-
公开(公告)号：CN114911950B
公开(公告)日：2024-08-06
申请号：CN202210498442.8
申请日：2022-05-09
Applicant: 中南大学
IPC: G06F16/36 , G06F16/28 , G06F40/295 , G06F40/30 , G06N5/022 , G06N5/04 , G06Q10/0639 , G06Q50/04
Abstract: 本公开实施例中提供了一种注塑产品质量监控过程知识图谱构建及推理方法，属于计算技术领域，具体包括：在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点；在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。通过本公开的方案，实现了定性知识与定量知识融合，提高了知识图谱的可拓展性、推理效率和可靠性。
-
公开(公告)号：CN113269067A
公开(公告)日：2021-08-17
申请号：CN202110532120.6
申请日：2021-05-17
Applicant: 中南大学
Abstract: 本发明涉及一种基于深度学习的周期性工业视频片段关键帧两阶段提取方法。该方法包括：获取工业视频图像，提取感兴趣区域，预处理，得到预处理后图像序列；构建基于深度学习的语义分割网络模型，提取所述预处理后图像的目标区域；第一阶段，构建卷积神经网络对所述预处理后图像进行分类，并对其时间序列进行分割，得候选关键帧序列集合；第二阶段，构建所述目标区域相似度矩阵，对所述候选关键帧序列进行聚类、筛选和融合，得关键帧。本发明针对工业视频特征复杂，当前方法缺乏全局性和局部性的问题，引入深度学习技术，以“先全局后局部”的两阶段思想，更快、更准确地提取了工业视频关键帧，对优化生产，实现提质增产具有指导意义。
-
公开(公告)号：CN114238638B
公开(公告)日：2024-11-26
申请号：CN202111574148.2
申请日：2021-12-21
Applicant: 中南大学
IPC: G06F16/35 , G06F18/214 , G06F18/22 , G06F18/23213
Abstract: 本公开实施例中提供了一种基于成对约束和集群引导的深度半监督文本聚类方法，属于数据处理技术领域，具体包括：对目标文本数据进行预处理和向量化，得到多维向量；根据多维向量学习目标文本数据的隐层特征，并将隐层特征输入预设算法进行聚类，得到初始聚类中心；计算聚类损失；利用交叉熵生成成对约束损失；并计算全部有标签集群和全部无标签集群的集群分配损失；根据重构误差、聚类损失、成对约束损失和集群分配损失计算联合损失函数，并根据联合损失函数迭代达到预设条件时，得到聚类结果。通过本公开的方案，充分挖掘标签中的监督信息，加强了其与无标签集群之间的引导学习，提高了深度半监督聚类模型的鲁棒性，同时提升了文本聚类的精度。
-
公开(公告)号：CN113283339B
公开(公告)日：2023-04-07
申请号：CN202110570240.5
申请日：2021-05-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于机器视觉的工业矿料运输皮带少料异常监测方法，获取工业运输皮带监测视频图像，复杂环境下异常监测图像的特征增强，采用融合两区域特征的皮带感兴趣区域两步提取方法，提取皮带感兴趣区域，采用边缘检测方法提取皮带表面矿料边缘，采用灰度共生矩阵对皮带表面纹理信息进行分析，采用基于Grubbs准则法的粗大误差处理方法对提取的图像特征量进行数据预处理，采用加权排序雷达图的方法将皮带表面纹理信息与矿料边缘信息进行融合，对工业矿料运输皮带少料异常进行判断。本发明实现对工业矿料运输皮带少料异常进行更快、更准、更全面的判断，对提高生产效率，减少异常影响范围具有重大意义。
-
公开(公告)号：CN113283339A
公开(公告)日：2021-08-20
申请号：CN202110570240.5
申请日：2021-05-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于机器视觉的工业矿料运输皮带少料异常监测方法，获取工业运输皮带监测视频图像，复杂环境下异常监测图像的特征增强，采用融合两区域特征的皮带感兴趣区域两步提取方法，提取皮带感兴趣区域，采用边缘检测方法提取皮带表面矿料边缘，采用灰度共生矩阵对皮带表面纹理信息进行分析，采用基于Grubbs准则法的粗大误差处理方法对提取的图像特征量进行数据预处理，采用加权排序雷达图的方法将皮带表面纹理信息与矿料边缘信息进行融合，对工业矿料运输皮带少料异常进行判断。本发明实现对工业矿料运输皮带少料异常进行更快、更准、更全面的判断，对提高生产效率，减少异常影响范围具有重大意义。
-
Patent Agency Ranking
公开(公告)号：CN115391606A
