-
公开(公告)号:CN117932099B
公开(公告)日:2024-07-23
申请号:CN202410324364.9
申请日:2024-03-21
Applicant: 大连海事大学
IPC: G06F16/535 , G06F16/583 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于修改文本反馈的多模态图像检索方法,属于多模态图像检索技术领域,包括:选择目标图像集,获取参考图像,利用CLIP的图像编码器提取参考图像特征;输入修改文本,利用CLIP的文本编码器提取修改文本特征,将参考图像特征和修改文本特征输入至特征组合器进行特征融合,得到组合特征;提取候选图像集的特征,与组合特征进行相似度计算,将相似度前50的图像划分为高置信度目标图像,根据相似度大小对高置信度目标图像进行排名,将置信度最高的图像作为新的参考图像,根据设定的相似度阈值判断是否需要再次补充修改文本,直至找到目标图像。本发明还提出了基于两阶段训练和双重注意力的组合图像检索模型,来提升检索准确性。
-
公开(公告)号:CN117786078A
公开(公告)日:2024-03-29
申请号:CN202311823358.X
申请日:2023-12-27
Applicant: 大连海事大学
IPC: G06F16/332 , G06F16/33 , G06F16/532 , G06F16/583 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045
Abstract: 本发明提供一种基于标签‑负样本图文双向增强特征融合的图文检索模型及工作方法,图文检索模型包括:特征编码单元、特征融合单元以及特征解码单元,特征编码单元用于对数据进行预处理,将多种模态转化为对应模态特征空间中的编码;特征融合单元包括双向融合模块和残差混合模块,双向融合模块利用注意力机制混合两种模态的特征,残差混合模块通过自适应的残差连接方法突出两种模态的共同特征;特征解码单元用于训练损失,全面评估图文检索任务的模型训练效果。本发明提供的图文检索模型能够应用到其他跨模态任务上,根据不同任务的特性增强相应模态的语义,可以进一步提升特征融合的效果。
-
公开(公告)号:CN110347705A
公开(公告)日:2019-10-18
申请号:CN201910657412.5
申请日:2019-07-19
Applicant: 大连海事大学
IPC: G06F16/2453 , G06F16/2458
Abstract: 本发明提供一种分布式Skyline查询系统,包括:网络架构模块、数据存储模块以及应用模块。所述网络架构模块通过主从式架构设置,由一个主节点即Master节点和多个从节点即数据节点构成;Master节点负责调度各数据节点并汇总数据节点的信息;所述数据节点存储数据并完成查询过滤计算;分布式Skyline查询中,避免瓶颈节点的产生是提高查询效率的关键因素。此外,本地Skyline候选集的计算效率以及合并计算时候选集的大小也决定着分布式Skyline查询的效率。本发明能够有效避免瓶颈节点的产生,同时能够在尽可能少的时间内得到尽可能小的候选集,大大提高了分布式Skyline查询效率。
-
公开(公告)号:CN117932123A
公开(公告)日:2024-04-26
申请号:CN202410084013.5
申请日:2024-01-19
Applicant: 大连海事大学
IPC: G06F16/903 , G06F16/901 , G06F18/22 , G06N3/042 , G06N3/08
Abstract: 本发明提供一种基于节点嵌入优化的精确子图匹配方法,包括:采用图神经网络模型,生成数据节点和查询节点的嵌入向量;基于生成的嵌入向量,采用基于节点嵌入距离的k最近邻搜索和剪枝的混合策略,获取候选节点集;基于候选节点集与查询节点的平均嵌入距离、节点度数、候选集大小,生成匹配顺序;沿着生成的匹配顺序,将查询节点映射到候选节点集中,直到得到最终结果;执行完所有匹配或达到所设定的阈值后,输出匹配结果。本发明通过图神经网络生成的嵌入向量,将复杂的图节点信息压缩为低维度的向量,通过基于嵌入向量的候选集生成算法,生成高质量的候选集,从而在后期匹配过程中大大减少搜索空间,在数据规模较大的情况下提高匹配效率。
-
公开(公告)号:CN117009899A
公开(公告)日:2023-11-07
申请号:CN202310735403.X
申请日:2023-06-20
Applicant: 大连海事大学
IPC: G06F18/2433 , G06F18/15 , G06F18/2431 , G06F18/241 , G06F18/22 , G06F18/2113 , G06F18/2321
