本發(fā)明面向科學(xué)文獻(xiàn)數(shù)據(jù)，針對文獻(xiàn)中作者同名現(xiàn)象提出一種基于LightGBM分類與表示學(xué)習(xí)的姓名消歧方法和系統(tǒng)。監(jiān)督學(xué)習(xí)部分利用特征工程提取訓(xùn)練集論文的元信息特征和論文間的關(guān)聯(lián)信息特征，通過采樣構(gòu)建正例與負(fù)例樣本對數(shù)據(jù)集，作為LightG...

本發(fā)明公開了一種基于層次編碼的圖數(shù)據(jù)結(jié)構(gòu)表示、存儲、查詢方法及裝置，其結(jié)構(gòu)表示表示方法包括依據(jù)一有向無環(huán)子圖中根節(jié)點的數(shù)量，計算根節(jié)點的編碼位數(shù)m0，并基于編碼位數(shù)m0，生成各根節(jié)點的全局編碼；依據(jù)各根節(jié)點的t跳子節(jié)點數(shù)量，計算t跳子節(jié)...

本發(fā)明實施例公開了一種郵件賬號異常檢測方法、裝置及存儲介質(zhì)，涉及網(wǎng)絡(luò)安全領(lǐng)域。本發(fā)明的方法包括：對郵件賬號日志進(jìn)行預(yù)處理；基于聚類技術(shù)對預(yù)處理后的郵件賬號日志進(jìn)行解析，生成消息模式集合，所述消息模式集合用于表征用戶行為；對所述消息模式集...

本發(fā)明涉及一種對象存儲系統(tǒng)的數(shù)據(jù)訪問方法及對象存儲系統(tǒng)，其中，方法包括以下步驟：從對象存儲系統(tǒng)提供的WEB管理頁面設(shè)置存儲桶FTP服務(wù)狀態(tài),包括開啟或關(guān)閉FTP連接功能；設(shè)置FTP/FTPS只讀/讀寫密碼，所述FTP/FTPS只讀/讀寫...

本發(fā)明提供一種基于分類的異常檢測方法和系統(tǒng)，該方法包括對正常日志數(shù)據(jù)和異常日志數(shù)據(jù)分別進(jìn)行預(yù)處理；分別提取經(jīng)過預(yù)處理的正常日志數(shù)據(jù)和異常日志數(shù)據(jù)的特征，在預(yù)設(shè)時間窗口內(nèi)對得到的正常日志特征和異常日志特征進(jìn)行數(shù)據(jù)挖掘，得到正常頻繁項集和異...

本發(fā)明提供一種郵件系統(tǒng)異常IP的檢測方法及檢測系統(tǒng)，該方法包括對郵件日志數(shù)據(jù)進(jìn)行清洗，提取有用信息；統(tǒng)計預(yù)設(shè)時間窗口內(nèi)各有用信息對應(yīng)的IP對郵箱賬號的各操作行為數(shù)據(jù)；確定當(dāng)前時間窗口內(nèi)每一操作行為數(shù)據(jù)所占的權(quán)重；根據(jù)各操作行為數(shù)據(jù)及其對...

本發(fā)明提供一種基于半監(jiān)督譜聚類和集成SVM的流量檢測方法及系統(tǒng)，所述檢測方法首先將未知網(wǎng)絡(luò)流量和已知網(wǎng)絡(luò)流量區(qū)分開來。因此，首先解決的是未知網(wǎng)絡(luò)流量的篩選問題，通過半監(jiān)督譜聚類方法實現(xiàn)對未知網(wǎng)絡(luò)流量的篩選，提高了未知網(wǎng)絡(luò)流量篩選的效率；...

本發(fā)明提供一種郵箱賬號異常的檢測方法及檢測系統(tǒng)，該方法包括對郵件日志數(shù)據(jù)進(jìn)行清洗，提取有用信息；統(tǒng)計預(yù)設(shè)時間窗口內(nèi)各有用信息對應(yīng)的登錄行為數(shù)據(jù)；確定當(dāng)前時間窗口內(nèi)每一登錄行為數(shù)據(jù)所占的權(quán)重；根據(jù)各登錄行為數(shù)據(jù)及其對應(yīng)的權(quán)重計算賬戶行為異...

本發(fā)明實施例公開了一種異常賬戶確定方法、裝置及存儲介質(zhì)，涉及網(wǎng)絡(luò)安全領(lǐng)域。本發(fā)明的方法包括：對各賬戶的登錄地點數(shù)量進(jìn)行統(tǒng)計，并基于所述各賬戶的登錄地點數(shù)量得到異常閾值；將對應(yīng)的登錄地點數(shù)量大于或等于所述異常閾值的賬戶，作為疑似異常賬戶；...

本發(fā)明實施例公開了一種異常賬戶檢測方法、裝置及存儲介質(zhì)，涉及網(wǎng)絡(luò)安全領(lǐng)域。本發(fā)明的方法包括：對各賬戶的登錄失敗次數(shù)分別進(jìn)行統(tǒng)計，當(dāng)存在登錄失敗次數(shù)大于第一預(yù)設(shè)值L時，將所述賬戶作為第一風(fēng)險賬戶；獲取所述第一風(fēng)險賬戶進(jìn)行登錄操作的各個IP...

