-
公开(公告)号：CN109117774A
公开(公告)日：2019-01-01
申请号：CN201810866990.5
申请日：2018-08-01
Applicant: 广东工业大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是一种基于稀疏编码的多视角视频异常检测方法，包括以下步骤：对帧图像进行多视角特征提取；对不同视角的特征进行稀疏编码，得到各个视角下的特征的稀疏表示；依据稀疏表示信息获得一个帧图像下的一致性表示矩阵并给相邻两帧之间的一致性表示矩阵赋予相应的权重值后得到字典A，然后利用字典A对异常事件的视频数据进行测试得到稀疏表示系数的重建误差，从而得到标准化的多视角视频异常检测模型。本发明通过提取视频帧图像多视角特征，建立多视角视频异常检测模型，整合视频多个视角下的特征信息来进行异常检测，并利用视频相邻两帧之间的时间想干性，减少了局部信息的损失，提高了异常检测准确度。
-
公开(公告)号：CN107169061A
公开(公告)日：2017-09-15
申请号：CN201710301194.2
申请日：2017-05-02
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明涉及一种融合双信息源的文本多标签分类方法，通过网络获取文本数据，将每篇文本按不同信息源分成信息源一和信息源二，并且将不同信息源文本分别采用空间向量模型表示，通过特征矩阵构建融合多种不同视角和特点的信息源的分类器，预测待分类的文本数据，得到分类标签结果，本发明设计合理、计算简单、预测准确，通过将具有不同视角和特点的两种信息源融合在模型中，提高了分类的准确性，避免了现有技术中分别对信息源构建分类器，再对多标签分类结果进行融合，导致忽略不同信息源之间、不同标签的相关性的问题，另外，通过将模型的求解过程转换成特征值的求解，不仅进一步简化了计算过程，而且还进一步提高了模型训练效率。
-
公开(公告)号：CN107169031A
公开(公告)日：2017-09-15
申请号：CN201710248113.7
申请日：2017-04-17
Applicant: 广东工业大学
Abstract: 本发明涉及数据挖掘、机器学习及神经网络技术领域，更具体地，涉及一种基于深度表达的图片素材推荐方法，在基于反向传播技术的神经网络模型下，利用Show And Tell技术、Doc2Vec技术及Image2Vec技术对文章及图片进行深度表达处理，并构建一个用于计算文章和图片匹配度的神经网络并对其进行训练和测试，最终得到一个准确率高的计算文章和图片匹配度的神经网络，将一篇文章和多张图片组成多个组合(D，I)，将多个组合一一输入该神经网络计算出各个组合的匹配度，即能为该篇文章推荐出匹配度最高的一幅图片，减轻使用者的劳动强度，为使用者带来便利。
-
公开(公告)号：CN107168945A
公开(公告)日：2017-09-15
申请号：CN201710239843.0
申请日：2017-04-13
Applicant: 广东工业大学
Abstract: 一种融合多特征的双向循环神经网络细粒度意见挖掘方法，通过互联网抓取特定网站的评论数据，并对其进行标注和预处理得到训练样本集，使用Word2Vec或Glove模型算法训练得到评论数据的词向量，并进行词性标注、依存关系标注等处理后向量化，将向量输入双向循环神经网络构建得到双向循环神经网络细粒度意见挖掘模型，本发明通过一个模型的训练同时抽取细粒度意见挖掘中属性词以及进行情感极性判断，从而进一步节约了大量的模型训练时间，提高训练效率，而且，无需专业技术人员对属性词进行人工抽取，从而节约了大量的人工成本，另外，可以通过用多种数据源训练模型，从而可以完成跨领域的细粒度意见分析，从而解决长距离情感要素依赖的问题。
-
公开(公告)号：CN107133104A
公开(公告)日：2017-09-05
申请号：CN201710338078.8
申请日：2017-05-15
Applicant: 广东工业大学
Abstract: 本发明提供一种分布式流数据处理应用在减载下资源感知的方法。本发明通过对减载情况下的分布式流式数据处理应用的实际负载的建模与分析，预测该应用在不进行减载操作情况下的真实负载。基于真实负载，本发明能够辅助分布式流式数据处理处理系统的资源管理和调度框架对应用所需要的计算、储存等资源做出正确的测量与分配。
-
Patent Agency Ranking
公开(公告)号：CN106569996A
公开(公告)日：2017-04-19
申请号：CN201610898432.8
申请日：2016-10-14
Applicant: 广东工业大学
