公开(公告)号：CN113918785B

公开(公告)日：2024-06-25

申请号：CN202111182846.8

申请日：2021-10-11

Applicant: 广东工业大学

Inventor： 程良伦 ,  郑达成 ,  张伟文 ,  陈武兴

IPC: G06F16/906 ,  G06V10/762

Abstract: 本发明公开了一种基于聚类集成学习的企业数据分析方法，包括以下步骤：S1.获取待分析的产业的资料，并找出待分析产业中主要的多个待分析企业；本实施例分析了广州地区的海洋产业。S2.爬取待分析企业的相关数据；S3.对所爬取的数据进行预处理，并整理预处理过的数据为数据集；S4.采用KMeans作为基聚类器，对数据集进行聚类集成学习，得到基础聚类结果；S5.利用基础聚类结果构造联合矩阵；S6.采用单链接层次聚类对联合矩阵进行处理，得到最终待分析企业的聚类集成结果。本发明具有准确性、稳定性和鲁棒性，计算方便，实用性强的特点。

公开(公告)号：CN113160104B

公开(公告)日：2024-03-12

申请号：CN202110560960.3

申请日：2021-05-20

Applicant: 广东工业大学

Inventor： 程良伦 ,  李凤 ,  吴衡 ,  陈妍伶

IPC: G06T5/50 ,  G06T5/60 ,  G06V10/143 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供的一种基于密集连接网络的图像融合方法，首先将获取的第一图像和第二图像分别输入至第一卷积层中，通过第一卷积层来提取第一图像和第二图像的浅层特征，接着，再将提取后得到的第一浅层特征图和第二浅层特征图分别输入至密集连接网络中，通过密集连接网络提取第一浅层特征图和第二浅层特征图的深层特征，并且通过密集连接网络提取的特征具有上下文联系，能够更好地进行图像融合；最后，本申请对密集连接网络中提取得到的第一深层特征图和第二深层特征图进行深层特征融合，并对融合后的特征进行重构后获得最终的融合图像，该融合图像包含丰富的边缘信息和场景信息，提高了融合质量。

公开(公告)号：CN113139053B

公开(公告)日：2024-03-05

申请号：CN202110406702.X

申请日：2021-04-15

Applicant: 广东工业大学

Inventor： 程良伦 ,  王德培 ,  张伟文 ,  李睿濠 ,  谭骏铭

IPC: G06F16/35 ,  G06N3/088 ,  G06F18/241

Abstract: 本发明提供一种基于自监督对比学习的文本分类方法，涉及自然语言处理的技术领域，所述方法包括：获取样本文本和每个样本文本对应的类别标签；将样本文本分为训练集、验证集和测试集并构建初始分类模型；对所有样本文本进行预处理；将所有预处理后的样本文本输入初始分类模型，基于训练集中的样本文本，利用自监督对比学习方法对初始分类模型进行预训练；利用验证集中的样本文本，对预训练后的初始分类模型进行调整；利用测试集中的样本文本对调整后的初始分类模型进行测试，获得最终分类模型；将待分类文本输入最终分类模型，获得待分类结果。本发明实现了在少量具有标注的数据下快速学习，数据成本低，分类结果准确。

公开(公告)号：CN112015890B

公开(公告)日：2024-01-23

申请号：CN202010928786.9

申请日：2020-09-07

Applicant: 广东工业大学

Inventor： 胡中强 ,  张伟文 ,  张鸿彬 ,  王德培 ,  程良伦

IPC: G06F16/34 ,  G06F16/33 ,  G06F40/295 ,  G06F16/35

Abstract: 本发明提供了一种电影剧本摘要的生成方法和装置，方法包括：获取待分析的电影剧本和情节关键字；对待分析的电影剧本进行分析得到初始三元组；采用图卷积神经网络对初始三元组建立图结构；获取结点的特征向量根据特征向量计算各结点的重要性值；根据各重要性值从初始三元组筛选出第一重要三元组；将情节关键字与初始三元组进行文本匹配筛选出第二重要三元组；将第一重要三元组和第二重要三元组进行合并删除重复的三元组，形成最终重要三元组；将最终重要三元组输入至预先训练的神经规划器，得到文本规划；根据文本规划生成引用表达式；将引用表达式输入至神经翻译系统，得到电影剧本摘要。该方法能提高摘要生成的可靠性并且生成速度快。

公开(公告)号：CN113110516B

公开(公告)日：2023-12-22

申请号：CN202110553930.X

申请日：2021-05-20

Applicant: 广东工业大学

Inventor： 程良伦 ,  蔡明昕 ,  王涛

IPC: G05D1/02

Abstract: 本发明公开了一种深度强化学习的受限空间机器人作业规划方法，包括：获取机器人的当前状态；将当前状态输入预设的最优行动网络模型，输出待执行动作；接收机器人执行待执行动作后返回的更新状态；将更新状态作为新的当前状态，跳转执行将当前状态输入预设的最优行动网络模型，输出待执行动作的步骤，直至机器人到达预设的目标位置。从而更为快速准确地为机器人的移动路径与执行动作进行规划。

