-
公开(公告)号:CN118194012A
公开(公告)日:2024-06-14
申请号:CN202410192850.X
申请日:2024-02-21
IPC: G06F18/213 , G06F18/25 , G06F18/24 , G06N7/01 , G06V20/58 , G06V10/44 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/0442
Abstract: 本申请的实施例提供了一种数据知识双驱动的多模态大模型的可信度增强方法及装置。该方法包括:将预处理后的各待处理数据输入至预先训练完成的多模态大模型中,以使多模态大模型输出对应的融合特征;基于预先设定的时空碰撞策略,将融合特征与预设的知识基础进行时空碰撞处理,得到时空碰撞结果以确定融合特征对应的初始可信度;采用贝叶斯公式,将融合特征和时空碰撞结果进行概率融合,得到融合结果以对初始可信度进行更新,得到融合特征对应的目标可信度;将融合特征和目标可信度输入至预先训练完成的分类网络中以得到分类结果。本申请实施例的技术方案可以准确确定模型输出结果的可信度,进而提升后续决策质量。
-
公开(公告)号:CN117271838A
公开(公告)日:2023-12-22
申请号:CN202311099808.5
申请日:2023-08-29
Applicant: 厦门大学
IPC: G06F16/901 , G06F9/48 , G06N3/042 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种车载有向无环图任务调度方法及系统,其中方法包括:构建车载任务有向无环图模型,获取各个子任务对应的拓扑结构信息;利用图神经网络对当前子任务对应的拓扑结构信息进行双向聚合,以得到当前子任务对应的高维特征表示;构建车辆通信网络,获取历史子任务的调度策略、所有待执行任务车辆的计算能力和实时位置信息,以得到车辆通信网络的手工特征表示;将当前子任务对应的高维特征表示和手工特征拼接后输入到深度强化学习网络以得到当前子任务的调度策略,以根据调度策略对当前子任务进行调度分配;由此,不仅能够利用图神经网络提高传统深度强化学习算法面对新有向无环图车载任务的泛化能力,还能够实时调度车载任务。
-
公开(公告)号:CN113688686B
公开(公告)日:2023-10-27
申请号:CN202110843795.2
申请日:2021-07-26
Applicant: 厦门大学
IPC: G06V20/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06F3/01 , H04N17/00
Abstract: 本发明公开了一种基于图卷积神经网络的虚拟现实视频质量评价方法、介质及设备,其中方法包括:获取失真VR视频,并抽取失真VR视频的视频帧;将失真VR视频帧建模为具有旋转等变性的二十面体图,并对二十面体图进行切割,以得到第一失真VR视频帧切片;构建图卷积网络模型,并训练得到最终图卷积网络模型;获取待评价VR视频,并对待评价VR视频进行预处理,以得到待评价VR视频对应的第二失真VR视频帧切片,以及将第二失真VR视频帧切片输入到最终图卷积网络模型,以便通过最终图卷积网络模型对待评价VR视频进行评价;能够自动对VR视频进行质量评价,降低VR视频质量评价过程中的计算复杂度;提高评价准确度的同时,降低评价过程中的计算复杂度。
-
公开(公告)号:CN111126667B
公开(公告)日:2023-04-07
申请号:CN201911180085.5
申请日:2019-11-27
Applicant: 厦门大学
IPC: G06Q10/04 , G06Q10/0631 , G16H40/20
Abstract: 本发明公开了一种基于主动拓扑优化的车辆任务卸载及资源分配方法及系统,其中该方法包括:预先获取待停车区域的车辆信息和待处理的业务信息;将所有已停车位置信息分别与每一个未停车位置信息进行组合以构建多个车载云模型以及其对应的第一邻接矩阵;根据待处理的业务信息构建业务模型以及其对应的第二邻接矩阵;根据每个车载云模型对应的第一邻接矩阵和第二邻接矩阵判断每个车载云模型与业务模型是否匹配,并计算与业务模型相匹配的车载云模型所对应的效用函数值;获取最小的效用函数值所对应的未停车位置信息;由此,通过提前构建最优的通信拓扑,以保证医疗救助车辆直接停泊于资源利用率最高的停车点,从而大大增加了伤员存活率。
-
公开(公告)号:CN114926261A
公开(公告)日:2022-08-19
申请号:CN202210447578.6
申请日:2022-04-26
Applicant: 厦门大学
Abstract: 本发明公开了一种汽车金融用户申请欺诈概率预测方法及介质,其中方法包括:获取用户的历史申请数据,并进行分组;进行数据衍生,以衍生出多维特征;对多维特征进行过滤式筛选,随后进行集成式递归特征消除,以得到最优特征;对最优特征进行最优分箱,并对每个分箱进行WOE编码;进行欠采样和过采样组合处理,以生成训练样本集;根据训练样本集进行模型训练,以得到各单模型,并进行模型融合,以生成最终欺诈概率预测模型;获取用户申请信息,并将用户申请信息输入最终欺诈概率预测模型,以通过最终欺诈概率预测模型输出欺诈概率;能够根据用户的申请信息对欺诈概率进行自动计算,有效防止欺诈骗车行为的发生,保障汽车金融公司的财产安全。
