“马腾滕”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种指标评估方法及装置、电子设备、存储介质-CN202310862978.8在审
发明人： 马腾滕;陈元谋;王浩彬;熊小明;赵静 -专利权人：中国电信股份有限公司技术创新中心;中国电信股份有限公司
申请日： 2023-07-13 - 公布日： 2023-09-29 - 主分类号： G06Q10/0639 文献下载
摘要：本公开涉及计算机数据处理技术领域，具体涉及一种指标评估方法、一种指标评估装置、一种电子设备，以及一种存储介质。所述方法包括：获取评判矩阵，对评判矩阵进行一致性验证，基于通过一致性验证的评判矩阵对应的特征向量确定第一综合权重向量；其中，所述评判矩阵用于描述任意两个待评估指标比较对于评估目标的重要程度；根据第一综合权重向量中权重元素的数值筛选目标评估指标；基于所述评判矩阵中确定所述目标评估指标对应的第二权重向量集合；获取所述目标评估指标对应的评估矩阵，确定所述评估矩阵对应的第三权重向量；基于第二权重向量集合、第三权重向量进行拟合，获取目标权重向量。本方法提供一种合理、准确、客观的指标选取方案。
一种指标评估方法装置电子设备存储介质

[发明专利]用于提高多切片网络中网络质量的资源分配方法及系统-CN202010533456.X有效
发明人：江璟;王玉东;辛培哲;马腾滕;袁思雨;张勇;郑伟军;邵炜平;王文华;陈鼎;方景辉;吴国庆;唐锦江;杨鸿珍 -专利权人：国网经济技术研究院有限公司;国网浙江省电力有限公司嘉兴供电公司;国网浙江省电力有限公司;国家电网有限公司
申请日： 2020-06-12 - 公布日： 2022-07-12 - 主分类号： H04W24/06 文献下载
摘要：本发明涉及一种用于提高多切片网络中网络质量的资源分配方法及系统，其特征在于，包括以下内容：1)将待测异构网络进行切片，建立各切片的资源分配模型；2)得到各资源分配模型的近似凸函数；3)在各切片对应的租户平分总子载波的条件下，采用连续凸近似算法，根据各切片的子载波个数，求解各切片资源分配模型的近似凸目标函数，确定各切片的最优切片资源分配策略和评分标准；4)在各切片对应的租户未平分总子载波的条件下，采用非合作博弈方法，根据各切片的子载波个数，对各切片资源分配模型的近似凸目标函数进行求解，确定各切片的最优切片资源分配策略和评分标准，本发明可以广泛应用于网络质量评估技术领域中。
用于提高切片网络质量资源分配方法系统

[发明专利]一种网络入侵检测方法及系统-CN201911382869.6有效
发明人：张勇;郭达;张曌;程振杰;李俊杰;牛颉;高杨;马腾滕 -专利权人：北京邮电大学
申请日： 2019-12-27 - 公布日： 2022-04-08 - 主分类号： G06F21/55 文献下载
摘要：本发明实施例提供一种网络入侵检测方法及系统，该方法包括：基于训练好的网络入侵检测模型对待检测网络数据进行检测，并对得到的检测结果进行分析判断，若判断获知待检测网络数据为网络已知数据，则根据检测结果，对网络已知数据进行细粒度分类；若判断获知待检测网络数据为网络未知类别入侵数据，则对网络未知类别入侵数据进行聚类，获取网络未知类别入侵数据中各类别的聚类质心；根据网络未知类别入侵数据中各类别的聚类质心，对训练好的网络入侵检测模型的分类器进行更新，以根据更新后的网络入侵检测模型对后续待检测网络数据中网络未知类别入侵数据进行入侵检测。本发明实施例实现对网络未知入侵的识别和学习。
一种网络入侵检测方法系统

[发明专利]一种数据增强方法及装置-CN201811419516.4有效
发明人：张勇;郭达;滕颖蕾;魏翼飞;宋梅;李俊杰;马腾滕;郭耀华;鲍捷;康灿平 -专利权人：北京邮电大学
申请日： 2018-11-26 - 公布日： 2020-09-11 - 主分类号： G06F16/215 文献下载
摘要：本发明实施例提供一种数据增强方法及装置，该方法包括：对不同标签下多维时序数据进行预处理，得到特征数据；对特征数据进行特征分析，获取特征数据中特征维与标签之间的相关系数，其中相关系数用于反映特征维和标签之间的关系；根据相关系数的大小，将预设数量的特征维作为主特征维，其余特征维为非主特征维；对非主特征维数据进行加权融合处理或加噪声处理，结合主特征维数据生成增强数据。本发明实施例提供的数据增强方法及装置，运用于多维特征数据的数据增强中，能够在保持原有数据主要特征不变的前提下，对非主要特征进行加权计算以达到增强数据的效果，能够在处理小样本数据集时，提高准确率和泛化能力。
一种数据增强方法装置

[发明专利]一种迁移学习方法及装置-CN201910161120.2在审
发明人：张勇;郭达;宋梅;张曌;牛颉;马腾滕;高杨;陈梦婷;李俊杰;康灿平 -专利权人：北京邮电大学
申请日： 2019-03-04 - 公布日： 2019-06-28 - 主分类号： G06K9/66 文献下载
摘要：本发明实施例提供一种迁移学习方法及装置，该方法包括：获取预处理后的子序列和密集预测网络模型，预处理后的子序列包括源域子序列和目标域子序列；将源域子序列和目标域子序列分批次输入密集预测网络模型，得到全局移位损失；获取源域标签和目标域伪标签，基于余弦距离损失和滑动平均方法，根据源域标签和目标域伪标签进行对应类别质心对齐，得到对应类别移位损失；根据全局移位损失和对应类别移位损失得到总损失，根据总损失更新密集预测网络模型。本发明实施例提供的迁移学习方法及装置，提出一种多层次无监督域适应的方法，完成边缘分布和条件分布的对齐，实现对时间序列数据密集预测模型的迁移，性能更优越。
子序列目标域移位网络模型迁移源域预处理标签对齐预测时间序列数据边缘分布滑动平均余弦距离预测模型获取源无监督域标签质心全局学习更新