-
公开(公告)号：CN118052276A
公开(公告)日：2024-05-17
申请号：CN202410067751.9
申请日：2024-01-17
Applicant: 浙江工业大学
Abstract: 一种基于矩阵化的高效并行遗传算法和装置，其方法包括：针对遗传算法的种群初始化操作，将种群进行排列形成矩阵结构；针对遗传算法的交叉操作，生成相应交叉矩阵，与种群矩阵进行计算模拟交叉过程；针对遗传算法的变异操作，生成相应变异矩阵，与种群矩阵进行计算模拟变异过程；针对遗传算法的选择操作，设计适合矩阵化的适应度函数计算适应度值，计算适应度值，再进行选择操作。本发明利用GPU并行计算的优势，加速PSO过程，从而有效获得在复杂网络中进行扰动子结构优化问题的更高效的解决方案。
-
公开(公告)号：CN110955497B
公开(公告)日：2023-03-31
申请号：CN201911063615.8
申请日：2019-11-04
Applicant: 浙江工业大学
IPC: G06F9/46
Abstract: 一种基于任务分割的分布式图计算系统，包括：客户端，用于负责计算任务的分割与上传、图数据的处理与上传、定时检测是否所有子任务执行完毕、完成部分简单计算任务；服务端，用于接收并管理客户端上传的子任务，将任务分发至工作端执行；工作端，用于完成子任务的计算，上传计算结果；数据中心，用于管理客户端处理后的图数据、任务状态表及计算结果；其中服务端使用Gearman任务分发框架，客户端与工作端依据计算任务进行设计，数据中心采用MongoDB数据库。本发明提出了一种基于任务分割的分布式图计算系统，其图数据统一存储于数据中。通过这种方式，可以避免大量的子图间通信引起的消耗，从而提升系统计算效率。
-
Patent Agency Ranking
公开(公告)号：CN111340641A
公开(公告)日：2020-06-26
申请号：CN202010442547.2
申请日：2020-05-22
Applicant: 浙江工业大学
Abstract: 一种异常就医行为检测方法，包括：1）构建就医行为网络；2）获取网络节点特征表示；3）构建就医行为网络邻接矩阵；4）构建边特征矩阵；5）构建伪特征矩阵，获取就医行为特征表示；6）构建K-GRU网络，提取就医行为时序信息；7）将特征压缩，并对压缩后的特征进行聚类；8）将压缩后的就医行为特征进行特征重构，使得重构后的特征趋近于原始就医行为特征；根据特征重构误差以及聚类误差优化模型；9）基于重构损失以及聚类损失，得到总的模型损失函数；10）交替优化聚类损失与重构损失直至模型收敛，判断异常就医行为。本发明有助于预防医保欺诈行为。
-
公开(公告)号：CN111340641B
公开(公告)日：2020-11-13
申请号：CN202010442547.2
申请日：2020-05-22
Applicant: 浙江工业大学
Abstract: 一种异常就医行为检测方法，包括：1）构建就医行为网络；2）获取网络节点特征表示；3）构建就医行为网络邻接矩阵；4）构建边特征矩阵；5）构建伪特征矩阵，获取就医行为特征表示；6）构建K‑GRU网络，提取就医行为时序信息；7）将特征压缩，并对压缩后的特征进行聚类；8）将压缩后的就医行为特征进行特征重构，使得重构后的特征趋近于原始就医行为特征；根据特征重构误差以及聚类误差优化模型；9）基于重构损失以及聚类损失，得到总的模型损失函数；10）交替优化聚类损失与重构损失直至模型收敛，判断异常就医行为。本发明有助于预防医保欺诈行为。
-
公开(公告)号：CN111798324A
公开(公告)日：2020-10-20
申请号：CN202010688096.0
申请日：2020-07-16
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于动态就医行为对齐的医保欺诈发现方法，包括(1)根据基本医疗场景数据构建静态图网络后，利用增加有残差思想的多层图卷积网络对静态图网络的邻接矩阵进行多次图卷积操作，获得静态图网络中每个实体信息的特征表示；(2)根据该动态就医行为包含实体信息的特征表示构建该动态就医行为的特征表示，并对该特征表示映射为固定长度后作为LSTM的输入；(3)利用参数确定的LSTM提取动态就医行为的特征表示在时间上的关联特征，对关联特征编码解码后，利用softmax函数获得检测结果。该医保欺诈发现方法提升了医保欺诈行为检测的准确性。
-
公开(公告)号：CN111798324B
公开(公告)日：2024-04-02
申请号：CN202010688096.0
申请日：2020-07-16
Applicant: 浙江工业大学
IPC: G06Q40/08 , G06Q30/018 , G06N3/0464 , G06N3/042 , G06N3/0442
Abstract: 本发明公开了一种基于动态就医行为对齐的医保欺诈发现方法，包括(1)根据基本医疗场景数据构建静态图网络后，利用增加有残差思想的多层图卷积网络对静态图网络的邻接矩阵进行多次图卷积操作，获得静态图网络中每个实体信息的特征表示；(2)根据该动态就医行为包含实体信息的特征表示构建该动态就医行为的特征表示，并对该特征表示映射为固定长度后作为LSTM的输入；(3)利用参数确定的LSTM提取动态就医行为的特征表示在时间上的关联特征，对关联特征编码解码后，利用softmax函数获得检测结果。该医保欺诈发现方法提升了医保欺诈行为检测的准确性。
-
公开(公告)号：CN110955497A
公开(公告)日：2020-04-03
申请号：CN201911063615.8
申请日：2019-11-04
Applicant: 浙江工业大学
IPC: G06F9/46
Abstract: 一种基于任务分割的分布式图计算系统，包括：客户端，用于负责计算任务的分割与上传、图数据的处理与上传、定时检测是否所有子任务执行完毕、完成部分简单计算任务；服务端，用于接收并管理客户端上传的子任务，将任务分发至工作端执行；工作端，用于完成子任务的计算，上传计算结果；数据中心，用于管理客户端处理后的图数据、任务状态表及计算结果；其中服务端使用Gearman任务分发框架，客户端与工作端依据计算任务进行设计，数据中心采用MongoDB数据库。本发明提出了一种基于任务分割的分布式图计算系统，其图数据统一存储于数据中。通过这种方式，可以避免大量的子图间通信引起的消耗，从而提升系统计算效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
