-
公开(公告)号：CN109726431A
公开(公告)日：2019-05-07
申请号：CN201811409064.1
申请日：2018-11-23
Applicant: 广东工业大学
IPC: G06F17/50
Abstract: 本发明提供一种基于平均核函数和迭代密度变化率的自适应SPH流体模拟方法，本发明在SPH框架下，通过迭代方式求解粒子密度与支撑域，利用总质量相等的邻居粒子群对目标粒子的物理量进行插值求解，再通过计算目标粒子的受力，从而求得目标粒子的位移量，完成对目标粒子状态的更新，并且针对自适应的粒子支撑域，基于粒子受力对称性目标，本发明解决了由于传统SPH粒子支撑域固定导致的粒子插值误差过大的问题，使得模拟结果更为接近物理事实，模拟仿真效果更加逼真，流体运动更加凝实，自适应的粒子支撑域，也使得力的插值效果更为出色；最后通过平均核函数，解决由于变支撑域引入的粒子相互作用力不对称问题，使得模拟系统更加稳定。
-
公开(公告)号：CN109460427A
公开(公告)日：2019-03-12
申请号：CN201811322845.7
申请日：2018-11-08
Applicant: 广东工业大学
IPC: G06F16/2458
Abstract: 本发明涉及一种面向用户动态偏好挖掘的节目嵌入方法，包括：读入点击行为序列集S；将点击节目表示为低维向量，并初始化输入特征向量和输出特征向量；然后使用训练样本集对节目特征向量进行优化；结合用户当前时刻的上下文节目的输入特征向量，刻画用户当前时刻的兴趣。本发明通过使用改进的词嵌入模型将节目特征进行降维，舍弃了以往完全使用时间作为用户偏好变化影响因子的做法，而采用行为窗口对目标节目进行建模，有效的避免了用户行为在固定的时间区间上可能存在的稀疏性，并且通过最大化条件概率是的学习到的节目向量表示能够有效地刻画用户偏好，克服了现有方法存在的不足和局限性。且学到的向量表示是稠密低维的。
-
公开(公告)号：CN109271488A
公开(公告)日：2019-01-25
申请号：CN201811166418.4
申请日：2018-10-08
Applicant: 广东工业大学
IPC: G06F16/33 , G06F16/955
Abstract: 本发明提供了一种结合行为序列和文本信息的社交网络用户间因果关系发现方法及系统，包括：S1)、数据获取；S2)、以最小的时间单位对数据进行等间距预处理；S3)、利用时序行为数据，优化目标函数以找到最优间隔；S4)用合并时刻拼接文本的方式重新构造文本数据，文本向量化表示；S5)对两两用户的文本向量序列进行传递熵计算；S6)、剪枝得到用户因果关系网络；S7)、用户因果网络存储与导出；S8)用户因果关系查询及可视化。本发明解决了用户活动稀疏给传递熵计算带来的问题；用文本数据推断社交网络的用户因果关系，信息量比纯粹的行为数据更丰富；提供了一个交互式的用户因果关系推断、查询和导出系统。
-
公开(公告)号：CN108304489A
公开(公告)日：2018-07-20
申请号：CN201810009636.0
申请日：2018-01-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于强化学习网络的目标引导型个性化对话方法与系统，包括用于协调控制整个对话过程的控制器、对话训练以及对话识别；其中，所述控制器用于控制整个对话流程；所述对话训练用于训练迭代优化强化学习网络；所述对话识别利用强化学习网络识别输出相对应的对话策略动作。本发明利用强化学习网络形成策略梯度神经网络系统，在对话训练过程中根据模拟用户建立个性属性模型并迭代优化强化学习网络，在对话识别中获取对话信息以及用户个性化属性后输入到强化学习网络，然后强化学习网络能够结合用户的个性化属性搭建统一输出模型，解决了传统方法模型不能有效的对个性化进行建模的缺陷，提高了该对话系统的智能化效率。
-
公开(公告)号：CN104166663B
公开(公告)日：2018-07-10
申请号：CN201410024392.5
申请日：2014-01-20
Applicant: 广东工业大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于多维度的打车位置推荐系统及其推荐方法，该系统包括：出租车历史GPS数据筛选和导入模块、MySQL数据库模块、基于Android平台的打车位置推荐客户端、数据挖掘算法训练数据库表模块、缓存刷新模块、服务器端与客户端衔接模块、后台管理系统。基于多维度的打车位置推荐方法能够有效地把握打车路口的时间维度、空间维度、客户打分参考等维度的空车概率信息，使综合各维度所得的空车概率趋于精确，客户打车的成功率得到较大提高。
-
Patent Agency Ranking
公开(公告)号：CN107169426A
