“王甬琪”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]经纬坐标归属区域匹配方法及装置、存储介质、电子设备-CN202211705378.2在审
发明人： 王甬琪 -专利权人：大箴（杭州）科技有限公司
申请日： 2022-12-29 - 公布日： 2023-05-09 - 主分类号： G06F16/29 文献下载
摘要：本申请公开了一种经纬坐标归属区域匹配方法及装置、存储介质和电子设备。方法包括：获取待匹配经纬坐标，将待匹配经纬坐标转换成为第一平面坐标；获取待选区域集合，在待选区域集合中确定一个待选区域作为备选区域，并对备选区域的边界进行采样，得到边界经纬坐标；将边界经纬坐标转换成为第二平面坐标，并根据第二平面坐标确定备选区域对应的平面区域；判断第一平面坐标是否在平面区域内部；若是，则确定备选区域为待匹配经纬坐标归属的目标区域；否则在待选区域列表中删除备选区域，并返回在待选区域集合中确定一个待选区域作为备选区域的步骤。本申请的方法解决了现有的经纬坐标归属区域匹配方法边界信息采集成本较高、匹配准确度不高的问题。
经纬坐标归属区域匹配方法装置存储介质电子设备

[发明专利]一种基于任务分割的分布式图计算系统-CN201911063615.8有效
发明人：俞山青;周嘉俊;王甬琪;崔文豪;孟栎均;王永恒 -专利权人：浙江工业大学
申请日： 2019-11-04 - 公布日： 2023-03-31 - 主分类号： G06F9/46 文献下载
摘要：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。
一种基于任务分割分布式计算系统

[发明专利]关键节点的识别方法、装置、计算机设备及可读存储介质-CN202211282458.1在审
发明人： 王甬琪 -专利权人：大箴（杭州）科技有限公司
申请日： 2022-10-19 - 公布日： 2023-01-03 - 主分类号： G06F16/901 文献下载
摘要：本申请公开了一种关键节点的识别方法、装置、计算机设备及可读存储介质，涉及互联网技术领域，能够降低求解难度，提高识别关键节点的准确率，且在较大规模的网络时，识别时间短且效率高。所述方法包括：确定待识别网络，根据所述待识别网络中每个网络节点的网络连通性的影响力值，对多个网络节点排序；对排序后的所述影响力值进行归一化计算，得到节点归一化排序表示，构建节点影响力表示字典；对所述多个网络节点进行多次采样，构建样本点集合；将所述样本点集合转化为超曲面函数表达式的输入输出，采用预设的超曲面函数表达式进行函数拟合，得到超曲面函数；计算所述超曲面函数确定近似最优解，将所述近似最优解指示的网络节点作为关键节点。
关键节点识别方法装置计算机设备可读存储介质

[发明专利]一种数据分级方法、装置、计算机设备和可读存储介质-CN202211144678.8在审
发明人： 王甬琪 -专利权人：大箴（杭州）科技有限公司
申请日： 2022-09-20 - 公布日： 2023-01-03 - 主分类号： G06N5/04 文献下载
摘要：本申请涉数据处理技术领域，提供了一种数据分级方法、装置、计算机设备和可读存储介质，该方法包括：获取待分级数据，并计算待分级数据中的单类别数据的推理能力，以及计算待分级数据中的多类别数据的推理能力，其中，多类别数据为单类别数据进行两两组合所得；根据单类别数据的推理能力和多类别数据的推理能力，计算单类别数据之间的耦合增强系数，并利用单类别数据的推理能力和耦合增强系数，构建数据耦合关联网络；基于数据耦合关联网络，计算待分级数据中的目标分级数据的包含耦合能力的数据推理能力评分，并根据数据推理能力评分对目标分级数据进行数据分级。
一种数据分级方法装置计算机设备可读存储介质

[发明专利]一种异常就医行为检测方法-CN202010442547.2有效
发明人：俞山青;韩忙;王甬琪;孙佳慧;宣琦;陈晋音 -专利权人：浙江工业大学
申请日： 2020-05-22 - 公布日： 2020-11-13 - 主分类号： G06Q40/08 文献下载
摘要：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。
一种异常就医行为检测方法

[发明专利]一种基于动态就医行为对齐的医保欺诈发现方法-CN202010688096.0在审
发明人：俞山青;韩忙;王甬琪;孙佳慧;宣琦;陈晋音 -专利权人：浙江工业大学
申请日： 2020-07-16 - 公布日： 2020-10-20 - 主分类号： G06Q40/08 文献下载
摘要：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。
一种基于动态就医行为对齐医保欺诈发现方法