“尉秀梅”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16个，建议您升级VIP下载更多相关专利

[发明专利]基于改进弹性模型的社交网络关键节点识别方法及系统-CN202310796773.4在审
发明人：姜雪松;何静;尉秀梅;李兆国;王聪聪 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-06-30 - 公布日： 2023-09-22 - 主分类号： G06F30/18 文献下载
摘要：本发明提出了基于改进弹性模型的社交网络关键节点识别方法及系统，包括：计算社交网络节点的度、ks值、网络直径和节点对的最短路径；基于k‑shell算法，根据社交网络节点间ks值差异引入反映社交网络节点间影响抵消作用的位置系数；基于弹力模型，根据节点的度、节点对的最短路径、网络直径和位置系数，得到反映重要性程度的节点对弹力；将节点与不同节点之间节点对的弹力求和后按照重要性程度进行排序，根据排序结果得到社交网络的关键节点。通过所引入的位置系数考虑了节点在社交网络中的位置对其重要程度的影响。
基于改进弹性模型社交网络关键节点识别方法系统

[发明专利]基于改进引力模型的复杂网络中关键节点识别方法及系统-CN202310796782.3在审
发明人： 尉秀梅;何静;姜雪松;王聪聪;李兆国 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-06-30 - 公布日： 2023-09-22 - 主分类号： G06F30/18 文献下载
摘要：本发明提出了基于改进引力模型的复杂网络中关键节点识别方法及系统，包括：计算复杂网络中节点的度、节点间最短路径；根据节点的度引入反映节点自身重要性的自重参数；基于引力模型，根据节点的度、节点的自重参数和节点间最短路径，得到反映节点重要程度的节点间引力；将节点与不同节点间的引力求和后按照重要程度进行排序，根据排序结果得到复杂网络中的关键节点。引进自身重要性参数的方式弥补了原有的引力模型对万有引力定律中万有引力常量的忽略，提高了对复杂网络中的关键节点识别的准确性。
基于改进引力模型复杂网络关键节点识别方法系统

[发明专利]基于投票机制的复杂网络关键节点识别方法及系统-CN202210852784.5有效
发明人：姜雪松;陈珺;尉秀梅;陈佃迎;柴慧慧;马浩翔 -专利权人：齐鲁工业大学
申请日： 2022-07-11 - 公布日： 2023-08-08 - 主分类号： H04L41/00 文献下载
摘要：本发明公开了基于投票机制的复杂网络关键节点识别方法及系统，将产业链抽象为复杂网络，融入集体影响算法，将网络中每个节点的投票得分和投票能力进行初始化；基于初始化后的投票能力，引入每个节点对其不同邻居节点的投票的概率得到其对应的投票得分，将投票得分最高的节点作为关键节点；削弱已选节点一阶和二阶邻居节点的投票能力，对未选节点继续投票，重复步骤，直到选出所有关键节点。
基于投票机制复杂网络关键节点识别方法系统

[发明专利]基于图注意力自动编码器的社区发现方法及系统-CN202211088572.0在审
发明人：姜雪松;陈佃迎;尉秀梅;陈珺;马浩翔;柴慧慧 -专利权人：齐鲁工业大学
申请日： 2022-09-07 - 公布日： 2023-08-04 - 主分类号： G06Q50/00 文献下载
摘要：本发明提供一种基于图注意力自动编码器的社区发现方法及系统，涉及计算机技术领域，该方法包括：利用多层非线性图注意力编码器映射图中的原始节点内容和图结构，得到节点特征表示；采用l1，2‑范数惩罚对节点特征表示进行特异性约束，以及采用内积解码器预测各节点之间的链接，确定出重建损失；对图中各节点进行自训练聚类，根据软标签分布和目标分布之间的散度，构建聚类损失；通过最小化总目标函数，优化软标签分布使其不断逼近目标分布；从优化后的软标签分布中获取聚类结果，从而发现社区。通过该方式，可以解决节点表示的社团特异性分布的问题，很好地刻画聚类结构，提高聚类结果的准确性。
基于注意力自动编码器社区发现方法系统

