-
公开(公告)号：CN104978612A
公开(公告)日：2015-10-14
申请号：CN201510414923.6
申请日：2015-07-15
Abstract: 本发明公开一种基于AHP-RBF的分布式大数据系统风险预测方法，包括如下步骤：步骤1：采用AHP方法构建云计算虚拟机的单点风险描述模型；步骤2：用RBF神经网络实现AHP的风险指标的预测；RBF神经网络包含3层：第一层是输入层，由信号源节点组成；第二层为隐含层，该层所含的神经元数目是由具体问题而定的；第三层为输出层，主要是对输入模式做出响应；步骤3：采用MRPGA算法对RBF神经网络的隐含层优化，实现RBF神经网络对云计算虚拟机的单点风险预测；首先采用混合递阶遗传算法训练RBF神经网络，其将递阶遗传算法与递推最小二乘法相结合，利用递阶遗传算法确定RBF神经网络的结构、隐含层节点的中心和宽度，同时用递推最小二乘法对隐含层和输出层之间的连接权值进行构造。
-
公开(公告)号：CN104636449A
公开(公告)日：2015-05-20
申请号：CN201510038331.9
申请日：2015-01-27
IPC: G06F17/30
CPC classification number: H04L41/145 , G06F17/30705 , H04L41/069
Abstract: 本发明公开一种基于LSA-GCC的分布式大数据系统风险识别方法，其包括如下过程：步骤1：建立LSA-GCC模型，该LSA-GCC模型用于将数据集映射到一个语义空间下，并采用聚类算法对其进行分类后，从聚类结果中抽取特定分类的原型向量，并对各个分类赋予一定权值，建立初始的原型向量模型；步骤2：通过LSA-SAM安全识别模型对风险进行前馈识别，LSA-SAM安全识别模型以LSA-GCC模型为基础进行信息系统风险评测，将待评估数据映射到同一语义空间后，与各个分类的原型向量作计算得到属于该分类的相似度，作相似度与对应分类的权值的累加和，最后求均值得到该待评估数据的风险值，即求得该数据到来时刻的风险值。
-
公开(公告)号：CN104850727A
公开(公告)日：2015-08-19
申请号：CN201510038233.5
申请日：2015-01-27
IPC: G06F19/00
Abstract: 本发明公开一种基于云重心理论的分布式大数据系统风险评估方法，包括过程1：对风险等级进行划分，通过标准云生成器产生标准风险云；过程2：对虚拟机节点的相关信息进行采集，并进行数据预处理，获得Risk(P,T,A,R)风险描述向量和RiskAHP-RBF值；其中Risk(P,T,A,R)风险描述向量是指虚拟机性能指标P、虚拟机时间指标T、报警日志指标A和LSA风险识别指标R；过程3：对描述各属性的风险度向量进行归一化处理，使用风险度云逆向生成器产生数学风险云(也即4个属性风险云和一个综合风险云)；过程4：将各属性风险云综合分析得到综合风险云Riskcloud；过程5：计算相似度并进行评价得出风险等级；过程6：以过程5的风险等级为依据，对当前汇聚云表示的风险等级进行评价。
-
公开(公告)号：CN119515433A
公开(公告)日：2025-02-25
申请号：CN202411418548.8
申请日：2024-10-11
Applicant: 厦门大学
IPC: G06Q30/0202 , G06Q10/04 , G06N3/0442 , G06V20/13 , G06V20/10 , G06V10/77 , G06Q40/06
Abstract: 本发明提供了一种农产品期货价格的预测方法、装置、介质及程序产品，该方法包括：步骤S1，通过多个预先训练的长短期记忆网络模型来预测农产品的产量，得到农产品的产量预测矩阵；步骤S2，通过产量预测矩阵对农产品的期货价格进行预测，其中：将获取的农产品期货的收盘价输入预先训练的第一长短期记忆网络模型，得到第一多维隐状态向量；将产量预测矩阵输入预先训练的第二长短期记忆网络模型，得到第二多维隐状态向量；在预定的周期下，对第一多维隐状态向量和第二多维隐状态向量进行加权平均；再通过计算得出农产品期货价格预测值。利用上述技术方案，可实现对农产品期货价格的精准预测。
-
公开(公告)号：CN119090117A
公开(公告)日：2024-12-06
申请号：CN202411019811.6
申请日：2024-07-29
Applicant: 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 厦门大学平潭研究院
Inventor： 陈斌 , 李泽科 , 刘必晶 , 郭久煜 , 陈建洪 , 吴炜 , 丁凌龙 , 林凡 , 温兴玺 , 范海威 , 钟秋添 , 郑立玮 , 黄海腾 , 杨勇 , 王高瞻 , 游镇煌 , 王春安
IPC: G06Q10/063 , G06Q50/06 , G06Q10/10 , G06N3/006 , G06N3/0442 , G06N3/045 , H02J3/00 , H02J3/18
Abstract: 本发明提供一种融合RPA与AI的电网智能调度方法及系统，涉及数据处理技术领域，方法包括：构建基于人工智能AI的电网智能调度模型，电网智能调度模型具体包括：能源使用行为预测模块、电网调度方案创建模块、调度方案确定模块；通过能源使用行为预测模块，使用三层堆叠长短时记忆神经网络，预测能源使用行为；通过电网调度方案创建模块，根据预测的能源使用行为，使用鲸鱼优化算法，创建次优电网调度方案；通过调度方案确定模块，基于用户习惯偏差度，从次优电网调度方案中确定目标调度方案；通过机器人流程自动化RPA技术，执行目标调度方案。
