Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 河南省科学院物理研究所张鹏飞获国家专利权

河南省科学院物理研究所张鹏飞获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉河南省科学院物理研究所申请的专利基于张量分解的地铁站点—闸机数据失配识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116842451B

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310914516.6,技术领域涉及:G06F18/241;该发明授权基于张量分解的地铁站点—闸机数据失配识别方法是由张鹏飞;苏子恒;宋晓辉设计研发完成,并于2023-07-25向国家知识产权局提交的专利申请。

基于张量分解的地铁站点—闸机数据失配识别方法在说明书摘要公布了:本发明提出一种张量分解与神经网络结合的站点—闸机失配信息识别模型,首先利用张量分解提取各闸机的关联客流特征,而后通过人工过采样生成均衡的特征数据集作为神经网络的训练数据;神经网络通过对特征的交叉验证,进行二元分类,从而识别出AFC数据中潜在的失配闸机。结果表明:模型可以以超过90%的准确率识别闸机—站点是否失配,对于失配闸机,模型可以以超过90%的准确度将其识别,对于匹配闸机模型误识别率很低。尤其是在失配比率达到40%时,上述准确度依然可以保持在90%以上,证明模型具有很强的鲁棒性。

本发明授权基于张量分解的地铁站点—闸机数据失配识别方法在权利要求书中公布了:1.一种基于张量分解的地铁站点—闸机数据失配识别方法,其特征在于,包括如下步骤: 步骤1:获取地铁系统的AFC数据并进行预处理; 利用站点—闸机匹配表将闸机ID转换为对应的站点名,预处理后的AFC数据包含智能卡ID、进站时间、进站站点、出站时间、出站站点五个字段; 步骤2:提取闸机关联客流,形成关联客流数据集; 将通过闸机m的AFC数据记录进行聚合,得到通过闸机m进入离开地铁系统的所有进站出站记录,形成闸机m的关联客流数据集; 步骤3:构建关联客流张量; 按照“闸机维度M”、“时间维度T”、“日期维度D”以及“站点维度S”四个维度来统计客流量,通过数字化各维坐标,将闸机关联客流流量构建为一个维度为M×T×D×S的4阶张量V; 步骤4:对关联客流张量进行CP分解; 步骤5:提取关联客流特征向量; 提取各个闸机的因子向量组成特征矩阵的一行即为对应闸机的关联客流特征向量; 步骤6:构建站点神经网络; 对于每个站点Si,构建一个与该站点对应的神经网络Ni=fWiXi+bi,其中,Ni是站点神经网络的输出,f是激活函数,Wi是权重矩阵,Xi是输入特征向量,bi是偏置向量;网络输入为所有闸机的关联客流特征向量,输出为输入闸机与该站点匹配的概率;对于站点神经网络Ni,若闸机m的归属站点记录为Si,则将闸机m的关联客流特征向量标注为1,否则标注为0;在每次训练中,选择所有标记为0的特征向量与n-1份标注为1的特征向量作为训练样本; 步骤7:使用ADASYN方法平衡数据集; 步骤8:训练站点神经网络,识别失配闸机; 对于每一个站点神经网络,将过采样后的闸机关联客流特征向量样本集通过步骤6的方法进行交叉验证训练;每次训练后,用得到的网络对其中一份闸机进行验证,若闸机的输出概率低于阈值α,则判定为失配闸机,否则判定为匹配。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河南省科学院物理研究所,其通讯地址为:450046 河南省郑州市郑东新区明理路西、崇德街南国家技术转移郑州中心;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。