-
公开(公告)号：CN114170188A
公开(公告)日：2022-03-11
申请号：CN202111496641.7
申请日：2021-12-09
Abstract: 本发明提供一种俯视图像的目标计数方法，其特征在于，包括以下步骤：步骤S1，采集俯视图像并生成图像数据集。步骤S2，利用几何自适应高斯卷积方法对图像数据集进行处理。步骤S3，构建回归计数神经网络模型。步骤S4，将真实密度图集作为训练集输入到回归计数神经网络模型进行监督训练，得到训练完成的回归计数神经网络模型。步骤S5，利用几何自适应高斯卷积方法对待计数图像进行处理。步骤S6，待计数图像的真实密度图输入到训练完成的回归计数神经网络模型。步骤S7，对待计数图像的预测密度图进行积分，得到待计数图像的目标个数。本发明提供一种俯视图像的目标计数系统。本发明提供一种俯视图像的目标计数存储介质。
-
公开(公告)号：CN114169450A
公开(公告)日：2022-03-11
申请号：CN202111506605.4
申请日：2021-12-10
Abstract: 本发明提供一种社交媒体数据多模态态度分析方法，包括以下步骤：从社交媒体数据中选取图片，采用带有注意力机制的图片描述方法将图片进行文本转化生成转化文本；对图片的原文本内容与转化文本的内容进行契合度考量；将契合度高的原文本与转化文本进行连接实现两种模态数据的融合；构建图文对数据集并采用上述步骤对其进行数据融合生成整合后文本；利用整合后文本对预训练BERT模型进行训练并优化生成文本态度分析模型，基于该模型对含有图片和文本的推文进行态度分析，本发明的社交媒体数据多模态态度分析方法增加了对社交媒体数据中的有效信息的提取，从而提高态度分析的准确率，相比传统的态度分析方法，提高了对公众态度把控的准确性。
-
公开(公告)号：CN109558493A
公开(公告)日：2019-04-02
申请号：CN201811255993.1
申请日：2018-10-26
Applicant: 复旦大学
Abstract: 本发明属于生物信息学领域，具体为一种基于疾病本体的疾病相似度计算方法。本发明方法分为两部分，第一部分是基于基因本体的疾病功能相似性计算，第二部分是基于疾病本体的疾病语义相似性计算。在算法评估方面，采用ROC曲线和PTC共享率两种评估方法，结果均优于现有的疾病对相似度评估算法。疾病的发病机制往往和体内复杂的代谢及生命活动关系密切，这给人类在疾病发病机制的理解及诊疗手段的研究上带来巨大挑战，本发明方法有助于疾病发病机制、诊疗手段及疾病预防等方面的研究。
-
公开(公告)号：CN109542936A
公开(公告)日：2019-03-29
申请号：CN201811265052.6
申请日：2018-10-29
Applicant: 复旦大学
IPC: G06F16/2455 , G06F16/2458
Abstract: 本发明属于数据挖掘技术领域，具体为一种基于因果分割的递归式因果推断方法。本发明方法采取分治策略，递归式地利用低阶条件独立性测试将数据集进行层层因果分割，然后再对每一个子数据集进行因果重构，最后合并得到数据集的整体因果信息。该方法能够很好的在高维数据集上进行因果推断，因果关系挖掘。在大数据时代背景下，因果关系推断算法在经济学领域、互联网社交网络领域、医疗大数据领域等都得到了广泛的应用，但高维数据问题是在行业信息智能化遇到的普遍性问题，解决该领域的相关问题迫在眉睫。本发明有助于解决如何应对日益增长的海量数据因果信息挖掘问题，对抽取海量数据中宝贵的因果信息有着重要作用。
-
公开(公告)号：CN107516274A
公开(公告)日：2017-12-26
申请号：CN201710703370.5
申请日：2017-08-16
Applicant: 复旦大学
IPC: G06Q40/04
CPC classification number: G06Q40/04
