公开(公告)号：CN120030390A

公开(公告)日：2025-05-23

申请号：CN202510198072.X

申请日：2025-02-21

Applicant: 大连理工大学

Inventor： 原旭 ,  黄华飞 ,  罗仁强

IPC: G06F18/24 ,  G06F18/214 ,  G06F17/16 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明属于图异常检测领域，提出一种基于特征分解增强的图异常检测方法。这是一种新的即插即用方法，它利用邻接矩阵特征向量中编码的邻居信息来增强图异常检测上现有方法的性能。通过对特征向量的理论分析表明，每个节点的特征向量的分量可以为其对应的邻居特征向量的线性平均值来表示。此外还证明了合并特征向量会线性增加节点的异常程度，为在异常检测中使用图谱信息提供理论基础。通过结合特征向量和节点特征矩阵，融入现有方法中，最后给出最终预测的结果。本发明从谱域的角度来优化图异常检测，考虑了图中节点特征向量和领域节点关系，并将特征和消息传递机制结合起来，提升了现有图异常检测方法的性能，并且适配大多数的图异常检测任务。

公开(公告)号：CN119166831A

公开(公告)日：2024-12-20

申请号：CN202411333184.3

申请日：2024-09-24

Applicant: 大连理工大学

Inventor： 原旭 ,  雷启航 ,  郭轶 ,  谷少奎

IPC: G06F16/36 ,  G06F17/16 ,  G06F17/18 ,  G06F18/25 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开一种基于邻域复合注意力的小样本知识图谱补全方法，属于人工智能领域。首先利用独立邻域编码器捕捉实体间的交互信息，其次利用协同邻域编码器捕捉不同语义空间、不同位置的信息，并将两者融合以学习到更加丰富全面的特征表示。接着通过降噪小样本关系学习器对融合了邻域信息的样本对信息聚合，以及对实体对的原始信息进行聚合，获得小样本关系进而降低邻域噪声的影响。然后利用LSTM网络对小样本关系和查询集之间的交互进行建模，衡量输入查询和小样本关系之间的匹配程度，对模型进行训练。最后利用训练好的模型以及超参数对各种下游任务进行预测。本发明以学习高质量的小样本关系嵌入，有效的提升了知识图谱补全任务的性能。

公开(公告)号：CN117909778A

公开(公告)日：2024-04-19

申请号：CN202310979566.2

申请日：2023-08-06

Applicant: 大连理工大学

Inventor： 原旭 ,  谷少奎 ,  陈佳茜

IPC: G06F18/2337 ,  G06F18/2321 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/0895

Abstract: 一种基于可信邻居信息聚合的多视图数据无标签聚类方法，属于人工智能研究领域，特征空间中的原始多视图数据往往包含与聚类任务无关的信息，使用现有方法很难将其分离的问题，要点是将聚类分布矩阵的列抽象为不同聚类的特征，以进行对比学习，使得聚类分布层具有实际的聚类意义，利用从模糊映射层提取的聚类信息分布，通过拟合归一化图中受信任邻居信息去偏聚合后形成的倾向分布，归一化图考虑了视图内的全局结构和视图之间的聚类级别一致信息。

公开(公告)号：CN111949630A

公开(公告)日：2020-11-17

申请号：CN202010794779.4

申请日：2020-08-10

Applicant: 大连理工大学

Inventor： 原旭 ,  汤昊成 ,  于硕 ,  陈志奎 ,  孙野 ,  陈怡

IPC: G06F16/182 ,  G06F16/11 ,  G06F16/13 ,  G06F16/14 ,  G06F16/16 ,  G06F16/172

Abstract: 本发明涉及分布式存储技术领域，提供一种基于文件审查机制的分布式区块链存储方法，包括：步骤100，构建分布式区块链存储系统架构，所述存储系统架构包含用户节点、超级节点、存储节点和云服务平台；步骤200，利用采集用户上传的文件，并负责审核用户实名认证信息；步骤300，超级节点的超级节点网关执行前审验机制自动检验文件合法性，并对前审合法文件进行分布式文件存储；步骤400，超级节点的超级节点网关执行后审验机制审验文件的合法性。本发明能够在文件存储系统建设时，包含分布式存储的特性和高吞吐量，又同时保证数据可审察和有效监管。

公开(公告)号：CN102194350A

公开(公告)日：2011-09-21

申请号：CN201110073000.0

申请日：2011-03-24

Applicant: 大连理工大学

Inventor： 赖晓晨 ,  申珅 ,  丁宁 ,  董沈鑫 ,  原旭

IPC: G09B19/00

Abstract: 一种基于VHDL的CPU，属于计算机系统结构领域。该CPU由CPU核及CPU调试模块两部分组成。CPU核由数据处理模块、指令控制模块与模拟内存三部分组成。数据处理模块包含一个支持11项基本操作的ALU单元、8个通用寄存器组成的寄存器组以及状态寄存器。指令控制模块支持46条指令，采用硬布线设计方式。模拟内存为一个与系统总线位宽相同、长度为1K的存储器数组。CPU调试模块由调试信号控制器和CPU内部信号接口两部分组成。调试信号控制器包括调试信号输入寄存器和调试信号译码器两个部分；CPU内部信号接口包含内部信号锁存器和内部信号观察窗口。本发明提供了一种规模小、结构清晰的CPU，特别适用于教学。

