-
公开(公告)号：CN111486847A
公开(公告)日：2020-08-04
申请号：CN202010359481.0
申请日：2020-04-29
Applicant: 华中科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种无人机导航方法及系统，首先基于无人机目标飞行区域的原始时空指标数据，构建目标飞行区域环境的扩展层次图，然后通过前向探索矩阵在时间维度上批量进行前向搜索，能够实现并行探索，得到后向路径导航矩阵；最后基于后向路径导航矩阵进行后向回溯，得到最终的导航路径，本发明将复杂动态环境下的多目标优化问题，通过指标数据的融合，将最短路径问题转化为坠毁期望最小的最优路径规划，能够高效地从一个起始点向多个目标点进行最优路径的规划，提高无人飞行器导航的准确性，在满足无人飞行器导航安全性的同时，在三维动态环境中进行导航时计算效率较高。
-
公开(公告)号：CN110245682A
公开(公告)日：2019-09-17
申请号：CN201910393542.2
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于话题的网络表示学习方法，属于网络表示学习技术领域。本发明方法包括：设计一种自编码器模型，定义模型结构、输入输出数据的形式，以保留网络拓扑结构所表示的结构特征；利用网络中的结点信息对该自编码器网络模型进行扩展，提取网络中结点所包含的信息，将话题因素融入其中，以保留其所表示的语义特征，同时保留全局网络的结构特征；通过自编码器将两类特征融合到网络结点低维特征表示中，得到基于话题的网络表示学习。本发明方法结合大规模信息网络的特点和深度学习算法，从信息网络结构和结点所包含的信息特点出发，以获得更加有效的网络结点的嵌入表示。
-
公开(公告)号：CN110222149A
公开(公告)日：2019-09-10
申请号：CN201910412987.0
申请日：2019-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于新闻舆情的时间序列预测方法，包括：根据时序数据的时间片信息获取包含目标关键词的新闻，计算每个时间片对应新闻的舆情向量；时间序列数据和计算得到的舆情向量构成新数据集，利用卷积神经网络获取新数据集的历史长期依赖特征和历史短期依赖特征；将新数据集和获取到的历史长期依赖特征、历史短期依赖特征作为训练集，输入搭建好的LSTM网络中进行训练，训练完成后得到时间序列预测模型；将待预测的时间序列数据和对应的新闻输入到所述时间序列预测模型中进行预测，得到预测的目标信息。本发明融合实时性强的新闻来解决突发情况对时序数据的影响，同时发掘时序数据的长短期依赖特征，使得预测效果更加稳定和精确。
-
公开(公告)号：CN109636303A
公开(公告)日：2019-04-16
申请号：CN201811262115.2
申请日：2018-10-27
Applicant: 华中科技大学
IPC: G06Q10/10 , G06F16/951 , G06F16/22 , H04L29/08
CPC classification number: G06Q10/103 , H04L67/02 , H04L67/06
Abstract: 本发明公开了一种半自动提取和结构化文档信息的存储方法及系统，主要实现对文档信息的半自动分类提取和结构化。系统中WebUI模块提供的Web界面用于支撑项目管理模块、提取项收集模块和用户管理模块；项目管理模块导入待分析的PDF文档；提取项收集模块对待提取列表中的信息进行人工校准和保存；用户管理模块是对用户权限的管理；采用存储模块保存文档元信息和提取项信息；实现对文档信息的自动化提取和结构化，核心采用自动化提取算法模块，用于将上传的文档扫描后自动检测生成提取项的页面预测，同时对提取项收集模块得到的信息进行结构化；本系统实现了对文档信息半自动提取和结构化，使存储的信息更合理化，同时提升了系统的速度和效率。
-
公开(公告)号：CN108804576A
公开(公告)日：2018-11-13
申请号：CN201810504726.7
申请日：2018-05-22
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于链接分析的域名层级结构探测方法，包括：对初始URL进行数据爬取并跟踪链接进行深度分布式爬取，得到待分析机构的域名集合与域名链接关系；利用待分析机构的域名集合与域名链接关系构建链接网络有向图，利用链接网络有向图进行聚类计算，得到聚类结果，计算链接有向图中每个节点的重要度；利用聚类结果和链接有向图中每个节点的重要度对链接网络有向图进行有向图边加权，得到加权有向图；在加权有向图上使用基于最短路的算法计算节点从属关系，得到待分析机构的域名从属关系树形结构。本发明具有较高的数据爬取效率和域名采集覆盖率；本发明在保证结构提取高效性的同时，也极大提高了域名从属关系探测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108647739A