Abstract: 本发明属于金融信息数据挖掘技术领域，具体为一中金融交易网络演化建模方法。本发明方法的网络构建是一个迭代的过程，网络规模从小到大，一步步增加节点，直到达到所要求的网络规模；在每一步骤中，按照一定规则增加边。本发明中模型是基于本质活跃的投资者产生越多的交易的观察、网络生长、拓扑特征演化过程的挖掘分析，以及实证的微观连接动力学研究结果，通过设置合理的网络生长参数，网络模型可以成功复制真实网络的拓扑特征。本发明构建的模型不仅能能够模拟整个金融市场的交易网络，而且也可以用于构建仅包含一个单一品种的网络。本发明方法能够成功地复制金融交易网络演化过程，为人们理解金融市场发展轨迹和运行机制有重大的意义。
-
Patent Agency Ranking
公开(公告)号：CN102054048A
公开(公告)日：2011-05-11
申请号：CN201110003486.0
申请日：2011-01-10
IPC: G06F17/30
Abstract: 本发明属于信息技术中的空间信息存储与查询技术领域，具体为一种GML文档存储方法。该方法在存储GML文档时不依赖文档对应的模式，而直接根据GML文档中的结构信息和数据信息进行存储，属于模式无关的GML文档存储方法。通过字符流解析器将GML文档中的结构信息和数据信息进行解析，将GML文档的结构和数据以路径表、边表、文本数据表和几何体数据表的形式存储到对象关系数据库中。实验证明，本发明所提出存储方法具有较小的时间耗费和良好的可扩展性、可行的，能有效地存储和管理GML文档。
-
-
公开(公告)号：CN109558493B
公开(公告)日：2023-02-10
申请号：CN201811255993.1
申请日：2018-10-26
Applicant: 复旦大学
Abstract: 本发明属于生物信息学领域，具体为一种基于疾病本体的疾病相似度计算方法。本发明方法分为两部分，第一部分是基于基因本体的疾病功能相似性计算，第二部分是基于疾病本体的疾病语义相似性计算。在算法评估方面，采用ROC曲线和PTC共享率两种评估方法，结果均优于现有的疾病对相似度评估算法。疾病的发病机制往往和体内复杂的代谢及生命活动关系密切，这给人类在疾病发病机制的理解及诊疗手段的研究上带来巨大挑战，本发明方法有助于疾病发病机制、诊疗手段及疾病预防等方面的研究。
-
公开(公告)号：CN109543727B
公开(公告)日：2022-12-20
申请号：CN201811317051.1
申请日：2018-11-07
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明属于机器学习技术领域，具体为一种基于竞争重构学习的半监督异常检测方法。本发明设计两个解码器对样本数据进行竞争重构，它们共享一个编码器以使得数据映射到同一个子空间中，在正样本的标签信息的辅助下，正样本解码器会对正样本有更小的重构误差，而负样本（异常数据）解码器对负样本的重构误差会更小。本发明方法框架简单、使用方便、可扩展性强、可解释性强，在七个主流异常检测数据集进行了实验，达到或超过现有最好方法的水平。本发明能够为计算机视觉、数据挖掘等领域，提供基础框架和算法的支持。
-
公开(公告)号：CN114741528A
公开(公告)日：2022-07-12
申请号：CN202210330089.2
申请日：2022-03-31
Abstract: 本发明提供了一种高效构建人类蛋白质复合物图谱的方法与系统，包括：对初始人类蛋白质相互作用网络进行加边，得到重构后人类蛋白质相互作用网络：计算重构后人类蛋白质相互作用网络中各个边的特征属性；根据边的特征属性以及重构后人类蛋白质相互作用网络，通过预先训练好的边分类模型预测得到边类别；基于边类别以及重构后人类蛋白质相互作用网络，利用预设的图分割算法识别得到人类蛋白质复合物；对人类蛋白质复合物进行滤除，从而得到过滤后人类蛋白质复合物作为最终人类蛋白质复合物，并基于最终人类蛋白质复合物构建人类蛋白质复合物图谱。本发明能够提升复合物识别的精度，以及人类蛋白质复合物图谱的构建效率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.046 seconds)
