-
公开(公告)号：CN118394971A
公开(公告)日：2024-07-26
申请号：CN202310354433.6
申请日：2023-04-06
申请人： 平顶山学院
IPC分类号： G06F16/901 , G06F16/9032
摘要： 本发明公开了一种网络关键节点检测方法，涉及节点检测技术领域，包括以下步骤：利用节点的度和K壳分解值计算网络中每个节点的初始信息；根据节点之间的相似性、节点的聚类系数和K壳分解值来计算邻居节点对每个节点的传播信息；将多个邻居节点的传播信息进行聚合，计算每个节点的一次聚合信息；通过马太效应聚合将多个邻居节点的一次聚合信息进行二次聚合，计算每个节点的二次聚合信息；将每个节点的初始信息和二次聚合信息进行叠加，得到每个节点的最终信息；将多个最终信息进行降序排列，根据实际需求选择前N个最终信息对应的N个节点为关键节点。本发明的方法不但考虑了自身的信息，还聚合了多层邻居传播的信息，识别准确性较高。
-
公开(公告)号：CN116502381A
公开(公告)日：2023-07-28
申请号：CN202310703654.X
申请日：2023-06-14
申请人： 平顶山学院
IPC分类号： G06F30/18 , H02J3/00 , G06F30/27 , G06Q10/0639 , G06Q50/06 , G06N3/047 , G06F113/04
摘要： 本发明公开了一种电网关键节点识别方法，涉及电力大数据处理技术领域，该方法包括：将网络的结构矩阵作和属性矩阵作为输入，通过多层图神经网络，聚合节点自身和邻居的结构特征，同时根据节点的业务属性共同来表征网络节点，通过增加虚拟节点，来对整个子图进行表示从而获得动作和状态的表征，通过一个全连接层和softmax输出每个动作对应的Q值，执行最佳动作并获得相应的奖励和下一状态，通过不迭代，优化损失函数，最终得到最优的模型参数；本发明通过采用图神经网络对电网结构进行感知，对节点进行表征，进而对动作和状态进行向量表示，并通过深度学习方法进行决策，选择最优动作，得到最优模型，从而提高电网关键节点识别的准确性。
-
公开(公告)号：CN114943430B
公开(公告)日：2023-04-28
申请号：CN202210518642.5
申请日：2022-05-13
申请人： 平顶山学院
IPC分类号： G06Q10/0635 , G06Q50/06 , G06F18/241 , G06N3/04
摘要： 本发明提供一种基于深度强化学习的智能电网关键节点识别方法，包括：根据电网数据建立电网、通信网的拓扑结构，结合电力网络的业务属性和物理特性构建真实电力网络，并构建生成网络模型；根据真实电力网络与生成网络的网络特征，构建基于深度学习的全阶子图特征分类模型；根据全阶子图特征分类模型，通过深度的全连接学习输出各动作对应的奖励值；利用获得的动作和对应的奖励值，构建电力网络深度强化学习模型；输入待识别的电力网络至训练好的电力网络深度强化学习模型，输出各节点指标值，根据指标值确定关键节点。本发明构建一种基于深度强化学习的电力网络关键节点识别模型，通过该模型可以准确识别不同类型电力网络的关键节点。
-
公开(公告)号：CN111681388A
公开(公告)日：2020-09-18
申请号：CN202010320412.9
申请日：2020-04-22
申请人： 平顶山学院
摘要： 本发明提供了一种居家老人的智能管理系统，属于网络技术领域。它解决了现有现有技术存在着稳定性差的问题。本居家老人的智能管理系统包括信息收集端和信息处理端，上述信息收集端用于佩戴在居家老人身体上，所述信息收集端上具有定位模块、体征检测模块和信息发送模块，上述定位模块能检测居家老人的所处的物理位置，上述体征检测模块能检测居家老人的身体特征数据，上述信息发送模块能将定位模块和体征检测模块检测到的数据发送至信息处理端，所述信息处理端处存储有正常的身体特征数据，信息处理端能将收集的体征数据与存储数据比较，如果上述比较结果超过设定值时信息处理端能进行预警处理作业。本居家老人的智能管理系统稳定性高。
-
公开(公告)号：CN114943430A
公开(公告)日：2022-08-26
申请号：CN202210518642.5
申请日：2022-05-13
申请人： 平顶山学院