公开(公告)日：2022-11-25
申请号：CN202210974217.7
申请日：2022-08-15
Applicant: 中南大学
IPC: G06F16/901 , G06F16/906 , G06F40/30 , G06V10/774
Abstract: 本申请适用于知识图谱技术领域，提供了一种知识嵌入方法，该方法包括：分别针对知识图谱中的每一三元组执行如下步骤：提取三元组中实体间的聚类特征和层次特征，并利用三元组中(h,c,t)的出现频次和(h,t)的出现频次，对聚类特征和层次特征进行频次增强处理，得到频次增强后的聚类特征和层次特征；将聚类特征、层次特征、频次增强后的聚类特征和层次特征均转换为三元组的评分值，并对三元组的所有评分值进行加权求和，得到频次增强融合模型；对频次增强融合模型进行训练，并将训练后的频次增强融合模型中的实体和关系的嵌入向量组作为知识图谱的知识表示嵌入结果。本申请能提升知识图谱的链接预测准确率。
-
公开(公告)号：CN110490496B
公开(公告)日：2022-03-11
申请号：CN201910880769.X
申请日：2019-09-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于分步约简筛选复杂工业过程中影响产品质量的敏感变量的方法，属于软测量技术领域，包括以下步骤：通过专家知识，选取影响产品质量的辅助变量并收集数据样本；综合考虑变量相关性与变量对工况变化的敏感性计算辅助变量敏感性指标，初步筛选影响主导变量的敏感变量；构建加权余弦马田系统，精确筛选影响产品质量的关键敏感变量。本发明可以准确地反应变量的相关性和工况信息，同时较好地降低变量的冗余性，不仅可以提高产品质量预测精度，而且可以有效地降低预测模型复杂性，对软传感器模型的维护同样具有重要意义。
-
公开(公告)号：CN115271071B
公开(公告)日：2025-05-02
申请号：CN202210942556.7
申请日：2022-08-08
Applicant: 中南大学
IPC: G06N5/02 , G06N5/022 , G06N3/0464 , G06N3/042
Abstract: 本公开实施例中提供了一种基于图神经网络的知识图谱实体对齐方法、系统及设备，属于数据处理技术领域，具体包括：步骤1，数据准备；步骤2，数据预处理；步骤3，构建图神经网络模型；步骤4，网络前向运算；步骤5，融合全局信息的分布迁移法；步骤6，融合局部信息的针对性负采样；步骤7，反向传播更新图神经网络模型权值参数；步骤8，重复步骤4至步骤7的内容，直至步骤7所述联合损失函数迭代达到预设条件；步骤9，整体匹配法输出对齐结果。通过本公开的方案，充分挖掘知识图谱中实体之间的全局以及局部信息，提升了知识图谱实体对齐任务的训练效率和精准度。
-
公开(公告)号：CN115238582B
公开(公告)日：2025-03-28
申请号：CN202210879183.3
申请日：2022-07-25
Applicant: 中南大学
IPC: G06F30/27 , G06F18/241 , G06N3/044 , G06N3/08 , G06N5/02 , G06F111/04 , G06F119/02
Abstract: 本公开实施例中提供了一种知识图谱三元组的可靠性评估方法、系统、设备及介质，属于数据处理技术领域，具体包括：利用预设嵌入模型训练数据集中的嵌入向量；对数据集进行预处理；利用知识图谱中的类型信息对训练集中每个三元组进行类型约束，并据此计算类型信息置信度；表征训练集中每个三元组的逻辑规则置信度；利用训练完成的嵌入向量计算实体关联置信度；利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量，求解其全局路径置信度；将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度和全局路径置信度训练二分类神经网络；利用目标识别网络评估待评估三元组的可靠性。通过本公开的方案，提高了三元组可靠性的分类效率和精度。
-
公开(公告)号：CN114911950A
公开(公告)日：2022-08-16
申请号：CN202210498442.8
申请日：2022-05-09
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种注塑产品质量监控过程知识图谱构建及推理方法，属于计算技术领域，具体包括：在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点；在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。通过本公开的方案，实现了定性知识与定量知识融合，提高了知识图谱的可拓展性、推理效率和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
