专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果79个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于能量帧时频融合的语音情感识别方法-CN202310080993.7在审
  • 章昭辉;王鹏伟;张家豪;严琦 - 东华大学
  • 2023-01-30 - 2023-10-10 - G10L25/63
  • 情感具有主观性与模糊性,而且语音在情感定义上缺乏官方标准。不同听者对同一段语音的情感可能有不同的观点。此外,不同人对同一情感的表达节奏和反应程度是不同的,而且同一个人在不同时刻对同一场景下的情感反应也有可能不同。为了解决该问题,本发明公开的一种基于能量帧时频融合的语音情感识别方法主要由两部分构成:第一部分通过计算语音帧的能量,选出能量大的语音帧转为频谱图作为输入;第二部分语音在时序上和频域上均有情感特征,采取CNN+RNN的网络结构分别对频域和时域进行特征提取,从而能够保证一定的准确率。本发明公开的方法成功体现出了个体间语音节奏的差异,具体是在能量上的分布差异,从而能够更准确地识别出语音情感。
  • 一种基于能量帧时频融合语音情感识别方法
  • [发明专利]基于动态钻井的大规模流数据采样评估方法-CN202310376603.0在审
  • 章昭辉;章鹏;王鹏伟 - 东华大学
  • 2023-04-07 - 2023-09-29 - G06F18/23213
  • 本发明的一个技术方案是提供了一种基于动态钻井的大规模流数据采样方法。本发明的另一个技术方案是提供了一种基于动态钻井的大规模流数据评估方法,其特征在于,利用上述的大规模流数据采样方法从原始流数据集采样获得样本集,基于样本集对原始数据集的价值特征进行评估。基于矿产钻井勘探思想,本发明提出一种动态钻井采样方法,该方法以井为分析单元,动态改变井的大小和位置,准确定位离散数据的位置和范围。进一步提出了一种新的流数据价值评估模型,该模型从离散、集中和整体三个维度基于动态钻井采样方法获得的样本集对原始流数据集进行评估,对大数据价值评估有重要的研究意义。
  • 基于动态钻井大规模数据采样评估方法
  • [发明专利]一种行为图谱的构造及其电信欺诈检测方法-CN202310369156.6在审
  • 章昭辉;裴若萱;王鹏伟 - 东华大学
  • 2023-04-07 - 2023-09-29 - G06Q20/40
  • 本发明公开了一种行为图谱的构造及其电信欺诈检测方法,面对电信欺诈场景,本发明提出行为图谱构造方法,针对不同主体之间发生的行为关系构造超图模型,在此基础上考虑多主体性、不确定性和交互性来构造行为图谱。行为图谱中由欺诈者和正常用户等多方参与来反映多主体性;由不同行为条件引发不同行为结果,产生不同欺诈链路来反映不确定性;由欺诈者和正常用户之间互相影响的行为关系来反映交互性。再以行为图谱为基础,构造电信欺诈检测方法,学习行为之间的集合关系并增强表示,进而预测用户是否会陷入骗子设计的欺诈行为链路。
  • 一种行为图谱构造及其电信欺诈检测方法
  • [发明专利]一种基于属性邻域的异质图属性补全方法-CN202310001112.8在审
  • 章昭辉;王鹏伟;黄思婷;胡超超 - 东华大学
  • 2023-01-03 - 2023-09-22 - G06N3/042
  • 现有的图神经网络作为分析属性异质图的模型,对给定图数据的节点属性非常敏感。节点属性的缺失通常会导致噪声在图中传播,影响后续的任务。针对该问题本发明提出了一种基于属性邻域的异质图属性补全方法,构建了节点的属性邻域,实现了节点邻域的属性聚合不受无属性节点影响。进一步提出了结构信息再学习模块,通过加权聚合节点的结构嵌入使节点的补全属性同时具有结构信息和语义信息。该方法能有效地补全异质图中缺失的属性,将补全的属性与现有的异质图模型相结合,能有效避免缺失节点属性带来的误差,提升原有框架。
  • 一种基于属性邻域异质图方法
  • [发明专利]一种多目标优化的容器调度方法-CN201910327503.2有效
  • 章昭辉;蒋昌俊;王鹏伟;陈剑 - 东华大学
  • 2019-04-23 - 2023-08-04 - G06F9/455
  • 本发明的目的是:为容器部署提供一个最佳的调度方案,使得每个容器都能部署到最合适的服务器上,从而在部署完成之后,在容器的拉取时间、服务的通信时间、机器的负载均衡以及机器的能耗之间达到一个最优的状态。为了达到上述目的,本发明的技术方案是提供了一种多目标优化的容器调度方法。本发明提出的改进的粒子群算法与Docker Swarm中的三个算法进行比较,可以得出该方法得到的部署方案的适应度是最低的,即该方法能比其他三个算法找到更好的调度解决方案,尤其是当机器资源远大于容器实例的要求时。
  • 一种多目标优化容器调度方法
  • [发明专利]一种随机游走图嵌入多主体关系的方法及反洗钱系统-CN202310601209.2在审