公开(公告)号：CN114567554B

公开(公告)日：2024-03-26

申请号：CN202210155056.9

申请日：2022-02-21

Applicant: 新疆财经大学 ,  大连理工大学

Inventor： 于凯 ,  黄馨阅 ,  原旭

IPC: H04L41/0823 ,  H04L41/14 ,  H04L67/1042 ,  H04L67/1061 ,  H04L67/1097 ,  H04L9/40 ,  G06Q40/04

Abstract: 本发明提供一种基于节点信誉和分区共识的区块链构建方法。本发明包括：基于节点声誉值，通过Kademlia和PRNG随机数生成器算法将节点分配到不同的共识分区，保证分区的效率和随机性；设计了分区链和全局链的多链结构，实现了区块链存储性能随节点大小的增加而同步扩展的目标；设计了一种新的跨分区交易算法，该算法以每个区域选出的全球领导者为基础，确定两个分区共同涉及的验证区域，从而实现高效、安全的跨区域交易。解决了现有技术中，随着节点数量的增加，共识算法受到影响，区块链系统处理能力下降，以及分区中恶意节点的比例超过安全阈值时，分区无法达成共识的技术问题。

公开(公告)号：CN117668254A

公开(公告)日：2024-03-08

申请号：CN202311701306.5

申请日：2023-12-12

Applicant: 大连理工大学

Inventor： 原旭 ,  吴徽南 ,  高步云 ,  卜西亚 ,  秦昌媛

IPC: G06F16/36 ,  G06F16/9535 ,  G06N3/0464 ,  G06N20/00 ,  G06N3/0895

Abstract: 本发明提供了一种基于对比学习与视图挖掘的知识图谱推荐方法，属于推荐系统技术领域。该方法首先从不同视角出发综合考虑和构建了四种不同的视图，包括由知识图谱和用户‑项目交互图联合构造的包含全局结构信息的协作知识图谱；基于用户‑项目交互图和知识图谱构建的两个项目‑项目图。除此之外，交并比被应用来构建两个用户‑用户图，并且一个top‑k匹配机制被设计以此来避免引入更多的噪声。然后在局部和全局水平上对四个视图进行对比学习，旨在以自监督的方式挖掘用户和项目之间、用户之间、项目之间的协作信息，以及全局的结构信息，从而缓解稀疏的监督信号问题。

公开(公告)号：CN117633353A

公开(公告)日：2024-03-01

申请号：CN202311652830.8

申请日：2023-12-05

Applicant: 大连理工大学

Inventor： 原旭 ,  陈紫璇 ,  周健 ,  卜西亚 ,  吴徽南 ,  秦昌媛

IPC: G06F16/9535 ,  G06F16/36 ,  G06N5/022 ,  G06N3/042 ,  G06N3/096

Abstract: 一种基于属性迁移的细粒度知识图谱推荐方法，包括嵌入传播层、属性迁移层和预测层。嵌入传播层负责从细粒度的层面建模用户的表示，并通过关系感知聚合机制将远程连接中的关系依赖融合进最终的用户和项目的表示；属性迁移层通过设定的阈值识别所有的冷启动项目，在项目属性迁移空间上基于图卷积网络架构对冷启动项目的邻居进行二次传播，并使用归一化的交并比来区分每个邻居的重要程度；预测层通过用户和项目表示，计算并输出预测的交互概率。本方法与现有的最先进的基线方法相比均有显著的提升，这归纳于本方法能识别并区分不同类别的项目，且本方法能挖掘项目属性空间中冷启动项目间的协作信号，丰富冷启动项目的嵌入表示，进一步提升推荐性能。

公开(公告)号：CN116687425A

公开(公告)日：2023-09-05

申请号：CN202310667953.2

申请日：2023-06-07

Applicant: 大连理工大学

Inventor： 韩卓阳 ,  孙克 ,  于硕 ,  原旭

IPC: A61B5/372 ,  A61B5/369 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明属于图嵌入领域，公开了一种基于图表示学习模型的EEG数据分类方法，包括：步骤100，构建测地距离矩阵和基于功率谱密度特征的谱相干性生成的邻接矩阵；步骤200，根据测地距离矩阵和基于功率谱密度特征的谱相干性生成的邻接矩阵计算自适应邻接矩阵，并且获取EEG数据的功率谱密度作为输入的节点特征；步骤300，将脑功能网络进行多通道注意力卷积，获得最终的模型参数，实现对EGG的分类。本发明采用了全局注意力池化机制对节点特征进行粗化，实现整图的嵌入。根据整图分类任务，使用构建损失函数进行图卷积训练，反向传播损失，更新参数和嵌入。最后使用得到的模型实现EGG更准确的分类任务。

公开(公告)号：CN119272024A

公开(公告)日：2025-01-07

申请号：CN202411305929.5

申请日：2024-09-19

Applicant: 大连理工大学

Inventor： 原旭 ,  齐安格 ,  吴徽南 ,  王嘉强

IPC: G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/088

Abstract: 本发明公开一种跨模态特征对齐与融合方法，属于多模态推荐领域。首先，通过构建项目语义图捕捉同一模态下项目之间的语义关系，并在此基础上对整体特征和模态特定特征进行图卷积操作，增强其在该模态下的表达能力。捕获并利用特征之间的潜在信息，缓解模态间不完全匹配的问题。然后，利用对比学习方法在每个模态下对比增强的整体特征与模态特征，促进跨模态的信息传递与互补。通过联合分析不同模态的项目语义图，实现对模态间复杂关系的有效建模。本发明确保跨模态的语义一致性，从而减少模态融合过程中的冗余和噪音，并提高多模态推荐的准确率。