-
公开(公告)号：CN114692679B
公开(公告)日：2024-07-12
申请号：CN202210256419.8
申请日：2022-03-16
Applicant: 福州大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于调频连续波的元学习手势识别方法。该方法利用元学习网络能够使用少量带标签样本即实现对手势的高精度识别。此外本方法考虑了手势的角度特征以及多个特征间的内部关系，利用基于3D卷积神经网络的双通道融合特征提取网络提取关键特征用于手势识别，有效地提高了手势识别的精度。同时，本方法在多维特征融合阶段，利用基于哈达玛积的特征融合方法，考虑了多维度特征之间的空间相关性，有助于进一步提高手势识别精度。
-
公开(公告)号：CN113298668B
公开(公告)日：2022-06-14
申请号：CN202110633996.X
申请日：2021-06-07
Applicant: 福州大学
Abstract: 本发明提出一种考虑社交网络的移动群智感知用户大规模快速招募方法，其根据实际用户的社交网络来构建动态激励树模型；以获取具有高活跃度高质量的赢家用户集合为目标来设计相应的赢家选择和报酬分配方法；根据每个赢家用户上报的数据质量和最终真实提交的数据质量对比，以此来更新每个用户的信誉值，并基于此识别恶意用户；通过理论和仿真对该方法进行验证分析考虑社交网络可以实现大规模且快速的招募到足够多的用户参与感知活动。本发明考虑用户的社交网络关系，设计了基于逆向拍卖的移动群智感知用户招募方法，克服了感知用户数量不足以及由此引导致的感知数据质量不高的问题。
-
公开(公告)号：CN108805418B
公开(公告)日：2021-08-31
申请号：CN201810496222.5
申请日：2018-05-22
Applicant: 福州大学
IPC: G06Q10/06
Abstract: 本发明涉及一种基于生成式对抗网络的交通数据填充方法，将3D卷积神经网络与生成式对抗网络相结合，构造一种3DConvGAN模型，首先利用历史数据训练3DConvGAN模型，并采用3D卷积神经网络对临近时刻的数据进行时空特征提取；其次设置衡量已知点的真实数据和生成数据之间的差异，通过最小化损失函数来获取生成网络的最优输入；最后，使用最优输入通过生成网络获取最优的生成数据，以实现交通数据的恢复。本发明克服了现有技术不能充分利用交通数据的历史信息与时空特征的不足，充分利用历史的交通数据并有效地提取交通数据的时空特性，从而提升了交通数据的恢复精确度。
-
公开(公告)号：CN110909865A
公开(公告)日：2020-03-24
申请号：CN201911125638.7
申请日：2019-11-18
Applicant: 福州大学
Abstract: 本发明涉及一种边缘计算中基于分层张量分解的联邦学习方法。步骤S1：在云端设计有效的深度神经网络共享模型；步骤S2：根据分层张量分解方法对设计的共享模型进行压缩得到分层共享模型；步骤S3：设计分层共享模型对应的正向传播算法和反向传播算法；步骤S4：在云端对分层共享模型进行初始化并下发至参与训练的边缘节点；步骤S5：参与训练的边缘节点利用本地数据集，并根据S3设计的算法对S2得到的分层共享模型进行学习。步骤S6：在云端通过平均聚合的方式对边缘模型进行聚合。本发明在保护用户隐私的前提下实现了共享模型的分布式训练，减少分布式训练时对网络带宽的需求，降低了边缘节点的通信能耗。
-
公开(公告)号：CN106971547B
公开(公告)日：2019-06-04
申请号：CN201710352120.1
申请日：2017-05-18
Applicant: 福州大学
Abstract: 本发明涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109034226A
公开(公告)日：2018-12-18
申请号：CN201810779574.1
申请日：2018-07-16
Applicant: 福州大学
IPC: G06K9/62
CPC classification number: G06K9/6221 , G06K9/6296