  • 章昭辉;王书恒;王鹏伟 - 东华大学
  • 2023-05-25 - 2023-07-25 - G06Q40/04
  • 随着现代互联网的快速发展,洗钱活动的规模和复杂性也在不断地增加。图嵌入技术非常适合处理图结构的数据,然而现有图嵌入方法无法有效的捕获洗钱交易链路中的多主体关系特征。为此,本发明提供了一种随机游走图嵌入多主体关系的方法,本发明的另一个技术方案是提供了一种反洗钱系统。本发明提供一种基于随机游走嵌入多主体关系的方式来检测洗钱账户。本发明通过随机游走的方式,从多主体关系图中提取出若干条多主体关系链,随后将这些多主体关系链嵌入到节点向量中。所获取的节点嵌入向量将不仅包含节点之间的关系特征,同时也包含多个一对多关系之间的关系特征。最终将获取的嵌入向量输入到多层感知器,从而有效地检测出洗钱账户。
  • 一种随机游走嵌入主体关系方法洗钱系统
  • [发明专利]一种面向云实例选择的多目标优化求解方法-CN201910361905.4有效
  • 王鹏伟;蒋昌俊;章昭辉;刘文强 - 东华大学
  • 2019-04-30 - 2023-07-11 - G06Q30/0282
  • 本发明公开了一种面向云实例选择的多目标优化求解方法,包括以下步骤:A.背景问题定义:定义该求解器的问题背景;B.初始完全Pareto集合生成:得到需求个数为1下的初始Pareto集合;C.广义笛卡尔积生成:将完全Pareto集合和初始Pareto集合进行广义笛卡尔积;D.中间完全Pareto集合生成:对广义笛卡尔积进行遍历操作得到新的完全Pareto集合;E.最终完全Pareto集合生成:通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题,可以得到完整的Pareto集合,帮助用户更加准确的作出决策。另外,本发明能够解决类似的多目标优化问题,得到完全Pareto集合。
  • 一种面向实例选择多目标优化求解方法
  • [发明专利]一种带噪声学习的负样本对抗生成方法-CN202010045213.1有效
  • 章昭辉;蒋昌俊;王鹏伟;杨丽俊 - 东华大学
  • 2020-01-16 - 2023-07-11 - G06N3/094
  • 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法,可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力,对输入样本编码结合随机噪声作为生成器输入,为先验噪声添加指导信息,并且编码后的噪声可以公平分配各个样本生成上的概率,有效的提高生成模型对边缘分布数据的捕获能力,该模型为解决欺诈样本不足提供了一种新的技术支持方案,具有一定的实用价值。
  • 一种噪声学习样本对抗生成方法
  • [发明专利]一种基于表征学习的交易欺诈行为深度检测方法-CN201910327470.1有效
  • 章昭辉;蒋昌俊;王鹏伟;汪立智 - 东华大学
  • 2019-04-23 - 2023-06-02 - G06Q20/40
  • 本发明涉及一种基于表征学习的交易欺诈行为深度检测方法,其特征在于,包括以下步骤:建立基于Autoencoder模型的表征学习multi‑representation结构,通过BaggingBalance方法从交易数据中抽取数据集,得到相对应的表征学习向量;建立OSD‑DF分类结构,将multi‑representation结构得到表征学习向量作为OSD‑DF分类结构的输入,训练OSD‑DF分类结构,得到交易数据的欺诈检测结果。本发明提出的电子交易欺诈检测方法,可以有效检测电子交易中的欺诈行为。本发明提供的方法从实用性角度出发,建立了电子交易欺诈检测方法的框架,为解决欺诈交易检测提供了技术支持。
  • 一种基于表征学习交易欺诈行为深度检测方法
  • [发明专利]一种基于属性补全的异质图嵌入学习方法-CN202310016195.8在审
  • 章昭辉;黄思婷 - 上海抉真网络科技有限责任公司
  • 2023-01-06 - 2023-04-18 - G06F18/15
  • 现有异质图嵌入学习通常只聚合邻接节点属性,针对节点属性缺失会导致聚合效果不好的问题,本发明建立了一种基于属性补全的异质图嵌入方法。在节点的属性邻域的基础上,本发明借鉴分层思想构建节点的多层同质子邻域,通过分别学习不同类别的子邻域属性,实现了对节点邻居类别的差异性的捕获。进一步本发明提出了补全属性图嵌入学习模块,解决了不同属性缺失比例异质图的属性补全问题,优化了属性补全图嵌入学习的流程。本发明公开的方法能有效学习异质结点的差异化信息,从而准确的补全缺失节点属性,并进行端到端的异质图嵌入学习。
  • 一种基于属性异质图嵌入学习方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top