[发明专利]基于图注意力自动编码器的多视图聚类方法及系统-CN202211446136.6在审
发明人： 尉秀梅;陈佃迎;姜雪松;陈珺;柴慧慧;马浩翔 -专利权人：齐鲁工业大学
申请日： 2022-11-18 - 公布日： 2023-04-04 - 主分类号： G06F18/23213 文献下载
摘要：本发明提出了基于图注意力自动编码器的多视图聚类方法及系统，涉及多视图聚类技术领域,具体方案包括：从同一组节点的不同视图中选择信息量最大的视图；基于信息量最大的视图和节点内容信息，利用训练好的图注意力编码器，学习图结构和节点内容，得到节点特征表示；采用l1,2‑范数惩罚对节点特征表示进行特异性约束，得到约束后的节点特征表示；将约束后的节点特征表示输入到自优化聚类模块中进行聚类，得到最终的聚类结果；本发明为了更适合集群任务，将图注意力网络应用到多视图图聚类，同时重构图结构和节点内容，使潜在表示很好地保存了节点的图结构和内容信息。
基于注意力自动编码器视图方法系统

[发明专利]融合有序关系路径和实体描述信息的知识表示学习方法-CN202210752210.0在审
发明人：姜雪松;马浩翔;尉秀梅;柴慧慧;陈佃迎;陈珺 -专利权人：齐鲁工业大学
申请日： 2022-06-29 - 公布日： 2023-03-28 - 主分类号： G06F16/36 文献下载
摘要：本公开提供一种融合有序关系路径和实体描述信息的知识表示学习方法，将实体和关系投影到不同的空间中，为了用这些潜在的表征来推断缺失关系，使用了一种两层池化策略来融合不同路径的信息；在实体描述信息的表示中，首先使用Transformer结合关系注意力机制将预处理后的实体描述信息进行嵌入，得到实体描述的向量表示，然后将其与实体的向量表示在相同的向量空间中进行学习；最终，将这两部分任务的结果在TransR模型的基础之上进一步综合共同训练学习，获取模型融合后实体和关系的向量表示。
融合有序关系路径实体描述信息知识表示学习方法

[发明专利]基于信息熵改进的社交网络关键节点识别方法及系统-CN202211282408.3在审
发明人：姜雪松;陈珺;尉秀梅;陈佃迎;马浩翔;柴慧慧 -专利权人：齐鲁工业大学
申请日： 2022-10-19 - 公布日： 2023-01-31 - 主分类号： H04L51/52 文献下载
摘要：本公开涉及网络监控技术领域，提出了基于信息熵改进的社交网络关键节点识别方法及系统，方法包括如下步骤：针对社交网络节点，通过社交网络节点的Ks值和能够反映节点传播能力的信息熵，计算社交网络节点的综合影响力；选取综合影响力最大的节点为种子节点；削弱更新种子节点的邻居节点的信息熵，使得种子节点更加广泛而均匀分布；循环执行上述步骤迭代计算所有节点的综合影响力，选取种子节点。通过基于信息熵的改进K‑shell方法来识别社交网络的关键节点，可以更广泛地挖掘关键节点，识别结果更准确，相比于传统方法，该方法考虑了节点之间的传播能力，且综合考虑网络的全局特性和局部属性共同判断节点的重要性。
基于信息改进社交网络关键节点识别方法系统

[发明专利]基于改进的深度稀疏自动编码器的社区发现方法及系统-CN202210703795.7在审
发明人：姜雪松;陈佃迎;尉秀梅;陈珺;马浩翔;柴慧慧 -专利权人：齐鲁工业大学
申请日： 2022-06-21 - 公布日： 2022-09-13 - 主分类号： G06K9/62 文献下载
摘要：本发明属于网络分析和数据挖掘领域，提供了基于改进的深度稀疏自动编码器的社区发现方法及系统，其根据两种不同的函数构造新的相似度矩阵，可以充分挖掘网络拓扑中各个节点间的相似关系，解决单一函数的相似度矩阵不能全面反映网络中节点间相似关系的问题；并开发一种基于权值绑定的深度稀疏自动编码器的学习方法，提取相似度矩阵中的特征表示，得到低维的特征矩阵，这种学习方法使得模型参数减半，加快训练速度并降低了过拟合风险。
基于改进深度稀疏自动编码器社区发现方法系统

