“孙孟昊”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]一种基于雷达技术的银行卡拒件导流方法-CN201911333962.8有效
发明人：崔晶晶;孙孟昊 -专利权人：集奥聚合（北京）人工智能科技有限公司
申请日： 2019-12-23 - 公布日： 2023-08-25 - 主分类号： G06Q40/03 文献下载
摘要：本发明提出了一种基于雷达技术的银行卡拒件导流方法，包括：步骤S1，获取信用卡申请请求被银行拒绝的申请人信息；步骤S2，采用预设的雷达决策引擎对所述申请人的信息进行评分，获取相应的评分结果；步骤S3，将所述评分结果与预设标准进行比对，如果高于所述预设标准，则将对应的申请人信息打回银行，进行在此审查导流操作；如果高于所述预设标准，则向对应的申请人推荐与其评分结果匹配的金融渠道。本发明可以解决了现有存在的审查错误的问题。
一种基于雷达技术银行卡导流方法

[发明专利]基于U-net神经网络的精细水体提取方法-CN202011121566.1有效
发明人：蔡玉林;秦鹏;孙孟昊;王雪丽;柳佳;范璞然;李龙坤;徐慧宇 -专利权人：山东科技大学
申请日： 2020-10-20 - 公布日： 2022-04-01 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了基于U‑net神经网络的精细水体提取方法，涉及卷积神经网络和水体提取技术领域，特别是涉及高光谱数据进行水体提取，包括：将全部波段的原始影像导入ENVI，进行主成分分析；将不同的主成分进行多种组合；形成标签数据；将最优遥感影像划分为训练数据和测试数据；将所有训练数据输入U‑net神经网络进行训练；将最优遥感影像的测试数据输入训练后的U‑net神经网络，得到输出影像；将输出影像进行阈值分割、拼接，还原至原始大小；把还原至原始大小的输出影像与标签数据中的测试数据进行对比，评价精细水体提取的精度。
基于 net 神经网络精细水体提取方法

[发明专利]一种基于时间序列预测的数据中心负载均衡方法-CN202010624411.3在审
发明人： 孙孟昊;董宇欣 -专利权人：哈尔滨工程大学
申请日： 2020-07-02 - 公布日： 2020-10-16 - 主分类号： H04L29/08 文献下载
摘要：一种基于时间序列预测的数据中心负载均衡方法。随着互联网用户的急剧增加，每天产生的数据迅速增长。传统的单一节点服务器已经无法满足企业网站的需求。然而由于数据存放在不同的节点，有的节点会被用户更多的访问，有些节点存储的数据会被用户经常访问，这样会导致性能瓶颈。由此本发明的一种基于时间序列预测的数据中心负载均衡方法引入时间序列预测方法，通过该方法对数据中心的用户访问行为进行建模，从而预测每个服务器和整体数据中心的负载情况，从而使每个数据中心的数据得到优化访问。
一种基于时间序列预测数据中心负载均衡方法

[发明专利]基于COPRA的重叠社区划分方法-CN201911405674.9在审
发明人：董宇欣;韩瑞;费腾;王红滨;孙孟昊;耿士卿 -专利权人：哈尔滨工程大学
申请日： 2019-12-30 - 公布日： 2020-05-15 - 主分类号： G06Q50/00 文献下载
摘要：基于COPRA的重叠社区划分方法，涉及计算机领域，针对现有技术中社交网络划分算法存在划分结果不稳定，随机性强，导致算法结果的准确性低的问题，本发明针对COPRA算法的不稳定性和随机性进行了改进。首先引入信息熵概念，提出直接节点、间接节点概念，然后通过获取节点的节点熵，并根据每个节点熵总和对节点标签更新进行排序，减少标签更新的随机性。随后提出标签价值概念，主要从节点对标签的从属系数、拥有该标签节点的熵总和、节点的度三点进行综合考虑，提出了标签价值计算公式，并给出了算法的执行过程。本发明能够发现复杂的社会网络中的重叠社区结构，并且挖掘社区结果较好、准确性高。
基于 copra 重叠社区划分方法

[发明专利]基于微信小程序的ETC办理方法、客户端、服务器及系统-CN201911129958.X在审
发明人：崔晶晶;孙孟昊 -专利权人：集奥聚合（北京）人工智能科技有限公司
申请日： 2019-11-18 - 公布日： 2020-05-08 - 主分类号： H04L12/58 文献下载
摘要：本发明提供一种基于微信小程序的ETC办理方法、客户端、服务器及系统，所述方法包括：进入办理ETC的微信小程序；在所述办理ETC的微信小程序中上传需要办理ETC的车牌号、用户手机号及姓名信息，并发送给ETC办理服务器；接收ETC办理服务器对所述车牌号、用户手机号及姓名信息是否可以办理ETC的审核结果。本发明实施例提供的线上办理ETC的方案，可以使用户足不出户轻松申请办理ETC，大大的解决了现有技术中必须去银行柜台办理ETC的弊端。
基于微信小程序 etc 办理方法客户端服务器系统

[发明专利]一种基于半监督学习的银行电子渠道异常交易确定方法-CN201910335224.0在审
发明人：董宇欣;张艺薰;费腾;王红滨;温启明;孙孟昊 -专利权人：哈尔滨工程大学
申请日： 2019-04-24 - 公布日： 2019-07-23 - 主分类号： G06K9/62 文献下载
摘要：一种基于半监督学习的银行电子渠道异常交易确定方法，涉及机器学习技术领域，为解决现有异常交易确定技术中存在难度大、效率低、准确性差的问题，本发明在隐马尔科夫模型、时间序列模型(ARIMA)建立账户级别的历史交易序列模型的基础上进一步整合优化，以HMM为基础结合半监督聚类学习预测异常交易行为。本发明通过半监督聚类学习将每个时间截面的交易数据转化为一个时序的向量，并利用半监督学习克服标签数据稀少的问题，利用HMM对每个人的交易向量拟合生成对应的模型，并将半监督学习与HMM结合从截面数据和时序数据两个角度提升异常识别的准确率。采用机器学习来解决异常交易确定的问题，与传统的专家法相比极大的降低了难度，提高了工作效率。
异常交易半监督学习半监督聚类银行电子向量隐马尔科夫模型机器学习技术时间序列模型时序标签数据工作效率机器学习交易数据截面数据历史交易时序数据序列模型异常识别账户级别传统的准确率拟合整合渠道学习预测交易转化优化

1
共 6 条