-
Patent Agency Ranking
公开(公告)号：CN109887290B
公开(公告)日：2021-03-23
申请号：CN201910254186.6
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 一种基于平衡指数平滑和栈式自编码器的交通流预测方法，其步骤为：(1)生成训练序列和测试序列；(2)对训练序列和测试序列进行预处理；(3)利用平衡指数平滑法获取平衡指数值序列；(4)利用最小最大归一化公式，计算完整训练交通流序列的平衡指数值序列中每个值的归一化值，获取完整训练和测试交通流序列的归一化值序列；(5)构建栈式自编码器神经网络；(6)训练栈式自编码器神经网络；(7)对完整测试交通流数据序列的归一化值序列进行测试。本发明的方法，在考虑了交通流数据的高随机性基础上也考虑了交通流数据的复杂非线性特性，提高了交通流的预测精度。
-
公开(公告)号：CN109995663B
公开(公告)日：2020-04-07
申请号：CN201910224582.4
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: H04L12/751 , H04L12/721 , H04L12/24
Abstract: 一种基于长度约束和无重复路径的网络信息传播方法，主要解决社交网络中用户的信任传播问题。本发明的步骤为：1、建立信任网络图模型；2、确定中间网络节点；3、选取最优路径；4、计算网络节点信息值；5、传播网络消息；6、丢弃不可信的网络信息。本发明通过建立信任网络图模型，选取最优路径，有效的维护了信任网络的结构属性，提高了信任网络的可用性。本发明使用最优路径起始节点到终端节点的所有路径长度为的无重复路径总数，计算起始节点到终端节点的网络信息接受度，在保证信任网络的完整度的同时，有效的提高了节点间网络信息的准确性。
-
公开(公告)号：CN109995663A
公开(公告)日：2019-07-09
申请号：CN201910224582.4
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: H04L12/751 , H04L12/721 , H04L12/24
Abstract: 一种基于长度约束和无重复路径的网络信息传播方法，主要解决社交网络中用户的信任传播问题。本发明的步骤为：1、建立信任网络图模型；2、确定中间网络节点；3、选取最优路径；4、计算网络节点信息值；5、传播网络消息；6、丢弃不可信的网络信息。本发明通过建立信任网络图模型，选取最优路径，有效的维护了信任网络的结构属性，提高了信任网络的可用性。本发明使用最优路径起始节点到终端节点的所有路径长度为的无重复路径总数，计算起始节点到终端节点的网络信息接受度，在保证信任网络的完整度的同时，有效的提高了节点间网络信息的准确性。
-
公开(公告)号：CN109978707A
公开(公告)日：2019-07-05
申请号：CN201910224583.9
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: G06Q50/00
Abstract: 本发明公开了一种基于节点活跃度的社交网络信息传播方法，主要解决现有技术中存在的以下问题：(1)只根据节点的影响力作为种子节点的选择标准；(2)节点影响力之间存在严重重叠。本发明的实现步骤为：(1)建立RIC模型；(2)确定每个节点的活跃度；(3)建立种子集合；(4)确定当前种子集合的激活节点集合；(5)更新种子集合；(6)重复步骤(4)和步骤(5)，直到种子集合大小等于种子预算值；(7)通过种子节点进行信息传播。本发明综合考虑种子节点的两个选择标准，逐步进行种子集合的选择，使单个种子节点具有较大的影响力增量，使整个种子集合获得更大的信息影响范围。
-
公开(公告)号：CN109887290A
公开(公告)日：2019-06-14
申请号：CN201910254186.6
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 一种基于平衡指数平滑和栈式自编码器的交通流预测方法，其步骤为：(1)生成训练序列和测试序列；(2)对训练序列和测试序列进行预处理；(3)利用平衡指数平滑法获取平衡指数值序列；(4)利用最小最大归一化公式，计算完整训练交通流序列的平衡指数值序列中每个值的归一化值，获取完整训练和测试交通流序列的归一化值序列；(5)构建栈式自编码器神经网络；(6)训练栈式自编码器神经网络；(7)对完整测试交通流数据序列的归一化值序列进行测试。本发明的方法，在考虑了交通流数据的高随机性基础上也考虑了交通流数据的复杂非线性特性，提高了交通流的预测精度。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
