-
公开(公告)号：CN105046321A
公开(公告)日：2015-11-11
申请号：CN201510360109.0
申请日：2015-06-25
Applicant: 河海大学
Abstract: 本发明公开一种基于相似性搜索的组合模型预测水位的方法，利用相关系数确定与待预测日相关的前几日水位作为待匹配序列，基于相似性搜索从历史数据中搜索出与待匹配序列不相似的一系列水位时间序列，将其从原始时间序列中排除后作为预测模型的训练集。该方法主要包括数据预处理，旨在填补空缺数据以及修复错误数据等；相似性搜索，利用动态弯曲距离和固定的滑动窗口技术，从往年的历史数据中剔除与待匹配序列不相似的一系列时间序列；组合预测模型，有两个基本模型：LM算法改进的BP神经网络和支持向量机，利用贝叶斯定理根据各基本模型在前一时刻的预测表现动态的调整其在当前预测中所占的比重。本发明能够实现防洪抗灾所需的高精度和实时性要求。
-
公开(公告)号：CN105007176A
公开(公告)日：2015-10-28
申请号：CN201510303657.X
申请日：2015-06-04
Applicant: 河海大学
CPC classification number: H04L41/147 , H04L41/145 , H04L41/5038 , H04L67/1057
Abstract: 本发明公开一种从云计算三层服务方面结合分层贝叶斯网络模型的云服务QoS预测方法。通过构建虚拟节点，将底层贝叶斯网络的推理结果作为不确定证据，输入到对应的上层网络节点中，以代替该底层贝叶斯网络。云计算系统首先通过数据收集器收集基础设施层、平台层上的数据，然后分别对数据进行预测，预测的结果为底层贝叶斯网络的推理结果，其作为不确定证据，输入作为应用层的先验概率，接着将基础设施层和平台层收集的数据导入应用层的数据中心，结合应用层收集器收集的数据一起对云服务QoS进行预测，最后将获得的云服务QoS的预测结果和直接获取到的云服务QoS结果作比较。
-
公开(公告)号：CN104915680A
公开(公告)日：2015-09-16
申请号：CN201510303659.9
申请日：2015-06-04
Applicant: 河海大学
CPC classification number: G06K9/6223 , G06K9/6229 , G06N3/08
Abstract: 本发明公开一种基于改进型RBF神经网络的多标签蜕变关系预测方法，首先从函数源码创建控制流图(CFG)，然后从控制流图(CFG)提取一组特性，从CFG中提取两种类型的特性一种是基于结点的特性，一种是基于路径的特性，由特性值和标签构成训练集，采用改进型的RBF神经网络即优化隐含层RBF神经网络基函数中心的求取算法—k均值聚类，用AP聚类自动寻找k值，以获得隐含层结点数目，并构造Huffman树选取初始的聚类中心，然后构造体现多标签之间信息的标签计数向量C，然后与改进k均值聚类后求得的RBF神经网络基函数中心线性叠乘，获取新的基函数中心，建立RBF神经网络模型进行蜕变关系的预测。
-
Patent Agency Ranking
公开(公告)号：CN105046045B
公开(公告)日：2018-06-19
申请号：CN201510305456.3
申请日：2015-06-05
Applicant: 河海大学
Abstract: 本发明公开一种基于贝叶斯组合的Web服务QoS预测方法，提出贝叶斯组合预测模型对服务质量进行预测，该方法首先对时间序列特征进行识别，根据识别结果选取合适的基本预测模型，对已选取的模型进行训练，然后使用预测‑权值调整‑预测的循环结构进行预测。在预测的过程中，通过不断调整基本预测模型权重的方式使得结果逼近预测效果最好的模型，保持相对优良的预测精度。为了验证预测效果，对响应时间，吞吐量，可靠性等QoS属性进行预测，并且采用精度分析和有效性评估两种方式对实验结果进行比较，实验表明，不同特征的时间序列样本下，贝叶斯组合预测模型能保持较高的预测精度，趋近于最优的预测模型，提供较为稳定良好的预测表现。