Abstract: 本发明提供了一种时序性海洋生态环境监测数据中的异常点检测方法,海洋数据监测技术领域,包括如下步骤:步骤1、数据获取:对当前时间戳到来的含量数据进行标准化和归一化处理,得到预处理后的数据;步骤2、异常数据检测:对DSC模型进行训练,得到训练后的DSC模型;利用部分训练对不同时间戳到来的预处理后的数据进行线上相似度矩阵的生成,对当前数据进行三类异常的检测,得到当前数据中的三类异常数据;步骤3、change point检测机制:采用change point探测机制对当前数据的数据分布进行探测;步骤4、模型动态更新:基于步骤3探测的结果,进行DSC模型的选定或重新训练。本发明解决了现有异常点检测方法无法适应高维动态时序数据的问题。
-
公开(公告)号:CN110347705B
公开(公告)日:2023-05-12
申请号:CN201910657412.5
申请日:2019-07-19
Applicant: 大连海事大学
IPC: G06F16/2453 , G06F16/2458
Abstract: 本发明提供一种分布式Skyline查询系统,包括:网络架构模块、数据存储模块以及应用模块。所述网络架构模块通过主从式架构设置,由一个主节点即Master节点和多个从节点即数据节点构成;Master节点负责调度各数据节点并汇总数据节点的信息;所述数据节点存储数据并完成查询过滤计算;分布式Skyline查询中,避免瓶颈节点的产生是提高查询效率的关键因素。此外,本地Skyline候选集的计算效率以及合并计算时候选集的大小也决定着分布式Skyline查询的效率。本发明能够有效避免瓶颈节点的产生,同时能够在尽可能少的时间内得到尽可能小的候选集,大大提高了分布式Skyline查询效率。
-
公开(公告)号:CN110134675B
公开(公告)日:2022-11-01
申请号:CN201910432271.7
申请日:2019-05-23
Applicant: 大连海事大学
IPC: G06F16/215
Abstract: 本发明提供一种面向海洋数据流的数据清洗方法和系统,所述数据清洗方法包括以下步骤:步骤1:给定传感器网络监测区域内的n个数据源S={s1,s2,…,Sn},从准确性、完整性、一致性三方面,对每个数据源的可靠性进行周期性地综合度量;步骤2:根据数据源可靠性和用户给定的任意精度要求,选择部分数据源进行数据传输;步骤3:基于步骤2选中的数据源,将其获取到的数据从传感器节点经由传感器网络端传送到服务器端,实现数据流的实时获取;步骤4:对于实时数据流,进行在线的、一体式的异常点检测、异常点修复和缺失值填补;步骤5:对用户的查询进行快速响应。本发明解决了已有数据清洗方法无法适应高速动态数据流的问题。
-
公开(公告)号:CN110334252B
公开(公告)日:2022-04-12
申请号:CN201910618122.X
申请日:2019-07-10
Applicant: 大连海事大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明提供一种偏序域上的skyline查询方法,包括:对待测数据集进行分组;根据用户的偏好哈斯图按映射规则映射到所述全序维度上;对除分组维度外的每个所述分组内的数据建立倒排索引;根据循环扫描策略和临时表更新策略对分组的数据集进行扫描,并将扫描结果存放到临时结果集中,直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算;当所有分组的计算都结束时,结束算法,将所有临时结果集中的结果取并集输出,所述并集即为需要返回给用户的skyline。本发明解决了现有偏序域上skyline计算方法的效率瓶颈问题,通过将倒排索引引入skyline查询领域,利用提前对数据进行分组并建立倒排索引的方式提高了skyline计算效率。
-
公开(公告)号:CN112835884A
公开(公告)日:2021-05-25
申请号:CN202110195665.2
申请日:2021-02-19
Applicant: 大连海事大学
IPC: G06F16/215 , G06F16/2455 , G06Q50/02
Abstract: 本发明提供一种海洋渔场渔情预报系统中的缺失数据填补方法,包括以下步骤:步骤1:数据实时获取:给定传感器网络监测区域内的n个数据源,将数据源获取到的数据从传感器节点经由传感器网络端传送到服务器端,实现数据流的实时获取;步骤2:模型初始化:对于获取到的包含大量缺失值的实时数据流,进行填补模型初始化、近邻参数初始化、增量更新填补模型及相关参数更新;步骤3:查询响应处理:基于经过步骤2填补后得到的完整的数据流,对用户的查询进行快速响应,从而得到所需要的海洋渔场数据,进行后续的渔场渔情预报分析。本发明的技术方案解决了现有技术中的填补方法无法适应高速动态数据流的问题。
-
-
-
-
-
-
-
-