摘要： 本发明提供一种基于深度强化学习的智能电网关键节点识别方法，包括：根据电网数据建立电网、通信网的拓扑结构，结合电力网络的业务属性和物理特性构建真实电力网络，并构建生成网络模型；根据真实电力网络与生成网络的网络特征，构建基于深度学习的全阶子图特征分类模型；根据全阶子图特征分类模型，通过深度的全连接学习输出各动作对应的奖励值；利用获得的动作和对应的奖励值，构建电力网络深度强化学习模型；输入待识别的电力网络至训练好的电力网络深度强化学习模型，输出各节点指标值，根据指标值确定关键节点。本发明构建一种基于深度强化学习的电力网络关键节点识别模型，通过该模型可以准确识别不同类型电力网络的关键节点。
-
公开(公告)号：CN114743688A
公开(公告)日：2022-07-12
申请号：CN202210339059.8
申请日：2022-04-01
申请人： 平顶山学院
摘要： 本发明提供了一种基于动态社团的疾病传播网络检测方法，属于网络检测领域。在本发明中，将疾病传播数据按时间序列构建动态网络，开始时，每个网络节点都有自己的资源，并被视为一个单独的组。其次，相互吸引导致一些节点基于共同利益形成核心组。然后，由于马太效应，越来越多的节点被吸引加入核心组。最后，每个节点被吸引到不同的群体中，形成最终的社区。本发明采用批处理方法在每个网络快照中增量显示社区，具有高质量的社区检测、无参数操作和良好的可扩展性。在合成和真实动态网络上的大量实验表明，本发明优于几种最先进的动态网络检测方法，能够快速高效的检测和分析疾病的传播情况。
-
公开(公告)号：CN112015954A
公开(公告)日：2020-12-01
申请号：CN202010884765.1
申请日：2020-08-28
申请人： 平顶山学院
IPC分类号： G06F16/901 , G06Q50/00
摘要： 本发明公开了基于马太效应的社团检测方法，涉及信息科学技术领域，所述方法包括：输入由节点和边构成的网络G；对所述网络G进行初始化，将每个节点划分为一个独立的社团；计算所述网络G的核心分组；采用迭代方法在马太效应模型中模拟马太效应过程；判断网络结构是否达到最优划分；若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。
-
公开(公告)号：CN112015954B
公开(公告)日：2021-08-27
申请号：CN202010884765.1
申请日：2020-08-28
申请人： 平顶山学院
IPC分类号： G06F16/901 , G06Q50/00
摘要： 本发明公开了基于马太效应的社团检测方法，涉及信息科学技术领域，所述方法包括：输入由节点和边构成的网络G；对所述网络G进行初始化，将每个节点划分为一个独立的社团；计算所述网络G的核心分组；采用迭代方法在马太效应模型中模拟马太效应过程；判断网络结构是否达到最优划分；若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。
-
公开(公告)号：CN111505954A
公开(公告)日：2020-08-07
申请号：CN202010320301.8
申请日：2020-04-22
申请人： 平顶山学院
IPC分类号： G05B15/02 , G05B19/418
摘要： 本发明提供了一种智能家居系统，属于网络技术领域。它解决了现有技术存在着适用性差的问题。本智能家居系统包括数据录入模块、中心处理模块和数据检测模块，若干智能家居均与中心处理模块相连接，上述数据录入模块将若干人员各自使用智能家居的数据信息传输至中心处理模块处，中心处理模块将若干人员对应的数据信息记录其内，上述数据检测模块能识别对应的人员信息，数据检测模块识别对应的人员信息后，中心处理模块调用对应的数据信息并控制若干智能家居按照所记录数据信息进行作业。本智能家居系统适用性高。
-
公开(公告)号：CN113011267A
公开(公告)日：2021-06-22
申请号：CN202110200874.1
申请日：2021-02-23
申请人： 平顶山学院
摘要： 本发明公开了一种物联网安全控制系统以及控制方法，分别获取各个控制终端上的指纹信息和操作终端上的指纹信息；在网络处理器接收到操作终端的连接请求的时候，将操作终端上的指纹信息和其所请求连接的控制终端上的指纹信息进行对比，当操作终端上的指纹信息一致的时候，建立操作终端和其所请求连接的控制终端的连接关系，反之拒绝连接；在建立连接之后，网络处理器实时的监控操作终端和其所请求连接的控制终端之间的数据传递。本发明通过获取操作终端上的已有指纹信息和控制终端上的已有指纹信息，并将两者进行对比，对比一致的情况下，对操作终端和控制终端进行连接，使得可以进行数据的传输，从而提升了数据和信息的安全性。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.021 秒)