-
公开(公告)号:CN113438661B
公开(公告)日:2022-07-12
申请号:CN202110674531.9
申请日:2021-06-17
Applicant: 厦门大学
Abstract: 本发明公开了一种基于池化的闭环自适应波束管理方法、介质及设备,其中方法包括:用户设备判断自身存在波束接入需求时进行波束测量,并确定期望接入点集合;以及将期望接入点集合发送给边缘服务器;边缘服务器进行关联决策,并将关联决策结果发送给用户设备;如果允许接入,则边缘服务器对用户设备波束资源池进行更新;用户设备进行相应波束关联,边缘服务器对接入点波束资源池进行更新;进行波束跟踪,并判断是否需要进行波束释放,如果是则对相应波束进行释放,并对用户设备波束资源池和接入点波束资源池进行更新;将波束关联和波束跟踪过程进行闭环设计,通过自适应的调整转换周期,使得系统效用函数维持在最优状态。
-
公开(公告)号:CN109583357B
公开(公告)日:2022-07-08
申请号:CN201811413568.0
申请日:2018-11-23
Applicant: 厦门大学
Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法,提供:对齐分区局部二值模式初次识别测试单元,APLBP与轻量化卷积神经网络级联的二次识别测试单元,APLBP识别测试单元,轻量化卷积神经网络并行流水线模块加速单元,计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域,对于人脸图像的主要区域与次要区域,提取中心点LBP像素特征值;通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势,通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速,从而达到速度和准确率的双向提升。
-
公开(公告)号:CN109344758B
公开(公告)日:2022-07-08
申请号:CN201811118268.X
申请日:2018-09-25
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种基于改进局部二值模式的人脸识别方法,拍摄人脸图片,采用人脸检测算法进行人脸检测,并进行裁剪;对得到的人脸图像,获取特征点的坐标,根据坐标对人脸图像进行处理,得到人脸的正脸图片,并分成训练集和测试集;采用基于4进制的近邻LBP算法计算对应参数;采用基于4进制的近邻LBP算法计算测试集与训练集中图片的特征值,在测试集中任意选取一张图片,并计算其特征向量与训练集中所有图片特征向量的欧氏距离,选取欧氏距离最小的训练样本作为此待测样本的识别结果,并与其标签进行比较,计算识别率,输出识别结果。本发明提出的方法能更好地反映图形的纹理特征,提高人脸识别的准确率。
-
公开(公告)号:CN114187544A
公开(公告)日:2022-03-15
申请号:CN202111447603.2
申请日:2021-11-30
Applicant: 厦门大学
Abstract: 本发明提出了一种大学英语演讲多模态自动评分方法、介质及设备,其中方法包括:获取历史演讲数据;提取文本特征、音频特征和视频特征,并进行模型的训练,以得到语言使用评分子模型、言语表达评分子模型和非语言评分子模型;根据三个子模型的输出和综合评分生成第四数据集;进行模型的训练,以得到多模态融合学习模型;获取待评分演讲视频,并提取对应的文本特征、音频特征和视频特征,以及通过三个子模型输出对应的单项评分;将单项评分输入到多模态融合学习模型,以通过多模态融合学习模型输出待评分演讲视频对应的最终评分结果;能够对英语演讲进行多模态评分,提高评分准确性、评分效率;同时,降低英语演讲评分所需成本。
-
公开(公告)号:CN112383368B
公开(公告)日:2022-03-04
申请号:CN202011092683.X
申请日:2020-10-13
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04B17/318 , H04W72/04 , H04W72/08
Abstract: 本发明公开了一种波束测量方法、介质、设备及系统,基站包括多个波束,其中,每个波束具有相应的覆盖区域;方法包括:获取每个波束对应的概率分布值,并根据概率分布值对多个波束进行排序,以及根据波束的排序进行物理层参考信号接收功率测量;根据测量结果更新每个波束对应的概率分布值,并根据更新后的概率分布值计算对应的标准差和期望值;判断标准差是否小于等于预设的最大标准差阈值;如果是,则根据期望值对多个波束进行排序,并根据排序结果依序向终端设备发送波束对应的参考信号,以及根据该参考信号对波束进行测量,以便根据测量结果选择终端设备的工作波束;能够在移动通信过程中,对波束进行有效测量,同时,提高波束测量效率。
-
-
-
-
-
-
-
-
-