-
公开(公告)号：CN105913064A
公开(公告)日：2016-08-31
申请号：CN201610222896.7
申请日：2016-04-12
Applicant: 福州大学
CPC classification number: G06K9/4671 , G06T2207/10004
Abstract: 本发明涉及一种图像视觉显著性检测拟合优化方法，包括以下步骤：S1：采用直方图统计显著性图像集和标注图像集中的显著性数据，分别形成自变量点集和因变量点集；S2：采用相应的拟合函数模型对自变量点集和因变量点集数据进行拟合，得到拟合函数；S3：将拟合函数作用到新的显著性图中的显著性数据上，得到拟合后的显著性数据；S4：对拟合后的显著性数据进行[0,255]约束处理，得到优化后的显著性图。该方法使各显著性检测算法优化后的显著性图比优化前更加接近用户标注的标准图，适用于多种显著性检测算法的优化。
-
公开(公告)号：CN105740977A
公开(公告)日：2016-07-06
申请号：CN201610058054.2
申请日：2016-01-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于多目标粒子群的停电管理优化方法，包括以下步骤：步骤1，读取停电线路原始数据，获取停电线路的各项指标；步骤2，初始化粒子群，设置粒子群算法的参数，随机初始化粒子群形成初始可行解；步骤3，分别计算各个粒子的适应度，得到各个粒子的局部最优和整体的全局最优；步骤4，采用罚函数法对不可行解进行惩罚，保存最优解；步骤5，采用解更新策略对粒子的速度和位置进行更新；步骤6，判断是否满足终止条件，若满足，则算法结束，否则返回步骤2；步骤7，输出具体的停电计划。该方法有利于使电网大规模停电管理的可靠性、经济性与资源配置达到综合最优。
-
公开(公告)号：CN105095403A
公开(公告)日：2015-11-25
申请号：CN201510396173.4
申请日：2015-07-08
Applicant: 福州大学
CPC classification number: G06F16/951 , G06Q50/01
Abstract: 本发明涉及一种基于混合了局部与全局近邻消息传播和并行计算技术的社区发现算法。主要步骤：步骤S1：读取原始数据，获取网络节点及节点近邻信息；步骤S2：根据节点及近邻相似度信息进行并行相似度计算；步骤S3：初始化迭代次数iter=1，代表点集Sete=Φ；步骤S4：支持度消息的并行计算及更新；步骤S5：适选度消息的并行计算更新；步骤S6：代表点的并行计算，及Sete的更新；步骤S7：判断迭代停止条件，若条件不满足，则iter=iter+1，返回步骤S4；步骤S8：根据代表点信息输出社区结构。该算法应用于大规模社交网络中的社区发现，为Web2.0为特征的社交网络应用提供极具商业价值的社区、兴趣团体等信息。
-
公开(公告)号：CN105046708A
公开(公告)日：2015-11-11
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/30168
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
公开(公告)号：CN104700311A
公开(公告)日：2015-06-10
申请号：CN201510046397.2
申请日：2015-01-30
Applicant: 福州大学
IPC: G06Q50/00
Abstract: 本发明涉及社会网络技术领域，特别是一种社会网络中的邻域跟随社区发现方法，包括以下步骤：步骤A：读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络图；步骤B：根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系；步骤C：根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划分至同一社区，得到社会网络的社区结构。该方法可提高社区检测的精度和效率，且具有接近线性的时间复杂度，能够快速有效地挖掘社会网络中的社区结构，可应用于目标群体挖掘、精确营销等领域。
-
Patent Agency Ranking
公开(公告)号：CN104598605A
公开(公告)日：2015-05-06
申请号：CN201510046398.7
申请日：2015-01-30
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30861
