-
公开(公告)号：CN105105725A
公开(公告)日：2015-12-02
申请号：CN201510611676.9
申请日：2015-09-23
Applicant: 桂林电子科技大学
IPC: A61B5/01
Abstract: 本发明公开了一种体温测量装置，包括能吸附于人体上的壳体，所述壳体的底部表面设有温度检测探头，在壳体的顶部安装有与温度检测探头信号连接的主控芯片，主控芯片无线连接有一移动接收终端，移动接收终端在开启状态下、用于接收及显示主控芯片发来的数据。本发明通过设于壳体上的温度检测探头、主控芯片实现对人体体温的采集，并通过主控芯片内的蓝牙模块或无线网络模块实现体温数据的传输，通过移动接收终端来接收及显示主控芯片发来的数据，该移动接收终端为装有APP的手机。本发明具有测量速度快、读数方便，性能稳定的特点，且在手机APP上能显示某一时间段内的连续测量体温，并具有分析、提醒及报警功能，满足人们个性化的需求。
-
公开(公告)号：CN119443227A
公开(公告)日：2025-02-14
申请号：CN202411434784.9
申请日：2024-10-15
Applicant: 桂林电子科技大学 , 广西壮族自治区信息中心(广西壮族自治区大数据研究院)
IPC: G06N5/022 , G06F18/213 , G06F18/25 , G06F40/30
Abstract: 本发明涉及基于知识引导和模态动态注意力融合的多模态情感分析方法，包括：提取输入多模态数据的单模态特征；基于所述单模态特征，获取每个模态的知识增强表示；基于所述知识增强表示，预测单模态情感值，并将所述单模态情感值，转化为情感比值；将所述知识增强表示和所述情感比值进行预设的动态注意力处理，获取最终的多模态表示；基于所述最终的多模态表示，来预测情感分数。本发明通过动态选择主导模态并根据不同样本调整各模态的贡献，能够提高多模态情感分析方法的性能并使其适应更复杂、更广泛的场景。
-
公开(公告)号：CN118865434A
公开(公告)日：2024-10-29
申请号：CN202410825597.7
申请日：2024-06-25
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V10/46 , G06V10/82 , G06V10/44 , G06V10/771 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于ECAv2‑HRNet的人体姿态关键点检测方法，包括如下步骤：1）获取通道信息；2）缩减参数；3）合并通道；4）确定交互范围；5）加强特征提取过程；6）双压缩；7）嵌入骨干网络。这种方法在人口密集的环境下精准度高于现有技术中的方法，并且这种方法的模型参数量和需要的浮点运算量皆优于现有技术中的关键点检测方法，这种方法在不同的环境下表现出较为优异的指标性能。
-
公开(公告)号：CN106991149B
公开(公告)日：2020-11-10
申请号：CN201710192554.X
申请日：2017-03-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种融合编码和多版本数据的海量空间对象存储方法，采用“低精度网格编码，高精度空间对象编码”将多维空间数据转换到一维空间，然后采用“字典序定位数据块，低冗余度数据查询”策略来实现查询过程涉及到的冗余数据修剪，有效提升了范围查询性能。在编码精度为8个Base‑32字符时，一个网格单元的覆盖面积约为725m2,查询半径在1000m时，查询响应时间不超过1秒，能有效满足诸如智慧旅游中基于游客位置的旅游资源推荐等数据查询需求。
-
公开(公告)号：CN110956497A
公开(公告)日：2020-04-03
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote-Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105912656B
公开(公告)日：2020-03-17
申请号：CN201610220247.3
申请日：2016-04-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
公开(公告)号：CN107121183A
公开(公告)日：2017-09-01
申请号：CN201710385232.7
申请日：2017-05-26
IPC: G01G19/50
CPC classification number: G01G19/50
Abstract: 本发明公开了一种低功耗身高体重测量装置，包括称重面板、竖杆和控制模块，竖杆的顶端连接有一横杆，称重面板的下方安装有多个支撑柱，控制模块包括主控芯片、称重传感器、超声波测距模块和电源模块，还包括触动开关，电源模块包括二次电源和主电源，二次电源由主电源经升压电路的升压处理后得到；触动开关均与主控芯片和二次电源连接，超声波测距模块和称重传感器的供电端均与二次电源电连接。本发明既可以实现身高与体重同时测量的目的，还可通过触动开关来控制主控芯片和二次电源，使得在非工作状态下，主控芯片处于最低功耗的休眠模式、同时切断超声波测距模块和称重传感器的供电电源。具有结构简单、能耗低的有益特点。
-
公开(公告)号：CN102135991A
公开(公告)日：2011-07-27
申请号：CN201110059701.9
申请日：2011-03-11
Applicant: 桂林电子科技大学
IPC: G06F17/30
Abstract: 本发明为基于后向学习的动态多属性服务选择方法，第一步为基于后向学习的用户偏好学习：初始化服务集合、用户集合、服务评价等级集合、UQEL表。用户多次调用服务并给出评价，用户对服务的评价映射为对相应非功能属性的评价，添加到该用户的UQEL表，最终得到用户偏好表。第二步为基于权重的动态多属性服务选择：根据用户需求生成候选服务集合，获得用户偏好集合，计算各非功能属性权重，生成动态决策矩阵序列，计算用户偏好向量与候选服务非功能属性向量的加权夹角余弦、每个观测时间的权重、每个候选服务在各个观测时间的加权余弦和，选择加权和最大的服务推荐给用户。本法为自适应的服务选择，无需用户过多参与，方便使用，服务选择适应好。
-
公开(公告)号：CN118823636A
公开(公告)日：2024-10-22
申请号：CN202410825570.8
申请日：2024-06-25
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V20/52 , G06V40/20 , G06V10/44 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于动态位置嵌入的课堂完备元动作识别方法，包括：得到单个学生课堂元动作视频、对视频进行关键帧采样；构建由动态位置嵌入的位置编码模块、Video Swin Transformer基本模块、ViT3D基本模块组成的课堂完备元动作识别模型，依次获得动态位置特征表示、多个局部注意力向量、元动作类别概率向量、对课堂完备元动作识别模型进行迭代优化；将预处理后学生课堂元动作视频输入该模型获得课堂学生元动作类别。这种方法不仅使用动态位置嵌入方法进行条件位置编码结合深度卷积网络以提升对元动作空间结构的解析能力，并采用ViT3D的全注意力机制提取动作的潜在空间特征，捕捉元动作的全局时空信息，从而提升课堂视频的学生完备元动作识别准确率。
-
公开(公告)号：CN110956497B
公开(公告)日：2022-11-25
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.04 seconds)
