公开(公告)号：CN116720914A

公开(公告)日：2023-09-08

申请号：CN202310692449.8

申请日：2023-06-13

Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司 ,  杭州电子科技大学

Inventor： 刘佳宁 ,  赵治栋 ,  焦鹏飞

IPC: G06Q30/0601 ,  G06T9/00 ,  G06N5/04 ,  G06F16/9535

Abstract: 本发明公开了一种基于超图变分编码器的多行为推荐方法，包括如下步骤：将所述原始多行为数据集整合到一个统一的图中；分别通过节点编码器和超边编码器得到节点潜在特征和超边潜在特征；节点潜在特征和超边潜在特征进行增强；使用随机变分推理从增强后的潜在空间获得节点、超边的潜在表示，并通过最小化变分后验分布和先验分布的KL散度对节点、超边的潜在表示正则化；对节点、超边的潜在表示进行细化；嵌入表示联合解码，重构用户商品交互概率分布，并计算重构误差；优化多行为推荐模型；为用户生成推荐商品列表。该方法解决所述现有技术无法从多行为历史数据中发掘用户的潜在兴趣，不能为用户推荐全新的商品导致推荐商品类型单一的技术问题。

公开(公告)号：CN116306783A

公开(公告)日：2023-06-23

申请号：CN202310137545.6

申请日：2023-02-20

Applicant: 杭州电子科技大学 ,  杭州电子科技大学平湖数字技术创新研究院有限公司

Inventor： 童朝义 ,  赵治栋 ,  张显飞 ,  焦鹏飞 ,  逯鑫淼

IPC: G06N3/0442 ,  A61B5/024

Abstract: 本发明公开基于LSTM‑DCGAN模型的FHR数据增强方法。在对FHR信号进行扩增中，使用LSTM算法对FHR信号中的时序特征进行提取，并传输到DCGAN模型的生成器网络中。通过使用LSTM算法，还解决了训练过程中出现的梯度消失问题。同时对鉴别器输出进行修改，分别输出对抗类别概率和实际数据的类别概率，这样可以根据生成器的输入部分生成不同标签的数据。本发明方法相比于现有技术具有最高的真实度，同时使用模型大小和测试时间对模型的效率进行分析，本发明模型具备更高的效率。因此本发明模型可以极大地扩充现有的病理性FHR信号数据。

公开(公告)号：CN118114090A

公开(公告)日：2024-05-31

申请号：CN202410068867.4

申请日：2024-01-17

Applicant: 杭州电子科技大学 ,  杭州电子科技大学平湖数字技术创新研究院有限公司

Inventor： 钟丽萍 ,  赵治栋 ,  张烨菲 ,  邓艳军 ,  焦鹏飞 ,  赵丽艳

IPC: G06F18/24 ,  G06F18/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种基于三元组网络的PPG身份验证方法，将残差神经网络(ResNet‑18)与三元组网络(Triplet Network)相结合，以自适应地提取特征并进行身份识别。使用了Real‑World PPG数据集并使用5个单周期信号的重叠后的平均单周期信号，使其在保持信息的同时降低噪声，再随机选取包含锚样本、正样本和负样本的样本组作为样本数据，通过模型训练最小化同类样本间距离，扩大非同类样本间距离，最终通过测试样本与支撑集内两类样本间的平均欧氏距离判断测试样本的类别。本发明通过五次平均后的单周期信号，可以更准确地进行身份验证，具有高达96.6％的测试准确率。

公开(公告)号：CN118797351A

公开(公告)日：2024-10-18

申请号：CN202411029057.4

申请日：2024-07-30

Applicant: 杭州电子科技大学

Inventor： 鲍青 ,  江颖 ,  焦鹏飞 ,  赵治栋

IPC: G06F18/214 ,  G06F18/24 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明公开了一种结合邻域结构的两阶段溯源方法及系统，该方法首先利用信息传播模型进行仿真实验，生成带有标签的传播数据集，并划分为训练集和测试集。其次基于训练集，利用归一化的邻接矩阵构建节点特征，并基于子图GCN学习得到节点特征的节点表征。然后基于节点表征，设计两阶段源定位策略：第一阶段检测当前被感染或以前处于感染状态的节点，第二阶段则在检测到的节点中推断源。最后基于两阶段源定位策略中的损失函数，设计总损失函数，进行训练优化，并通过测试集进行验证测试。本发明解决在溯源问题忽视邻域内的互动的问题，为社交网络中的传播溯源提供了高效且准确的方法。

公开(公告)号：CN117724452A

公开(公告)日：2024-03-19

申请号：CN202311736991.5

申请日：2023-12-18

Applicant: 杭州电子科技大学

Inventor： 刘泽皓 ,  高梦州 ,  张新勋 ,  朱宋颖 ,  焦鹏飞

IPC: G05B23/02

Abstract: 本发明公开了一种基于图神经网络的工业过程异常检测方法，该方法首先通过工业系统中的传感器和执行器分别获取连续数据和离散数据，并进行预处理，将数据集划分为训练集和测试集。其次基于训练集，通过编码器学习工业系统状态节点，构建状态图结构，得到工业系统的关系矩阵。然后利用多层图卷积网络进行工业系统状态节点更新。最后基于更新后的工业系统状态节点，由解码器获取预测值，根据解码器获取预测值，计算异常分数，判断工业系统的状态。本发明避免了数据形式引起的干扰，解决了运算资源开销大复杂度高和关联性差的问题，实现了对工业系统异常状态的准确检测。