-
公开(公告)号：CN105007176B
公开(公告)日：2019-01-11
申请号：CN201510303657.X
申请日：2015-06-04
Applicant: 河海大学
Abstract: 本发明公开一种从云计算三层服务方面结合分层贝叶斯网络模型的云服务QoS预测方法。通过构建虚拟节点，将底层贝叶斯网络的推理结果作为不确定证据，输入到对应的上层网络节点中，以代替该底层贝叶斯网络。云计算系统首先通过数据收集器收集基础设施层、平台层上的数据，然后分别对数据进行预测，预测的结果为底层贝叶斯网络的推理结果，其作为不确定证据，输入作为应用层的先验概率，接着将基础设施层和平台层收集的数据导入应用层的数据中心，结合应用层收集器收集的数据一起对云服务QoS进行预测，最后将获得的云服务QoS的预测结果和直接获取到的云服务QoS结果作比较。
-
公开(公告)号：CN105046321B
公开(公告)日：2018-01-19
申请号：CN201510360109.0
申请日：2015-06-25
Applicant: 河海大学
Abstract: 本发明公开一种基于相似性搜索的组合模型预测水位的方法，利用相关系数确定与待预测日相关的前几日水位作为待匹配序列，基于相似性搜索从历史数据中搜索出与待匹配序列不相似的一系列水位时间序列，将其从原始时间序列中排除后作为预测模型的训练集。该方法主要包括数据预处理，旨在填补空缺数据以及修复错误数据等；相似性搜索，利用动态弯曲距离和固定的滑动窗口技术，从往年的历史数据中剔除与待匹配序列不相似的一系列时间序列；组合预测模型，有两个基本模型：LM算法改进的BP神经网络和支持向量机，利用贝叶斯定理根据各基本模型在前一时刻的预测表现动态的调整其在当前预测中所占的比重。本发明能够实现防洪抗灾所需的高精度和实时性要求。
-
公开(公告)号：CN105046045A
公开(公告)日：2015-11-11
申请号：CN201510305456.3
申请日：2015-06-05
Applicant: 河海大学
IPC: G06F19/00
Abstract: 本发明公开一种基于贝叶斯组合的Web服务QoS预测方法，提出贝叶斯组合预测模型对服务质量进行预测，该方法首先对时间序列特征进行识别，根据识别结果选取合适的基本预测模型，对已选取的模型进行训练，然后使用预测-权值调整-预测的循环结构进行预测。在预测的过程中，通过不断调整基本预测模型权重的方式使得结果逼近预测效果最好的模型，保持相对优良的预测精度。为了验证预测效果，对响应时间，吞吐量，可靠性等QoS属性进行预测，并且采用精度分析和有效性评估两种方式对实验结果进行比较，实验表明，不同特征的时间序列样本下，贝叶斯组合预测模型能保持较高的预测精度，趋近于最优的预测模型，提供较为稳定良好的预测表现。
-
公开(公告)号：CN104915680B
公开(公告)日：2018-06-19
申请号：CN201510303659.9
申请日：2015-06-04
Applicant: 河海大学
Abstract: 本发明公开一种基于改进型RBF神经网络的多标签蜕变关系预测方法，首先从函数源码创建控制流图(CFG)，然后从控制流图(CFG)提取一组特性，从CFG中提取两种类型的特性一种是基于结点的特性，一种是基于路径的特性，由特性值和标签构成训练集，采用改进型的RBF神经网络即优化隐含层RBF神经网络基函数中心的求取算法—k均值聚类，用AP聚类自动寻找k值，以获得隐含层结点数目，并构造Huffman树选取初始的聚类中心，然后构造体现多标签之间信息的标签计数向量C，然后与改进k均值聚类后求得的RBF神经网络基函数中心线性叠乘，获取新的基函数中心，建立RBF神经网络模型进行蜕变关系的预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