Abstract: 本发明涉及一种社交网络中的用户影响力评估方法，该方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图G；步骤B：根据社交网络图，遍历社交网络图中的所有节点，根据节点的度初始化每个节点的影响力标签，结束遍历；步骤C：根据社交网络图，遍历社交网络图中的所有节点，根据所遍历节点的邻居节点的影响力等级，计算所遍历节点的影响力等级；步骤D：重复步骤C，直到每个节点的影响力等级均收敛。该方法具有接近线性的线性时间复杂度，可有效地分析大规模社交网络中的用户影响力分布情况，挖掘高影响力用户，可应用于网络营销等领域。
-
公开(公告)号：CN103678671A
公开(公告)日：2014-03-26
申请号：CN201310725401.9
申请日：2013-12-25
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及社交网络技术领域，特别是一种社交网络中的动态社区检测方法，所述方法包括如下步骤：对于动态变化的社交网络，获取社交网络的某个时间片(时刻)的快照，构造快照的社交网络图；首先对初始时刻的社交网络图进行社区划分，对社交网络的后续某个时间片（时刻）的快照，则通过与上一时刻快照的对比，找出增量节点集合；计算增量节点所占比例，如果增量节点比例超出指定阈值，对完整的快照网络进行社区划分，反之仅对增量节点集合进行社区划分，获得社交网络的某个时刻快照的社区结构。所述方法可有效的挖掘社交网络中的社区结构，可应用于目标群体挖掘、精确营销等领域。
-
公开(公告)号：CN116402720B
公开(公告)日：2025-05-13
申请号：CN202310396874.2
申请日：2023-04-14
Applicant: 福州大学
IPC: G06T5/73 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于反向去雨过程引导的图像雨滴去除方法。包括以下步骤：步骤S1、进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；步骤S2、设计多重注意力模块，采用像素注意力、通道注意力和空间注意力提取图像特征；步骤S3、设计基于多重注意力模块的U形编码器解码器网络，用于提取图像不同尺度下的特征；步骤S4、设计图像特征融合模块，该模块融合图像特征和原始图像，得到融合后的恢复图像；步骤S5、设计正向雨滴去除网络和反向雨滴去除网络，利用反向雨滴去除网络引导训练正向雨滴去除网络；步骤S6、将附着雨滴图像输入训练好的正向雨滴去除网络，输出去除雨滴的干净图像。
-
公开(公告)号：CN114490991B
公开(公告)日：2025-03-11
申请号：CN202210109486.7
申请日：2022-01-28
Applicant: 福州大学
IPC: G06F16/3329 , G06F16/334 , G06N3/0455 , G06N3/084 , G06N3/096 , G06F18/25 , G06F18/24
Abstract: 本发明涉及一种基于细粒度局部信息增强的对话结构感知对话方法及系统，该方法包括以下步骤：步骤A：获取特定场景的多轮对话文本，并标注每个多轮对话回复所属的类别，构建带正负类别标签的训练集D；步骤B：使用训练集D训练细粒度局部信息增强的对话结构感知深度学习网络模型SAFL，用于选择给定多轮对话上下文对应的回复；步骤C：将多轮对话上下文与回复集输入到训练后的深度学习网络模型SAFL中，得到对应多轮对话上下文最合适的回复。该方法及系统有利于提高提高多轮对话回复选择的精确度。
-
公开(公告)号：CN119293347A
公开(公告)日：2025-01-10
申请号：CN202411213861.8
申请日：2024-08-31
Applicant: 福州大学
IPC: G06F16/9536 , G06F16/3329 , G06F16/353 , G06F18/25 , G06F18/214 , G06N3/0499
Abstract: 本发明涉及一种基于主题增强与对话中心的对话摘要方法及系统，该方法包括：提取用户对话、用户对话摘要并标注标签，构建训练集；使用训练集及嵌入主题模型训练基于主题增强与对话中心的深度学习网络模型M，模型M获取对话的话语级表示和话语级主题特征表示，并以其作为输入，采用特征感知元网络为特征去除噪声，利用多头注意力捕捉特征之间的语义关联性，使用门控机制进行过滤融合得到主题增强的对话上下文特征表示，并为其赋权得到最终表示；以最终表示作为输入来生成对话摘要来训练模型，从而学习用户对话和用户对话摘要之间的语义关系；将用户对话输入到训练后的模型M中，输出用户对话的摘要。该方法及系统有利于提高对话摘要的准确性。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.023 seconds)