公开(公告)号：CN117255133A

公开(公告)日：2023-12-19

申请号：CN202311161093.1

申请日：2023-09-08

Applicant: 广东工业大学

Inventor： 陈权 ,  王凯嘉 ,  程良伦

IPC: H04L67/61 ,  H04L67/62 ,  H04L67/1008

Abstract: 本发明公开了一种基于分布式边缘计算的通信调度优化方法及系统，涉及分布式边缘计算的技术领域。首先构建无线通信系统，然后引入平行四边形调度结构，利用平行四边形调度结构对边缘节点进行调度，进行基于平行四边形调度结构下各边缘节点的任务卸载量计算，基于计算的任务卸载量，计算边缘节点的子任务计算时延，得到无冲突任务调度模型，对无冲突任务调度模型进行约束，根据无冲突任务调度模型的约束，确定边缘节点的最优调度顺序，最后基于计算的任务卸载量与边缘节点的最优调度顺序，为各边缘节点进行启发式任务卸载。通过本发明提供的方法，能够最大化利用边缘节点进行分布式边缘计算，解决了分布式边缘计算效率差及完成任务时延长的问题。

公开(公告)号：CN117201307A

公开(公告)日：2023-12-08

申请号：CN202310998426.X

申请日：2023-08-08

Applicant: 广东工业大学 ,  广东能哥知识科技有限公司

Inventor： 程良伦 ,  陈奕 ,  王涛

IPC: H04L41/0823 ,  H04L67/61 ,  H04L41/14 ,  G06F8/71 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明公开了一种工业软件组件的装配集成方法和系统。该方法包括：获取工业软件组件集合；所述工业软件组件集合为待装配集成的组件组；计算所述工业软件组件集合的奖励值；所述奖励值用于表征工业软件组件的QoS值和物联网设备的能量消耗；以所述奖励值为优化目标，构建装配集成模型；所述装配集成模型基于经验池预估所述工业软件组件的组合序列；根据所述组合序列，对所述工业软件组件集合进行装配集成。本申请实施例通过工业软件组件的QoS值和能量消耗为优化目标，构建装配集成模型，在装配集成过程中，充分考虑节点能耗问题，能有效适应动态环境，提升装配集成效果，提升装配集成的效率。本方法可以广泛应用于工业软件技术领域。

公开(公告)号：CN117195696A

公开(公告)日：2023-12-08

申请号：CN202311035771.X

申请日：2023-08-16

Applicant: 广东工业大学 ,  广东能哥知识科技有限公司

Inventor： 程良伦 ,  陈子东 ,  王涛

IPC: G06F30/27 ,  G06N3/126 ,  G06F111/06

Abstract: 本发明公开了一种基于NSGA‑Ⅱ和SSA的服务组合优化方法，包括获取终端的服务请求，根据所述服务请求生成任务集，将任务集分解为多个子任务；构建候选服务集，通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集；建立QoS可信度计算模型计算编码候选服务集后得到可信度候选服务集，建立多目标优选模型，根据NSGA‑Ⅱ和SSA得到改进NSGA‑Ⅱ算法，通过改进NSGA‑Ⅱ算法和多目标优选模型对编码候选服务集进行计算后得到优选服务集；根据可信度候选服务集和优选服务集确定最优服务组合。通过将NSGA‑2和SSA的融合，结合了两者的优点，从而更好地解决多目标优化问题，可广泛应用于计算机技术领域。

公开(公告)号：CN117194771A

公开(公告)日：2023-12-08

申请号：CN202310962292.6

申请日：2023-08-01

Applicant: 广东工业大学 ,  广东能哥知识科技有限公司

Inventor： 王涛 ,  张永健 ,  程良伦

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/0464

Abstract: 本发明公开了一种图模型表征学习的动态知识图谱服务推荐方法。该方法包括：获取对象的文本描述信息；对所述文本描述信息进行特征抽取操作，得到服务特征；所述服务特征用于表征对象、服务提供者和对象需求的服务；将所述服务特征作为节点，构建初始推荐模型；所述初始推荐模型基于知识图谱建立；通过粒子群算法对所述初始推荐模型的参数进行优化，得到目标推荐模型；通过所述目标推荐模型对目标对象进行推荐。本申请实施例基于图神经网络构建初始推荐模型，缓解了数据稀疏时的推荐准确率不佳的问题；同时，通过粒子群算法对模型参数进行更新，提升模型的推荐准确度。本方法可以广泛应用于计算机技术领域。

公开(公告)号：CN117061523A

公开(公告)日：2023-11-14

申请号：CN202311038118.9

申请日：2023-08-16

Applicant: 广东工业大学 ,  广东能哥知识科技有限公司

Inventor： 王涛 ,  徐沛沅 ,  程良伦

IPC: H04L67/1008 ,  H04L67/101 ,  H04L67/1019 ,  H04L67/1097

Abstract: 本发明公开了一种工业软件组件分布式边缘节点的负载均衡方法，包括获取终端的服务请求并选择任务；获取边缘节点的队列信息和任务容量；构建MDP模型，将队列信息和任务容量输入MDP模型；根据选择动作和预设的奖励规则确定选择奖励；构建目标函数，根据目标函数和选择奖励计算卸载任务的平均时延；构建DQN算法模型，基于DQN算法模型求解选择动作的最大动作价值；进而确定平均时延的最小值；从而确定卸载边缘节点，将任务卸载值至卸载边缘节点。通过MDP模型、目标函数和DQN算法模型处理后将任务卸载到最合适的边缘节点，得到平均时延的最小值，更好地降低任务的处理延迟，提高部署效率，可广泛应用于边缘部署技术领域。