本發(fā)明涉及一種路由起源授權(quán)壓縮的編碼和解碼方法及系統(tǒng)，編碼方法包括以下步驟：給定一個AS的授權(quán)IP前綴集，用一棵IP前綴樹來維護(hù)IP前綴；將所述IP前綴樹拆解為多個互不相交的獨立子樹塊，每一個子樹塊由其根節(jié)點在原前綴樹中的位置唯一確定；...

本發(fā)明公開了一種可利用專家知識的申請書多標(biāo)簽層次分類方法，其步驟包括：1)對于申請書中的各類別文本數(shù)據(jù)，分別抽取每一所述文本數(shù)據(jù)中各類別的文本信息；對每一所述文本數(shù)據(jù)進(jìn)行編碼后添加對應(yīng)的類別編碼并發(fā)送給詞等級的編碼器，得到表征向量；2)...

本申請涉及一種材料的晶體結(jié)構(gòu)搜索方法包括：接收待搜索材料的成分信息及目標(biāo)性質(zhì)信息；基于待搜索材料的成分信息和遺傳算法確定若干初始化結(jié)構(gòu)種子；對若干初始化結(jié)構(gòu)種子進(jìn)行遺傳搜索；將當(dāng)前輪次遺傳搜索得到的晶體結(jié)構(gòu)輸入預(yù)訓(xùn)練的材料目標(biāo)性質(zhì)預(yù)測模...

本發(fā)明公開了一種煙葉感官質(zhì)量預(yù)測方法，其步驟包括：1)設(shè)定所集成弱分類器的數(shù)目K、損失函數(shù)以及所要分的類別數(shù)目R；2)基于樣本數(shù)據(jù)集對集成學(xué)習(xí)中的各弱分類器進(jìn)行訓(xùn)練并更新弱分類器的權(quán)重和煙草樣本的權(quán)重；其中訓(xùn)練第k個弱分類器時，第k個弱...

本發(fā)明涉及一種管道數(shù)字化管理的方法及系統(tǒng)。管道數(shù)字化管理的系統(tǒng)包括：數(shù)據(jù)錄入模塊，用于將采集到的管道信息數(shù)據(jù)集存入第一數(shù)據(jù)庫；模型管理模塊，用于根據(jù)已存儲的管道信息數(shù)據(jù)集訓(xùn)練得到針對目標(biāo)場景的業(yè)務(wù)預(yù)測模型，并將業(yè)務(wù)預(yù)測模型存入第二數(shù)據(jù)庫...

本發(fā)明提供一種基于數(shù)據(jù)驅(qū)動的材料性質(zhì)預(yù)測方法及系統(tǒng)。在一個實施例中，獲取目標(biāo)材料的預(yù)測數(shù)據(jù)集；根據(jù)所述目標(biāo)材料的預(yù)測數(shù)據(jù)集獲取所述目標(biāo)材料的初始特征向量；將所述初始特征向量輸入到特征重組網(wǎng)絡(luò)模型中，得到所述目標(biāo)材料的重組特征向量；根據(jù)所...

本發(fā)明涉及一種數(shù)據(jù)傳輸方法、裝置、網(wǎng)絡(luò)中繼設(shè)備及系統(tǒng)。其中，數(shù)據(jù)傳輸方法包括：數(shù)據(jù)發(fā)送端通過數(shù)據(jù)傳輸鏈路向數(shù)據(jù)接收端發(fā)送業(yè)務(wù)數(shù)據(jù)包；數(shù)據(jù)發(fā)送端在確定數(shù)據(jù)接收端未接收到業(yè)務(wù)數(shù)據(jù)包后，數(shù)據(jù)接收端向數(shù)據(jù)傳輸鏈路上的第一網(wǎng)絡(luò)中繼設(shè)備發(fā)送對應(yīng)于業(yè)...

本發(fā)明涉及一種應(yīng)用于區(qū)塊鏈域名系統(tǒng)的分布式在線測試系統(tǒng)，該分布式架構(gòu)包括：測試節(jié)點群、后端服務(wù)器和前端服務(wù)器；該系統(tǒng)包括：用戶及用戶組管理模塊、菜單和權(quán)限管理模塊、測試節(jié)點管理模塊、測試項管理模塊和成果展示模塊。本發(fā)明通過集中管理、調(diào)用...

本發(fā)明實施例涉及一種數(shù)據(jù)異常檢測方法及裝置。方法包括：獲取當(dāng)前時刻流量的觀測值；計算所述觀測值和當(dāng)前時刻流量的預(yù)測值所對應(yīng)的當(dāng)前時刻的殘差；建立時間序列滑動窗口；將所述當(dāng)前時刻對應(yīng)的殘差按時間序列放入當(dāng)前時刻所對應(yīng)的所述時間序列滑動窗口...

本發(fā)明提出一種灰白質(zhì)體積異常檢測矯正方法，包括：基于行為學(xué)量表，獲取測試對象的行為學(xué)評分結(jié)果，以及對應(yīng)于所述行為學(xué)量表的行為學(xué)與腦結(jié)構(gòu)之間的映射模板；將所述行為學(xué)評分結(jié)果與所述映射模板加權(quán)，獲得加權(quán)模板；對測試對象的磁共振成像數(shù)據(jù)進(jìn)行V...