公开(公告)日：2017-09-15
申请号：CN201710284869.7
申请日：2017-04-27
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于深度神经网络的人群情绪异常检测和定位方法，通过监控设备获取视频数据，并对其进行视频关键帧数据提取，并从视频关键帧数据获取每一帧的人脸图像数据，并进行对齐、分组、排序预处理，然后输入到训练好的基于卷积神经网络的人脸情绪识别模型中，并通过训练好的人群情绪检测和定位模型，获取监测视频数据中人群情绪异常检测和定位结果并反馈给监控设备工作人员，本发明设计合理，通过模型能够得到人群情绪异常与人群异常之间的关系，避免了人群异常与具体异常事件相关联而导致的检测局限性问题，另外，模型采用了混合的深度神经网络结构模型，从而进一步提高了视频人群情绪异常检测和定位的效率。
-
公开(公告)号：CN107066446A
公开(公告)日：2017-08-18
申请号：CN201710239556.X
申请日：2017-04-13
Applicant: 广东工业大学
Abstract: 本发明提供一种嵌入逻辑规则的循环神经网络文本情感分析方法，通过抓取用于训练的文本语料，进行情感类别标记，然后将情感标记的文本语料分为训练集语料、测试集语料，并对其进行分词处理，以及去停用词处理，然后采用word2vec算法对做分词处理、去掉停用词后的训练集语料和测试集语料进行训练，得到相应的词向量，将训练集语料和测试集语料输入现有的知识库结合概率图模型进行分析处理，通过逻辑循环神经网络结构(Logic‑RNN与Logic‑LSTM)，将一阶逻辑规则嵌入到循环神经网络中，本发明一方面可以达到控制循环神经网络的训练方向，更倾向人的直觉，另一方面提高了文本情感分析的精度，该方法也可以用于自然语言处理、机器学习的其他领域。
-
公开(公告)号：CN107016260A
公开(公告)日：2017-08-04
申请号：CN201710201797.5
申请日：2017-03-30
Applicant: 广东工业大学
IPC: G06F19/20
Abstract: 本发明涉及一种基于跨平台基因表达数据的基因调控网络重建方法，根据跨平台基因表达数据的特点，通过获取来自p个测序平台基因表达数据，并进行预处理，然后从每个基因样本中抽取n个基因表达量，并基于偏相关系数的混合型条件独立性测试得到每个基因表达量的父子节点集，将其应用于跨平台因果网络结构学习的学习网络骨架、确定v‑结构和最大化标志方向三个过程中，从而重建出跨平台基因调控网络，本发明利用因果图模型解决跨平台基因调控网络的问题，能直接有效地利用跨平台基因表达数据进行高维的基因调控网络重建的同时，避免数据预处理过程导致的数据过度平滑等问题，提高了跨平台基因调控网络重建结果的正确率和召回率。
-
公开(公告)号：CN106874433A
公开(公告)日：2017-06-20
申请号：CN201710059700.1
申请日：2017-01-24
Applicant: 广东工业大学
CPC classification number: G06F16/24564 , G06N5/046
Abstract: 本发明涉及一种基于峭度的因果网络推断方法，通过基于峭度选择外生变量、逐层找出因果次序和利用最小二乘法剪边检验剪边三个过程，从而输出完整的因果网络，本发明对干扰变量的非高斯性的程度不敏感，稳定性强，特别是当非高斯性很弱时，依然能够保持很高的识别率，复杂度低，只需要对每个变量自身计算峭度，是一种直接的估计方式，因果网络识别正确率高。
-
公开(公告)号：CN106454400A
公开(公告)日：2017-02-22
申请号：CN201610838513.9
申请日：2016-09-20
Applicant: 广东工业大学
IPC: H04N21/234 , H04N21/25 , H04N21/258 , G06F17/30
Abstract: 一种面向网络电视用户的时序主题偏好预测方法，通过提取用户d天观看电视节目的基本数据，将用户观看电视节目的时间d分为N时间片段，使用隐含狄利克雷分布(LDA)模型进行分析得到n个关于电视节目的主题以及电视节目在不同主题下的概率分布；运用最高分布概率替换原则，得到用户在不同时间片段的主题偏好，结合用户时序主题偏好及主题下电视节目的分布预测用户每一天各个时间片段里可能观看的电视节目以及用户特征，有利于电视运营商为用户提供高质量用户体验服务，有利于电视运营商结合用户特征推广增值服务及第三方商业服务，提高经济效益。本发明通过对提取的数据先进行清理，清除了一些实用性不强的数据，从而提高了预测结果的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.027 seconds)