[发明专利]基于多行为和项目知识的图转换网络会话推荐方法及系统-CN202210749503.3在审
发明人：姜雪松;柴慧慧;尉秀梅;马浩翔;陈珺;陈佃迎 -专利权人：齐鲁工业大学
申请日： 2022-06-29 - 公布日： 2022-09-02 - 主分类号： G06F16/36 文献下载
摘要：本公开属于人工智能与信息检索技术领域，具体涉及一种基于多行为和项目知识的图转换网络会话推荐方法及系统，包括：获取用户‑项目多行为交互图和知识感知的项目‑项目关系图；基于多行为交互模式嵌入对所获取的用户‑项目多行为交互图和知识感知的项目‑项目关系图进行融合，得到会话损失函数；通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户‑项目多行为交互关系和项目‑项目依赖关系辅助学习，得到项目知识损失函数；根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实现会话推荐。
基于行为项目知识转换网络会话推荐方法系统

[发明专利]基于多尺度分散动态路由的知识图谱补全方法及系统-CN202210390059.0在审
发明人： 尉秀梅;马浩翔;姜雪松;柴慧慧;陈珺;陈佃迎 -专利权人：齐鲁工业大学
申请日： 2022-04-14 - 公布日： 2022-07-12 - 主分类号： G06F16/36 文献下载
摘要：本发明提出了一种基于多尺度分散动态路由的知识图谱补全方法及系统，对获取的待补全三元组使用多头注意力机制与记忆矩阵循环交互，编码实体和关系之间的潜在依赖关系，生成三元组编码向量；将三元组编码向量，输入到训练好的胶囊网络中，提取全局特征，并为全局特征分配不同的耦合系数，根据全局特征预测缺失的三元组，完成知识图谱的补全；本发明在知识图谱预测时对实体之间潜在的依赖关系进行有效建模，尽可能地减少预测时动态路由造成的偏差，捕获不同抽象层次的特征，从而提高知识图谱补全预测精度和三元组分类的效果。
基于尺度分散动态路由知识图谱方法系统

[发明专利]一种用于流程工业的多智能体系统任务调度方法及系统-CN202010948695.1在审
发明人： 尉秀梅;胡大鹏;姜雪松;朱庆存;孟超 -专利权人：齐鲁工业大学
申请日： 2020-09-10 - 公布日： 2020-12-18 - 主分类号： G06Q10/06 文献下载
摘要：本公开提供了一种用于流程工业的多智能体系统任务调度方法及系统，所述方案根据流程工业制造过程特点，基于MAS技术，构建了一个集成多个生产单元的任务调度模型，同时，提出了一种TS_Qlearning算法应用于此模型，形成了一种应用于流程工业的任务控制系统，所述方案能够准确完成复杂的生产任务，实现制造过程的资源优化，从而推动传统的流程工业向智能制造转型。
一种用于流程工业智能体系任务调度方法系统

[发明专利]基于复杂网络的车间流程工业关键节点识别方法及系统-CN202010669695.8在审
发明人： 尉秀梅;朱庆存;姜雪松;孟超;胡大鹏 -专利权人：齐鲁工业大学
申请日： 2020-07-13 - 公布日： 2020-10-23 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于复杂网络的车间流程工业关键节点识别方法及系统，包括：根据车间流程工业的生产节点构建复杂网络，对复杂网络进行K核分解，得到生产节点的KS值和KS中心迭代次数；根据KS值、KS中心迭代次数和生产节点的度在所有生产节点下的熵值，得到每个生产节点的权重；根据每个生产节点的权重、度和其邻居节点的权重对生产节点按照重要性进行排序，重要性最高的生产节点即为关键节点。针对车间内流程工业生产线中各个生产节点，构建面向工业大数据的复杂网络，综合生产节点的全局属性和局部属性，采用熵值法为每个生产节点分配权重，能够客观的、量化的评估每个生产指标的重要性。
基于复杂网络车间流程工业关键节点识别方法系统