-
Patent Agency Ranking
公开(公告)号：CN118552308A
公开(公告)日：2024-08-27
申请号：CN202410464884.X
申请日：2024-04-17
Applicant: 厦门大学平潭研究院
Abstract: 本发明涉及一种投资组合优化方法、终端设备及存储介质，该方法中包括：采集待分析股票市场的交易区间内各股票的新闻数据；计算股票在每个交易日的情绪分数，并转换为股票情绪分数向量；将距离当前交易日最近的k个历史交易日的股票价格特征与股票情绪分数向量相结合，作为强化学习中当前交易日的状态；构建强化学习模型，将当前交易日的状态作为策略网络的输入，设定动作为当前交易日开始时的投资组合权重向量，结合当前交易日的价格变化向量设定奖励；通过历史状态转移数据对强化学习模型中的模型参数进行优化，得到训练好的投资组合优化策略。本发明充分发掘财务数据的复杂性和非线性特征，提高了模型在优化投资组合时的稳定性和效率。
-
公开(公告)号：CN117691613A
公开(公告)日：2024-03-12
申请号：CN202311621069.1
申请日：2023-11-28
Applicant: 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 国电南瑞科技股份有限公司 , 国网信通亿力科技有限责任公司 , 厦门大学平潭研究院
Inventor： 陈斌 , 刘必晶 , 范海威 , 林凡 , 李泽科 , 郭久煜 , 陈建洪 , 黄海腾 , 杨勇 , 王春安 , 丁凌龙 , 杨旭 , 陈书里 , 吴炜 , 吴克刚 , 夏慧 , 郝旭亮 , 陆佳 , 林航 , 余开杭 , 陈惠文
IPC: H02J3/14 , H02J13/00 , H04L67/12 , G06F18/241 , G06Q50/06
Abstract: 本发明公开了一种电网分批分类精准切荷方法和系统。所述方法包括：将切荷对象分为专线切荷、专变切荷和公线切荷三类资源；引入分配比例逻辑和控制逻辑；在省调系统，建立资源池监视与统计、切荷量分配、根据切荷量计算三类资源的分配、控制过程监视功能；在地调系统，建立资源池监视画面与统计、接令部分增加了资源池数据分配；在省地协同控制上，控制模式为省－地－配各级系统指令并行执行，省调下令包含“专线+专变”的选线类型，地调在根据指令进行专线资源选线控制的同时，向配调下发专变控制指令，并支持省调短时间内向地区并发多次下令。
-
公开(公告)号：CN116486341A
公开(公告)日：2023-07-25
申请号：CN202310473044.5
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06V20/52 , G06V40/10 , G06V10/774 , G06K17/00
Abstract: 本申请的实施例提供了一种基于RFID的人体行为识别模型的训练、识别方法及装置。该训练方法包括：分别对目标域训练数据集中的信号接收强度指示序列和相位值序列进行预处理，得到对应的信号接收强度指示矩阵以及相位值矩阵，并输入至经源域训练数据集预训练后的人体行为识别模型，以输出对应的加权后的目标特征向量；将加权后的目标特征向量输入至域判别器，以输出对应的域判别标签；进行批量光谱惩罚计算，并根据计算结果以及域判别标签，对人体行为识别模型进行调优，以得到目标人体行为识别模型。本申请实施例的技术方案可以消除不可转移的特征和特定领域特征的影响，提高人体行为识别精度。
-
公开(公告)号：CN112597391B
公开(公告)日：2022-08-12
申请号：CN202011564657.2
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N20/00
Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
公开(公告)号：CN106131862B
公开(公告)日：2019-08-16
申请号：CN201610511177.7
申请日：2016-07-01
Applicant: 厦门大学 , 常州梯卫士网络科技有限公司
CPC classification number: Y02D70/00
Abstract: 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法，首先创建无线传感器网络的数学模型及目标函数，随机生成一种群，采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下：维持一个大小为N的种群，并通过不断迭代，引导算法逼近Pareto最优前沿。在每一次迭代过程中，首先给定一个种群Pt；引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′；然后，采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界，引入新分布度维持策略与快速非支配排序算法结合，以选择一个新的种群进入下一次进化，最终获得使得无线传感器网络所有节点的总工作功率小，同时又能保证覆盖率的最大化的种群方案。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.043 seconds)