Abstract: 本发明涉及一种基于图论的车辆轨迹聚类方法，首先获取车联网数据，利用Spark平台将海量车辆轨迹数据进行数据清洗；接着将坐标点投射到地图上，通过坐标点的位置相对距离关系根据所设定的K值以及相对近似性形成连通图，再利用互连性，将聚簇之间的连接性强度大于预设值的聚簇进行合并；最后采用真实出租车轨迹数据进行分析，得到不同时间段、不同区域的车流量，即给出最优打车方案。本发明能够有效提高数据处理的速度与质量。
-
公开(公告)号：CN108830930A
公开(公告)日：2018-11-16
申请号：CN201810646991.9
申请日：2018-06-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于张量填充的自适应群智感知系统数据收集方法，包括以下步骤：步骤S1:建立三维空气质量模型，并设定三阶空气质量数据张量；步骤S2:根据建立的三维空气质量模型，采用均匀管进行空气数据采样；步骤S3:将均匀管采样得到的空气数据，进行基于张量子空间的迭代侧切片处理，得到处理后的空气数据；步骤S4:根据处理后的空气数据，通过基于子空间的张量填充方法进行数据恢复，得到完整的空气质量数据。本发明解决了群智感知系统中感知成本过大的问题，能够通过较低的样本预算取得高质量的感知数据，即利用自适应采样策略，提高了三维空气质量数据的重建精度。
-
公开(公告)号：CN108805418A
公开(公告)日：2018-11-13
申请号：CN201810496222.5
申请日：2018-05-22
Applicant: 福州大学
IPC: G06Q10/06
CPC classification number: G06Q10/067
Abstract: 本发明涉及一种基于生成式对抗网络的交通数据填充方法，将3D卷积神经网络与生成式对抗网络相结合，构造一种3DConvGAN模型，首先利用历史数据训练3DConvGAN模型，并采用3D卷积神经网络对临近时刻的数据进行时空特征提取；其次设置衡量已知点的真实数据和生成数据之间的差异，通过最小化损失函数来获取生成网络的最优输入；最后，使用最优输入通过生成网络获取最优的生成数据，以实现交通数据的恢复。本发明克服了现有技术不能充分利用交通数据的历史信息与时空特征的不足，充分利用历史的交通数据并有效地提取交通数据的时空特性，从而提升了交通数据的恢复精确度。
-
公开(公告)号：CN107564288A
公开(公告)日：2018-01-09
申请号：CN201710934943.5
申请日：2017-10-10
Applicant: 福州大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于张量填充的城市交通流预测方法，包括以下步骤：步骤S1：收集预测点所邻近的交通流状态数据；步骤S2：根据收集交通数据做初始填充；步骤S3：设计交通数据张量；步骤S4：根据设计的交通流数据张量基于张量分解动态填充进行动态填充预测。本发明提出的一种基于张量填充的城市交通流预测方法，克服了现有技术中在交通流数据源存在缺失下预测精度不佳的缺陷；构建交通流张量模型同时采用划分张量窗口动态填充的方式，提高了在交通流预测数据源存在缺失下的预测精度。
-
公开(公告)号：CN106595680A
公开(公告)日：2017-04-26
申请号：CN201611159128.8
申请日：2016-12-15
Applicant: 福州大学
CPC classification number: G01C21/30 , G06F17/18 , G06Q10/047 , G07C5/08
Abstract: 本发明涉及一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法，包括步骤：从shpefile电子地图上获取路网数据；提取原始的车辆轨迹数据，对车辆GPS数据进行预处理；选取每个GPS观测点一定距离的路段作为候选路段；基于隐马尔可夫模型，计算每个GPS点的观测概率以及相邻候选路段间的转移概率；利用维特比算法计算出最优的匹配轨迹。本发明基于隐马尔可夫模型，通过考虑GPS点的位置，速度方向，路网的拓扑以及轨迹点与路网间的关联信息，提出了新的观测概率和转移概率，进一步的提高了地图匹配的准确性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.023 seconds)
