-
公开(公告)号：CN109859063A
公开(公告)日：2019-06-07
申请号：CN201910049502.6
申请日：2019-01-18
Applicant: 河北工业大学
IPC: G06Q50/00
Abstract: 本发明实施例公开了一种社区发现方法、装置、存储介质及终端设备。所述社区发现方法包括：基于预设规则确定待分析网络中预设数量的目标网络节点，并基于所述目标网络节点构建约束点集合；根据所述约束点集合构建约束矩阵；根据所述约束矩阵对所述待分析网络进行社区结构划分。通过本发明实施例提供的技术方案，能够充分利用待分析网络中的约束信息，但又不会过分依赖先验知识，准确、高效地对待分析网络进行社区结构的划分，有利于进一步指导待分析网络的社区结构的挖掘。
-
公开(公告)号：CN109766557B
公开(公告)日：2023-07-18
申请号：CN201910049494.5
申请日：2019-01-18
Applicant: 河北工业大学
IPC: G06F40/30 , G06F40/289 , G06Q30/0201 , G06Q30/0203
Abstract: 本发明实施例公开了一种情感分析、装置、存储介质及终端设备。情感分析方法包括：获取待进行情感分析的目标数据；对目标数据进行分词处理，获取与目标数据对应的初始词向量集合；根据初始词向量集合确定目标数据中待分析目标对应的目标向量；将初始词向量集合及目标向量输入至预先训练的情感分析模型中，根据情感分析模型的输出结果，确定待分析目标的情感极性；其中，情感分析模型基于多层卷积神经网络训练生成。通过采用上述技术方案，能够基于多层卷积神经网络训练而成的情感分析模型，平行地接收和处理待进行情感分析的目标数据，并充分挖掘目标数据中关于特定目标的情感信息，可以准确、高效地分析出相关数据中特定目标的情感极性。
-
公开(公告)号：CN109992921B
公开(公告)日：2020-09-15
申请号：CN201910292046.8
申请日：2019-04-12
Applicant: 河北工业大学
Abstract: 一种燃煤电厂锅炉热效率在线软测量方法，包括：S1、根据预先确定的影响锅炉热效率的特征参量，获取特征参量实时数据；S2、依据影响锅炉热效率的重要特征参量选取规则和特征参量实时数据，获得影响锅炉热效率的重要特征参量实时数据；重要特征参量选取规则是根据基于garson神经网络敏感度和皮尔逊相关系数确定的锅炉热效率重要影响因素来选取的；S3、将重要特征参量实时数据输入锅炉热效率预测模型，输出锅炉热效率实时预测结果；锅炉热效率预测模型是基于EM‑MLR最大化聚类‑多元回归算法优化的RBF神经网络训练后得到的。还提供一种燃煤电厂锅炉热效率在线软测量系统。可以实时、准确的对燃煤锅炉的热效率进行监测。
-
公开(公告)号：CN110007661B
公开(公告)日：2020-09-04
申请号：CN201910285897.X
申请日：2019-04-10
Applicant: 河北工业大学
IPC: G05B23/02
Abstract: 本发明属于锅炉燃烧控制技术领域，尤其涉及一种锅炉燃烧控制系统智能故障诊断方法。该方法让预先训练的多个检测模型与锅炉燃烧控制系统并行工作，分别比较各个预先训练的检测模型与锅炉燃烧控制系统的输出，得到多个残差曲线；对每一残差曲线进行分析，如果残差曲线中某一时间点或时间段的差值超过预定阈值，对该残差曲线所属的锅炉燃烧控制系统的部位发出故障预警信息；预先训练的多个检测模型为使用SVR学习方法基于锅炉燃烧控制系统的预设历史时间段内的可测量数据构建的多个模型，并采用GWO算法对构建的每一模型进行优化训练后的模型。该方法可使锅炉燃烧控制系统的故障诊断效率更高，技术人员能及时发现故障，提高锅炉运行安全性。
-
公开(公告)号：CN110007660B
公开(公告)日：2020-06-16
申请号：CN201910285890.8
申请日：2019-04-10
Applicant: 河北工业大学
IPC: G05B23/02
Abstract: 本发明属于火电厂汽轮机组测量技术领域，尤其涉及一种火电厂汽轮机组瞬态等效热应力在线软测量方法。该软测量方法主要包括：通过OPC协议与电厂DCS系统实时数据库相连接；获取汽轮机组在线运行状态下的每个预先确定的特征变量所对应的测点的实时数据作为SVR软测量模型的输入值；输入值代入到预先训练的汽轮机组瞬态等效热应力软测量模型中，输出汽轮机组的瞬态等效热应力软测量结果，并对结果进行分析报警。该方法在离线训练SVR模型的过程中，通过引入K‑means算法和BP神经网络对离线数据进行处理，并通过BAS算法对SVR模型参数进行寻优，提高了测量结果的准确度，而且可以做到在线实时测量，为火电厂汽轮机组故障的发现与解决提供了技术支持。
-
Patent Agency Ranking
公开(公告)号：CN111159523A
