-
公开(公告)号：CN114881150A
公开(公告)日：2022-08-09
申请号：CN202210511116.6
申请日：2022-05-11
Applicant: 东北大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82 , G06V40/20 , G01C21/16 , A61B5/11
Abstract: 本发明属于行为识别技术领域，提出了一种基于多位置传感器特征融合的行为识别系统及其方法。基于多位置传感器特征融合的行为识别系统包括数据模块和模型模块，数据模块将采集的原始数据进行存储以及预处理，获得动作图片，用于后续模型训练；模型模块包括特征提取子模块和分类子模块，得到最后的预测结果。本发明舍弃了全部数据之间的空间依赖性，而选择相关性更强的不同传感器相同轴向数据之间的空间依赖性，通过将数据按照(x，y，z)三轴方向抽取，数据融合后形成三组动作图片，再通过二级后融合模型进行特征融合，有效地提取到多维时序数据地时间与空间特征，从而达到准确识别人体行为的目的。
-
公开(公告)号：CN104317801A
公开(公告)日：2015-01-28
申请号：CN201410483041.0
申请日：2014-09-19
Applicant: 东北大学
IPC: G06F17/30
CPC classification number: G06F17/30303
Abstract: 一种面向大数据的数据清洗系统及方法，该系统应用层包括数据解析抽取模块、相似连接模块、相似子图聚集模块、实体采样模块、概率计算与实体查询模块，存储层利用Hadoop提供的分布式存储工具HDFS对数据清洗过程中产生的结构化数据记录、相似数据记录对、相似连通子图进行存储，利用Hadoop提供的分布式存储工具HBase对清洗后的结构化数据记录进行存储。该方法包括获取待清洗数据；相似连接；相似子图聚集；实体采样；概率计算与实体查询。本发明是一种面向大数据的数据清洗系统与不确定数据确定化方法，解决了以往的集中式的相似性连接无法适应大规模数据运算的问题，充分利用图以及相关知识创造性的完成大数据清洗，并为海量数据分析提供了数据准备。
-
公开(公告)号：CN118194242A
公开(公告)日：2024-06-14
申请号：CN202410285418.5
申请日：2024-03-13
IPC: G06F18/27 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明属于数据预测技术领域，公开了一种基于不规则时间序列数据的预测方法。通过基于注意力机制的不规则时序预测模型实现；基于注意力机制的不规则时序预测模型包括基于多通道时间衰减的缺失数据补全模型和基于多重门控的注意机制预测模型；基于多通道时间衰减的缺失数据补全模型将不规则不定长时间序列数据转换为规则的时间序列数据，考虑多个模态之间的互补信息，提高补全准确性，利用时序信息，更有效地处理动态变化的数据缺失问题；基于多重门控的注意机制预测模型根据规则的时间序列数据得到预测结果。本模型准确度高，综合考虑多通道关系、时间间隔关系和注意力机制，能够更精确地预测认知评分。
-
公开(公告)号：CN115169386A
公开(公告)日：2022-10-11
申请号：CN202210690454.0
申请日：2022-06-17
Applicant: 东北大学
Abstract: 本发明属于智能分类识别领域，提出了一种基于元注意力机制的弱监督增类活动识别方法。本方法基于一种端到端的自关系注意弱监督原型网络模型进行人体活动识别；原型网络模型包括特征提取模块、元学习注意力模块和分类模块；首先对传感器原始数据序列进行特征提取，获得示例特征向量集；在通过元学习注意力模块获取各个示例特征向量的贡献权重；通过增强操作提纯优化目标活动的原型；通过分类模块进行分类，完成模型的训练与测试。本发明提出的方法，能够较好的解决在弱监督与训练样本少的传感器数据上识别新类别人体活动的问题，有效避免了噪声数据的负面影响。
-
公开(公告)号：CN114612713A
公开(公告)日：2022-06-10
申请号：CN202210208205.3
申请日：2022-03-04
Applicant: 东北大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06V40/10 , G06V40/20 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种人体活动的识别方法、系统、计算机设备及存储介质，其中识别方法包括如下步骤：获取原始人体活动数据；对所述原始人体活动数据进行预处理，得到第一数据；对所述第一数据的时间维度进行降采样，得到降采样序列；对所述降采样序列进行细化处理，得到第二数据；将所述第二数据输入到LSTM网络进行数据处理，得到第一特征图；对所述第一特征图的时间维度进行全连接层处理，得到第二特征图；对所述第二特征图与所述第一特征图进行乘法运算，得到加权融合特征图；对所述加权融合特征图与所述第一特征图进行相加运算，得到时间融合特征图；对所述时间融合特征图采用全连接层进行分类，得到所述原始人体活动数据的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN105677757B
