机、以太网接口模块、DA模块、RS422接口模块、RS485接口模块、继电器网络、电阻网络和存储模块；通过串接在总线系统中来进行所需故障模式配置，RS422/RS485接口模块用来接收总线上的串行信号，由FPGA转换成并行信号，经过DSP处理后，通过FPGA控制DA模块和继电器网络输出注入故障后的信号。本发明采用硬件故障注入，可以实现物理层、电气层、协议层次故障注入功能，更真实的模拟硬件在实际运行过程中发生的故障，在总线设备正常通信中实时加入各种故障。

公开(公告)号：CN107590218A

公开(公告)日：2018-01-16

申请号：CN201710777064.6

申请日：2017-09-01

Applicant: 南京理工大学

Inventor： 蔡晨晓 ,  毕涛 ,  徐杨 ,  卜京 ,  姚娟 ,  殷明慧

IPC: G06F17/30 ,  G06F17/27 ,  G06K9/62

Abstract: 本发明公开了一种基于Spark的多特征结合中文文本高效聚类方法，该方法利用HDFS文件系统的高容错性、高数据访问吞吐量，将大量的数据集上传到HDFS文件系统中，然后进行数据预处理，通过客户端提交到Spark集群；完成文本集预处理后，将降维后的文本分别计算语义相似度和基于词频统计的余弦相似度，然后将两种相似度进行结合，得到最终的文本相似度，利用得到的文本相似度，并结合最大距离法，进行文本聚类。本发明将语义信息和词频统计信息结合在一起，使得文本相似度的计算更加准确，同时极大减少了迭代的次数。

公开(公告)号：CN106776188A

公开(公告)日：2017-05-31

申请号：CN201611260831.8

申请日：2016-12-30

Applicant: 南京理工大学

Inventor： 李旭 ,  秦华旺 ,  田杰 ,  笪力 ,  李宝 ,  徐杨

IPC: G06F11/22 ,  G06F11/263

CPC classification number: G06F11/2273 ,  G06F11/263

Abstract: 本发明公开了一种基于DSP和FPGA的总线故障注入系统，包括DSP主处理器、FPGA、上位机、以太网接口模块、DA模块、RS422接口模块、RS485接口模块、继电器网络、电阻网络和存储模块；通过串接在总线系统中来进行所需故障模式配置，RS422/RS485接口模块用来接收总线上的串行信号，由FPGA转换成并行信号，经过DSP处理后，通过FPGA控制DA模块和继电器网络输出注入故障后的信号。本发明采用硬件故障注入，可以实现物理层、电气层、协议层次故障注入功能，更真实的模拟硬件在实际运行过程中发生的故障，在总线设备正常通信中实时加入各种故障。

公开(公告)号：CN106951407A

公开(公告)日：2017-07-14

申请号：CN201710152586.7

申请日：2017-03-15

Applicant: 南京理工大学

Inventor： 蔡晨晓 ,  徐杨 ,  卜京 ,  殷明慧 ,  毕涛 ,  李旭

IPC: G06F17/27 ,  G06F17/30

Abstract: 本发明涉及一种基于Spark平台的快速高精度语义相关度计算方法，该方法包括：在服务器上构建HDFS文件系统和Spark平台，并将数据集上传到HDFS文件系统中；Spark平台从HDFS文件系统中读取数据，将数据转换为RDD并将其存储在内存中；将所有任务分为不同的Stage，然后同时运行各个任务；对RDD进行预处理，将RDD中的数据转换为纯文本的形式，过滤与语义相关度计算无关的概念和词语；构建“概念—词语”向量空间；计算词语语义相关度。相对于传统的单机计算，本发明提出的语义相关度计算方法在构建语义空间时，计算速度提高了数倍，同时具有较高的精度。