公开(公告)号：CN115828168A

公开(公告)日：2023-03-21

申请号：CN202211586463.1

申请日：2022-12-09

Applicant: 杭州电子科技大学

Inventor： 赵治栋 ,  许亚楠 ,  焦鹏飞 ,  王金鹏

IPC: G06F18/2415 ,  A61B7/02 ,  G06F18/10 ,  G06F18/24

Abstract: 本发明公开一种基于隐马尔可夫心动周期的心音分割方法及其装置。对心音信号希尔伯特提取信号包络；基于不同导联的最值预设基准线，获取希尔伯特包络提取后心音的第一心音S1峰值和第二心音S2峰值所在位置；基于心动周期的峰值定位；基于改进的隐马尔可夫心动周期的舒张期提取；利用改进后维特比算法定位心音信号S1、S2的最佳时间跨度；利用时间跨度和S1、S2的峰值定位位置，实现对原始心音信号的分割。本发明采用改进隐马尔科夫模型、改进维特比向前算法计算出心音区间S1和S2的持续时间结合心动周期进行心音S1和S2的峰值定位，准确标定心音区间准确位置，提高了心音分割的性能。

公开(公告)号：CN118864134A

公开(公告)日：2024-10-29

申请号：CN202410753914.9

申请日：2024-06-12

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  陈竑江 ,  赵治栋

IPC: G06Q50/00 ,  G06N3/042 ,  G06F16/901 ,  G06F18/22

Abstract: 本发明公开基于全局演化感知的社交关系分析方法，是面向时间图表示学习方法，时间链接预测涉及推断两个节点之间未来是否会有交互。本发明引入了一种称为全局进化感知表示学习(GEARL)的创新方法，用于连续时间动态图的链接预测，获得全面的全局进化见解。这是通过通过节点的统计特征和局部拓扑捕获节点之间的演化来实现的，从而能够表达有关交互的全局语义。此外，还合并了有关时间依赖性和局部拓扑的信息，涉及区分时间戳和量化节点交互频率，显著提高社交关系分析精准度和效率。

公开(公告)号：CN118733835A

公开(公告)日：2024-10-01

申请号：CN202410978748.2

申请日：2024-07-22

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  杜明 ,  张旺 ,  唐会军 ,  陈竑江

IPC: G06F16/901 ,  G06F16/906 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于图Transformer的角色发现方法，该方法首先获取数据源，通过递归特征提取和子图度向量提取数据源中所有节点的局部特征和高阶特征，通过锚点相对距离提取所有节点的全局特征。其次基于局部、高阶和全局特征，每个节点生成三种对应不同特征的节点令牌序列。然后构建三个独立的图Transformer通道，根据三种节点令牌序列得到三种对应的节点表示，将三种节点表示拼接，并分类获得每个节点的角色。最后构建三个多层感知机作为解码器，对三种节点表示进行解码，提取局部、高阶和全局特征，并由损失函数进行训练。本发明减少与目标节点无关的信息，实现准确的角色发现。

公开(公告)号：CN118133945A

公开(公告)日：2024-06-04

申请号：CN202410341649.3

申请日：2024-03-25

Applicant: 杭州电子科技大学

Inventor： 周子安 ,  焦鹏飞

IPC: G06N5/02 ,  G06N3/042 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明公开了一种基于知识蒸馏的联邦学习场景链接预测方法，该方法首先获取真实的图数据集并进行预处理。其次利用客户端内的图神经网络和数据，进行预训练并进行模型的蒸馏，将GNN模型蒸馏到MLP中。然后模型的联邦学习训练，各个客户端上传本地训练模型参数到服务器，随后由服务器进行聚合后分发回客户端，直至全局模型收敛。最后进行客户端间及客户端内链接的预测。本发明解决各客户端模型异质性、独立客户端中训练数据不足、跨客户端进行链接预测的问题。

公开(公告)号：CN116610995A

公开(公告)日：2023-08-18

申请号：CN202310552165.9

申请日：2023-05-17

Applicant: 杭州电子科技大学

Inventor： 宋卫健 ,  焦鹏飞 ,  张纪林 ,  唐会军 ,  鲍青

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明公开了一种基于图机器学习的级联流行度预测方法，包括如下步骤：S1、导入原始数据集，划分为训练集和测试集，并定义级联数据；S2、通过基于自增强的数据强化算法生成新的级联数据；S3、通过图表示学习算法对级联传播网络中的用户进行网络嵌入，得到每个用户的网络嵌入，即为每一个用户节点生成一个低维的嵌入向量；S4、设计计算级联流行度的损失函数，从而构建级联流行度预测模型，通过所述训练集对基于对比学习的级联流行度预测模型进行训练，S5、将所述测试集输入经训练的级联流行度预测模型中，通过经训练后的级联流行度预测模型得到级联的流行度预测结果。该方法是一种端到端的新框架，可以同时对信息级联的内部与外部属性进行建模。