公开(公告)日：2019-03-26
申请号：CN201511020637.8
申请日：2015-12-30
Applicant: 东北大学
IPC: G06F16/31 , G06F16/335
Abstract: 本发明提供一种基于双缀过滤的大数据相似性连接方法，包括：提取不同数据源的文本格式数据，得到待清洗的实体记录；对实体记录中的元素进行词频统计并对实体记录中的元素按词频升序排序；将实体记录前缀中的每一个元素作为该实体记录的索引，对实体记录建立倒排索引表；对同一个索引内的实体记录对进行双缀过滤相似性连接，得到相似度大于相似度阈值的实体记录对，实现分布式计算。本发明利用实体记录对中前后缀中元素位置信息实现过滤，极大地降低了候选集合的大小，针对不同大小的数据源以及不同阈值的情况，双缀过滤可以达到良好的时间效果。并且双缀过滤可以实现面向大数据的分布式计算，可以将其应用于分布式计算中，提高大数据清洗效率。
-
公开(公告)号：CN114881150B
公开(公告)日：2024-09-06
申请号：CN202210511116.6
申请日：2022-05-11
Applicant: 东北大学
IPC: G06F18/25 , G06F18/2415 , G06F18/2431 , G06F18/15 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/80 , G06V10/82 , G06V40/20 , G01C21/16 , A61B5/11
Abstract: 本发明属于行为识别技术领域，提出了一种基于多位置传感器特征融合的行为识别系统及其方法。基于多位置传感器特征融合的行为识别系统包括数据模块和模型模块，数据模块将采集的原始数据进行存储以及预处理，获得动作图片，用于后续模型训练；模型模块包括特征提取子模块和分类子模块，得到最后的预测结果。本发明舍弃了全部数据之间的空间依赖性，而选择相关性更强的不同传感器相同轴向数据之间的空间依赖性，通过将数据按照(x，y，z)三轴方向抽取，数据融合后形成三组动作图片，再通过二级后融合模型进行特征融合，有效地提取到多维时序数据地时间与空间特征，从而达到准确识别人体行为的目的。
-
公开(公告)号：CN118035452A
公开(公告)日：2024-05-14
申请号：CN202410285558.2
申请日：2024-03-13
IPC: G06F16/35 , G06F40/30 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明属于智能分类技术领域，公开了一种数据缺失条件下的多模态混合融合分类方法。包括文本缺失数据补全和多模态混合融合；所述文本缺失数据补全通过KNN进行缺失值补充，得到补充后的文本数据，再通过TabNet提取文本特征；通过3D‑RSENet网络提取影像特征；将文本特征和影像特征输入基于注意力机制的多模态混合融合模型，进行分类。通过本发明的方法，考虑到不同模态之间的互补信息，而且很好的利用到了具有很强的标识功能的单模态数据的特异性信息，以此来学习更丰富的特征表示，从而提升模型的决策性能，大大提高了分类的准确性。
-
公开(公告)号：CN113780295A
公开(公告)日：2021-12-10
申请号：CN202111067153.4
申请日：2021-09-13
Applicant: 东北大学
Abstract: 本发明公开了一种基于LAC‑FLOSS算法和IER算法的时间序列分割方法，涉及时间序列数据分割方法。本发明提出了改进的基于Matrix Profile的限制弧跨越的时间序列分割算法LAC‑FLOSS，该算法利用给弧添加权重形成带权弧，然后通过设置匹配距离阈值来解决弧的跨状态的子序列误匹配问题。本发明还利用CAC序列的形状特征，从波谷中提取极小值，进而提出改进的提取分割点算法IER。该算法能够避免现有的分割点提取算法ER使用窗口在非拐点处取到分割点，提升提取分割结果的准确性，通过与ER算法进行对比，验证了IER提取分割点的效果要优于算法ER。
-
公开(公告)号：CN105677757A
公开(公告)日：2016-06-15
申请号：CN201511020637.8
申请日：2015-12-30
Applicant: 东北大学
IPC: G06F17/30
CPC classification number: G06F17/30619 , G06F17/30699
Abstract: 本发明提供一种基于双缀过滤的大数据相似性连接方法，包括：提取不同数据源的文本格式数据，得到待清洗的实体记录；对实体记录中的元素进行词频统计并对实体记录中的元素按词频升序排序；将实体记录前缀中的每一个元素作为该实体记录的索引，对实体记录建立倒排索引表；对同一个索引内的实体记录对进行双缀过滤相似性连接，得到相似度大于相似度阈值的实体记录对，实现分布式计算。本发明利用实体记录对中前后缀中元素位置信息实现过滤，极大地降低了候选集合的大小，针对不同大小的数据源以及不同阈值的情况，双缀过滤可以达到良好的时间效果。并且双缀过滤可以实现面向大数据的分布式计算，可以将其应用于分布式计算中，提高大数据清洗效率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.035 seconds)
