-
公开(公告)号：CN107908807B
公开(公告)日：2021-01-05
申请号：CN201710599154.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D‑S证据理论和基于F‑HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号：CN106875281A
公开(公告)日：2017-06-20
申请号：CN201710144505.9
申请日：2017-03-13
Applicant: 哈尔滨工程大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明提供的是一种基于贪心子图的社会网络节点挖掘方法。首先依据节点度这个重要属性结合了局部拓扑结构的聚集系数估计出节点的影响潜力，根据影响潜力高低排序并加入种子节点候选集合，同时通过对网络的整体评判排序并选择出特异性阈值最高的节点加入种子节点候选集合。在完成候选集合的选择后，通过改进影响力的线性阈值模型表现为贪心子图策略对于集合中的节点进行真实的传播模拟，选取增量影响范围最大的节点加入到最终节点挖掘结果集合中，并且在每一步传播完成时动态的修正候选集合中的节点，重复候选集合修正过程和传播模拟过程直至达到预期规模的节点挖掘结果集合，最终得到理想的节点挖掘效果。
-
Patent Agency Ranking
公开(公告)号：CN106875281B
公开(公告)日：2020-12-18
申请号：CN201710144505.9
申请日：2017-03-13
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06Q50/00
Abstract: 本发明提供的是一种基于贪心子图的社会网络节点挖掘方法。首先依据节点度这个重要属性结合了局部拓扑结构的聚集系数估计出节点的影响潜力，根据影响潜力高低排序并加入种子节点候选集合，同时通过对网络的整体评判排序并选择出特异性阈值最高的节点加入种子节点候选集合。在完成候选集合的选择后，通过改进影响力的线性阈值模型表现为贪心子图策略对于集合中的节点进行真实的传播模拟，选取增量影响范围最大的节点加入到最终节点挖掘结果集合中，并且在每一步传播完成时动态的修正候选集合中的节点，重复候选集合修正过程和传播模拟过程直至达到预期规模的节点挖掘结果集合，最终得到理想的节点挖掘效果。
-
公开(公告)号：CN107908807A
公开(公告)日：2018-04-13
申请号：CN201710599154.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D-S证据理论和基于F-HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号：CN109189862A
公开(公告)日：2019-01-11
申请号：CN201810766488.7
申请日：2018-07-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向科技情报分析的知识库构建方法，属于计算机知识库构建领域。提出了CWATT-BiLSTM-LSTMd模型用于实体抽取、RL-TreeLSTM模型用于实体关系抽取。实体抽取采用编码-解码模式，BiLSTM(双向长短期记忆网络)用于编码，LSTMd(长短期记忆网络)用于解码，并且对嵌入层和解码层进行了改进，然后使用此模型对科技情报领域的语料进行实体抽取。在实体抽取的基础之上，基于强化深度学习的思想提出RL-TreeLSTM模型对实体之间的关系进行抽取。RL-TreeLSTM模型分为两个部分：选择器和分类器。选择器选择有效的句子传入分类器，以降低远程监督方法带来的噪音；分类器对有效句子进行实体关系抽取，提高关系抽取的准确率。
-
公开(公告)号：CN106951524A
公开(公告)日：2017-07-14
申请号：CN201710168151.1
申请日：2017-03-21
Applicant: 哈尔滨工程大学
CPC classification number: G06F16/9024 , G06F2216/03 , G06Q50/01
Abstract: 本发明提供的是一种基于节点影响力的重叠社区发现方法。在k‑shell分解算法的基础上，通过综合并全面考虑节点的全局影响力、局部影响力以及邻居节点的贡献度共三类因素而提出。依据影响力降序顺序更新节点，符合社会网络信息传播特性，降低算法的随机性，并在计算归属系数的时候，不仅仅考虑了邻居节点影响力的影响，还将节点本身的归属倾向及节点本身影响力考虑在内。在设定重叠阈值等方面，融合了节点影响力，为每个节点设置了合理的阈值。能够降低原算法的随机性，挖据出高质量的社区结构。
-
公开(公告)号：CN106878174A
公开(公告)日：2017-06-20
申请号：CN201710168140.3
申请日：2017-03-21
Applicant: 哈尔滨工程大学
IPC: H04L12/721 , H04L12/24 , H04L12/58 , G06Q50/00
Abstract: 本发明提供的是一种基于中介中心性的网络传播节点影响力发现方法。遍历任意两点间的最短路径，获得路径集合δij；对路径P中的每一个节点u计算DBC(u)ij,以及Loc(u)ij；遍历所有路径结束后在遍历图中每一个节点u，计算DLBC，并将所有节点的DLBC值从大到小排列；输出整个DLBC排序后的数组。本发明充分发挥了传统中介中心性能够度量节点全局影响力的优势，并且通过对加入衰减因子以及节点重要程度因子，在节点全局影响里度量上的精度得以提高。通过将距离节点最短路径长度小于等于L的节点数量与总体节点数量的比值，作为节点在局部影响力的度量，作为对节点全局影响力的补充，形成了节点综合影响力。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