CPC classification number: G06F17/2775 , G06F16/35 , G06F17/2795
Abstract: 本发明公布了一种面向中文微博的情感倾向分析方法。包括如下模块：欠采样技术模块，微博文本预处理模块，利用Word2vec扩展微博模块，特征提取模块，情感分析模型训练模块，情感倾向性判别模块。最终利用训练好的AWCRF模型对待预测的微博进行情感倾向判别。本发明的优势是能够有效地解决中文微博数据集在情感倾向分布不平衡时的情感倾向分类问题，实施简单，识别率高，具有很强的实际价值和现实意义。
-
公开(公告)号：CN104636751A
公开(公告)日：2015-05-20
申请号：CN201410795393.X
申请日：2014-12-11
Applicant: 广东工业大学
Abstract: 本发明公布了一种基于时间递归神经网络(recurrent neural network)的人群异常检测和定位系统及方法。该方法在对采集到的样本数据进行预处理的基础上对场景进行网格化划分，将由n帧构成的视频片段划分成多个时空块。然后从每个时空块中构造多规模光流直方图和Gabor小波纹理特征。向量化并合并多个时空块中的特征，将视频片段作为时间序列，分别利用时间递归神经网络的隐含节点和反馈节点来发现空间维度和时间维度的关系，训练能检测长依赖关系的时间递归神经网络模型。最后利用该模型进行人群异常检测和定位。该方法具有较好的实时性和准确性，能检测由少数个体或者是由大量个体触发的异常。
-
公开(公告)号：CN120086236A
公开(公告)日：2025-06-03
申请号：CN202510110328.7
申请日：2025-01-23
Applicant: 广东工业大学
Abstract: 本发明涉及SQL数据库的技术领域，提出一种SQL生成模型与基于SQL生成模型的多轮Text‑to‑SQL方法及系统，包括：语义增强模式提取单元、上下文提取单元和输出单元；语义增强模式提取单元用于基于原始序列和注释序列，求解原始序列中的所有表和列与当前问题的相关概率，并筛选出与当前问题的相关概率大于预设阈值的表和列来构建模式项序列；原始序列基于当前轮次对应的当前问题、当前轮次的前若干个轮次对应的过往问题，以及当前问题和过往问题对应的SQL数据库中的模式项信息构建而成，注释序列用于对原始序列进行注释；上下文提取单元用于基于语义增强模式提取单元的求解结果，检索与当前问题最相关的过往问题对应的SQL语句；输出单元用于基于模式项序列和上下文提取单元的检索结果，输出当前问题对应的SQL语句；该模型、方法和系统能够在多轮对话的情景下，准确生成SQL语句。
-
公开(公告)号：CN119204216A
公开(公告)日：2024-12-27
申请号：CN202411250385.7
申请日：2024-09-06
Applicant: 广东工业大学
IPC: G06N5/04 , G06N3/08 , G06N3/044 , G06N3/0499
Abstract: 本发明公开了一种基于最优传输理论和数据融合的辅助决策方法，所述方法包括：获取观测数据集和无隐藏混淆实验数据集并分别进行预处理；通过预处理后的观测数据集和无隐藏混淆实验数据集对预设的分布对齐调权神经网络进行训练，得到训练好的分布对齐调权神经网络；利用训练好的分布对齐调权神经网络对用户评估数据集进行因果效应估计，得到决策变量和长期输出结果的关系曲线；通过所述决策变量和长期输出结果的关系曲线进行辅助决策。本发明实现了高精确度的长期因果效应估计。
-
公开(公告)号：CN118862960A
公开(公告)日：2024-10-29
申请号：CN202410883825.6
申请日：2024-07-03
Applicant: 广东工业大学
IPC: G06N3/0455 , G06N3/092 , G06N3/096 , G06N3/006
Abstract: 本发明公开了一种基于因果强化学习的动态环境序列决策方法及系统。首先，通过引入隐变量刻画动态环境中未被观测随机信息，并分析历史序列决策轨迹信息及未被观测随机信息间的因果关系，基于所述因果关系构建动态环境因果模型，能够有效捕获环境机制的随机性；然后，基于分析得到的外生变量构建的因果价值函数，能够评估环境机制的随机性对奖励的影响，进而用于消除其对动作优势值的干扰；最后，设置因果编码网络和因果解码网络学习动态环境因果模型，能够有效地推导因果价值函数所需要的未被观测随机信息，同时借此客观评估动作优势值，解决计算过程中的高方差问题，完成智能体在动态环境中的序列决策，提高智能体序列决策的稳定性和迁移能力。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.042 seconds)