[发明专利]基于MOTCN-AE的多维时间序列异常值检测方法及系统-CN201911157810.7在审
发明人：姜雪松;孟超;尉秀梅;胡大鹏;朱庆存;井立超;李浩 -专利权人：齐鲁工业大学
申请日： 2019-11-22 - 公布日： 2020-04-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于MOTCN‑AE的多维时间序列异常值检测方法及系统，包括：接收一组时间序列形式的信号；对所述时间序列进行特征丰富；使用自动编码器对特征丰富后的时间序列进行重构；将特征丰富后的时间序列与重构后的时间序列进行对比，得到所述时间序列形式信号中的异常数据。本发明提出的自动编码器TCN‑AE更加适合时间序列建模；本发明提出的时间序列特征丰富方法可以很好的提高算法框架的预测精度。
基于 motcn ae 多维时间序列异常检测方法系统

[发明专利]基于多目标粒子群算法的多智能体制造过程优化方法-CN201811637000.7在审
发明人：姜雪松;李东旺;尉秀梅;韩佳蓉;李志鹏;姚帅帅 -专利权人：齐鲁工业大学
申请日： 2018-12-29 - 公布日： 2019-05-10 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了基于多目标粒子群算法的多智能体制造过程优化方法，包括：针对流程工业的制造过程，构建基于多智能体的制造过程优化模型，包括两层结构，其中，上层结构为总控Agent和用来存放算法和数据信息的池Agent，下层结构为原料Agent、设备Agent、管理Agent以及废料Agent，每一个智能Agent会基于自身的通信模块与其他的Agent进行信息的交互；将Agent作为多目标粒子群算法中的粒子，赋予Agent种群进化的能力，针对基于多智能体的制造过程优化模型建立相应的数据模型，利用多目标粒子群算法进行求解，获得有效解集。化后的成本整体低于实际所耗费的成本，所以经过优化的非劣解集可以作为实际生产中的参考，以此来提高流程作业制造的低耗、高产、高质以及降低所需成本。
制造过程多目标粒子群算法多智能体优化模型优化两层结构流程工业流程作业上层结构数据模型数据信息通信模块下层结构非劣解有效解构建求解算法粒子进化种群高产参考智能赋予制造管理生产

[发明专利]基于数据信息的多目标作业车间的复杂网络模型构建方法-CN201811638971.3在审
发明人：姜雪松;韩佳蓉;尉秀梅;李东旺;姚帅帅;李志鹏 -专利权人：齐鲁工业大学
申请日： 2018-12-29 - 公布日： 2019-04-26 - 主分类号： G06Q10/06 文献下载
摘要：本公开公开了基于数据信息的多目标作业车间的复杂网络模型构建方法，包括：针对多目标作业车间进行参数定义；构建多目标有向加权网络模型：将作业车间生产活动涉及到的每一个采集数据信息点作为一个网络节点，将所关联的各个网络节点的工业流程作为网络的边，节点之间连接边的方向由工序的优先关系决定，每个环节都设置一个流程节点来连接流程走向；基于多目标有向加权网络模型构建能够反映生产过程是随着时间而改变的动态加权复杂网络模型。本公开基于数据信息的多目标作业车间的动态加权复杂网络模型在一定程度上能够反映真实的车间生产机制，模型具备的动态性证明了能较好刻画显示网络的动态机理。
多目标作业车间复杂网络模型数据信息构建加权网络网络节点有向加权采集数据参数定义车间生产动态机理工业流程流程节点模型构建生产过程生产活动动态性连接边信息点网络刻画关联环节

1
2
下一页»
尾页
共 16 条