公开(公告)日：2018-10-12
申请号：CN201810475496.6
申请日：2018-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了基于改进的密度峰值聚类的社交网络社区发现方法，该方法首先为网络中的每个用户计算两个指标：局部密度和相对距离，其中局部密度的计算采用高斯核密度估计，而相对距离则表示用户与密度比它大而离它最近的点之间的距离。然后，基于高斯分布选取局部密度很大且相对距离相对较大的点作为社区中心，剩余的非中心点则被分配到密度比它大而离它最近的点所在的社区当中。最后，基于合并因子来度量两个社区之间的距离，合并因子大于给定阈值的社区被合并为一个社区。与现有技术相比，本发明可以同时发现社交网络中的球形和非球形的社区结构，在获得较高的准确性的前提下，只需要更少的参数，解决了任意形状社区的聚类问题。
-
公开(公告)号：CN107341571A
公开(公告)日：2017-11-10
申请号：CN201710497921.7
申请日：2017-06-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于量化社会影响力的社交网络用户行为预测方法，该方法包括数据爬取、数据预处理、构建网络图、用户兴趣提取、用户间影响力量化、预测建模、模型训练评估。主要用于在大规模社交网络中实现对用户行为，例如社交网络如Twitter上的转推行为进行预测。同现有技术相比，本发明首先考虑量化社交网络中用户间的社会影响力，并将该量化的影响力引入到预测模型中来，使得预测模型能够充分考量一个给定用户周围的其他用户对该用户行为的影响，并且本发明从用户兴趣这一角度出发来进行用户行为的预测，通过量化的社会影响力来计算用户的兴趣，并最终由用户兴趣来推测用户的行为，具有更高的准确度。
-
公开(公告)号：CN102620679B
公开(公告)日：2014-11-12
申请号：CN201210087521.6
申请日：2012-03-29
Applicant: 华中科技大学
Abstract: 本发明提供了一种光纤布拉格光栅矢量弯曲传感器，包括刻写有光纤布拉格光栅的光纤，所述光纤布拉格光栅是通过对所述光纤的单面激光照射形成，所述光纤布拉格光栅中心与所述光纤的中心存在偏离，所述布拉格光栅的条纹与所述光纤轴向形成倾斜角。本发明在两个维度上具有不对称性，能够测量任何方向上弯曲的曲率。
-
公开(公告)号：CN103763319A
公开(公告)日：2014-04-30
申请号：CN201410026787.9
申请日：2014-01-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种移动云存储轻量级数据安全共享方法，方法包括：数据拥有者在可信第三方注册属性集合，数据拥有者为用户指定属性集合，可信第三方根据用户的属性集合使用属性密码机制对用户授权生成属性密钥，数据拥有者使用移动端共享文件时，首先采用对称密码机制对文件加密，通过代理加密服务器使用属性密钥机制对对称密钥加密，并将文件密文及密钥密文发送到云端，用户从云端读取文件密文及密钥密文后，通过代理解密服务器使用属性密码机制解密文件，数据拥有者向可信第三方及云端发送权限变更声明，可信第三方及云端根据用户权限变更声明判断为用户增加或删除权限。本发明能在电量和计算能力有限的移动端实现数据的安全共享。
-
公开(公告)号：CN101139701B
公开(公告)日：2010-06-30
申请号：CN200710053648.5
申请日：2007-10-19
Applicant: 华中科技大学
Abstract: 本发明公开了一种脉冲激光沉积制备硅基金红石相TiO2薄膜的方法。先将清洗后的Si基片和纯度大于等于99.9％的二氧化钛靶放入真空室中，再将真空室抽真空到1×10-3-6×10-3Pa，通入0.5Pa-5Pa的氩气气氛，或者通入0.05Pa-0.5Pa的氧气气氛，并将Si基片加热到500-800℃；然后采用KrF准分子激光器，将激光通过透镜聚焦到二氧化钛靶材上，激光束的能量为340-750mJ，激光重复频率为1-10Hz，产生的二氧化钛等离子体向外发射至Si基片上，得到金红石相的纳米二氧化钛薄膜。本发明采用二氧化钛靶材，改变脉冲激光沉积过程中的参数，在硅基片上直接生长纯金红石相的TiO2薄膜。本发明方法简单，薄膜组分均匀，且具有良好的结晶性能。本发明方法可以较好地与传统半导体工艺相衔接，具有较好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.034 seconds)