公开(公告)日：2020-05-15
申请号：CN201911342546.4
申请日：2019-12-23
Applicant: 河北工业大学
IPC: G06F16/953 , G06N3/00
Abstract: 本发明为一种基于Spark的并行蚁群优化社区发现方法，主要包含三个并行模块：确定蚂蚁转移顺序、构造最优解和解的优化。确定蚂蚁转移顺序模块负责计算网络节点的凝聚性度量值，并将其升序排列，获取对应的节点顺序列表，作为蚁群的转移顺序，降低蚂蚁转移过程中的随机性，从而提高算法的精确度；构造最优解模块负责使每只蚂蚁均完成解向量的构造，构成解空间，并获取最优解空间中模块度最高的解；解的优化模块负责对蚁群产生的最优解进行优化，以获得更好的社区划分结果。该方法提高了在大规模网络中进行社区发现的可行性和有效性。
-
公开(公告)号：CN109766557A
公开(公告)日：2019-05-17
申请号：CN201910049494.5
申请日：2019-01-18
Applicant: 河北工业大学
Abstract: 本发明实施例公开了一种情感分析、装置、存储介质及终端设备。情感分析方法包括：获取待进行情感分析的目标数据；对目标数据进行分词处理，获取与目标数据对应的初始词向量集合；根据初始词向量集合确定目标数据中待分析目标对应的目标向量；将初始词向量集合及目标向量输入至预先训练的情感分析模型中，根据情感分析模型的输出结果，确定待分析目标的情感极性；其中，情感分析模型基于多层卷积神经网络训练生成。通过采用上述技术方案，能够基于多层卷积神经网络训练而成的情感分析模型，平行地接收和处理待进行情感分析的目标数据，并充分挖掘目标数据中关于特定目标的情感信息，可以准确、高效地分析出相关数据中特定目标的情感极性。
-
公开(公告)号：CN109859063B
公开(公告)日：2023-05-05
申请号：CN201910049502.6
申请日：2019-01-18
Applicant: 河北工业大学
IPC: G06Q50/00
Abstract: 本发明实施例公开了一种社区发现方法、装置、存储介质及终端设备。所述社区发现方法包括：基于预设规则确定待分析网络中预设数量的目标网络节点，并基于所述目标网络节点构建约束点集合；根据所述约束点集合构建约束矩阵；根据所述约束矩阵对所述待分析网络进行社区结构划分。通过本发明实施例提供的技术方案，能够充分利用待分析网络中的约束信息，但又不会过分依赖先验知识，准确、高效地对待分析网络进行社区结构的划分，有利于进一步指导待分析网络的社区结构的挖掘。
-
公开(公告)号：CN110149556B
公开(公告)日：2021-05-04
申请号：CN201910416747.8
申请日：2019-05-20
Applicant: 河北工业大学
IPC: H04N21/442 , H04N21/466 , H04N21/45
Abstract: 本发明公开了一种基于TDC‑LDA模型的IPTV用户行为模式挖掘方法，该方法首先用概率生成模型的思想来假设用户具体行为模式中的观看的节目、观看的时间点和观看时长的生成过程，建立TDC‑LDA模型；其次，用Gibbs采样的方式进行模型拟合，推导隐变量条件概率的采样公式以及用户‑行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵的计算公式；然后，根据TDC‑LDA模型的Gibbs采样过程，得到每一个用户的行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵；最后，通过用户的收视行为模式分布，给用户做出推荐。本发明提出了一种新的TDC‑LDA用户收视行为模式挖掘模型，在现有的cLDA模型的基础上加入了观看时长信息。
-
公开(公告)号：CN110410282B
公开(公告)日：2020-06-16
申请号：CN201910671934.0
申请日：2019-07-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于SOM‑MQE和SFCM的风电机组健康状态在线监测及故障诊断方法，首先根据局部异常因子算法、偏最小二乘法和拉普拉斯特征映射降维技术对获取的实时数据进行处理，提取影响机组健康状况的重要特征参量；其次将这些特征参量输入到SOM‑MQE健康状态评估模型中，计算风电机组健康衰退指数并评估机组的健康状态；最后，利用模糊C均值软聚类算法将状态异常机组运行数据进行聚类分析，确定机组故障类型。本发明可以实时、准确的对风电机组的健康状态进行监测并实现对故障部件的准确定位，检测风电机组状态异常准确度达99.9％左右，为维修人员针对风机的实时运行情况进行相应的检修提供了指导意见。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
