-
公开(公告)号：CN114139060A
公开(公告)日：2022-03-04
申请号：CN202111496127.3
申请日：2021-12-09
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06N20/00 , G06Q30/08
Abstract: 本发明公开了一种基于拍卖系统的多关系推荐方法，步骤为：使用用户和物品的属性进行建模；依据投标、购买和最终成交价格，构建不同的评分函数；预测购买、投标的可能性和用户将购买目标项目的预期销售价格；拍卖系统中用户和物品的特殊属性与推荐系统相结合，向用户提供一个性化推荐项目列表，并在项目之间全面分发投标。本发明利用用户和项目属性以及通常存在于大多数拍卖设置中的辅助关系信息来解决拍卖系统中唯一项目推荐问题，辅助关系信息能显著提高用户的模型性能，最后能够向用户提供个性化推荐项目列表，并在项目之间全面分发投标，并在促进这些重要但被忽视的在线拍卖的增长方面显示出了有前景的结果。
-
公开(公告)号：CN113361616A
公开(公告)日：2021-09-07
申请号：CN202110669183.6
申请日：2021-06-16
Applicant: 辽宁工程技术大学
IPC: G06K9/62
Abstract: 本发明公开了一种优化聚类中心的k‑means算法，包括：求出样本数据集的样本均值C和平均距离ad；根据空间两点间的距离公式计算出所有数据对象与C的距离；通过两点间距离公式找到与方向位置点X1的距离小于等于平均距离ad的数据点；计算所有样本集数据对象与方向位置点O1的距离；重复上述过程，直到找到K个初始聚类中心为止。本发明提出的初始聚类中心优化的K‑Means改进算法，降低了聚类结果对初始聚类中心的依赖性，提高了聚类的精度、收敛速度以及稳定性，并且也摆脱了容易受孤立点的影响。
-
公开(公告)号：CN111239685B
公开(公告)日：2021-08-24
申请号：CN202010021009.6
申请日：2020-01-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。
-
公开(公告)号：CN114637925B
公开(公告)日：2025-03-28
申请号：CN202210287614.7
申请日：2022-03-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SVD++和UBCF算法的混合推荐方法，该方法包括以下步骤：构造SVD++对象的初始化方法，用于定义初始化参数并进行赋值；定义SVD++对象的训练方法，用于构造神经网络，迭代地使用SVD++算法对初始矩阵进行训练并输出；主函数对SVD++算法的调用；在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。本发明在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。
-
公开(公告)号：CN115065468A
公开(公告)日：2022-09-16
申请号：CN202210829750.4
申请日：2022-07-15
Applicant: 辽宁工程技术大学
Abstract: 针对联盟链中所采用最多的PBFT共识算法，当节点数量增多，算法时延变长，吞吐量降低和主节点选择随意的问题，提出一种基于分组信誉值的PBFT共识优化方法。对全网节点进行分组，便于在节点的选择上做了相应的筛选，控制参与共识算法节点的数量；每个节点组通过将Vague集点对点的投票值转化为模糊集的具体值作为节点信誉值，选择每个组内最高信誉值的节点作为代表节点参与共识；在共识节点中使用可验证随机函数随机选取主节点，增加主节点的不可预测性；最后，为了减少节点间的通信频率，简化了共识过程。通过实验测试表明，GV‑PBFT算法能够有效减小共识时延和提高吞吐量。
-
Patent Agency Ranking
公开(公告)号：CN114637925A
公开(公告)日：2022-06-17
申请号：CN202210287614.7
申请日：2022-03-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SVD++和UBCF算法的混合推荐方法，该方法包括以下步骤：构造SVD++对象的初始化方法，用于定义初始化参数并进行赋值；定义SVD++对象的训练方法，用于构造神经网络，迭代地使用SVD++算法对初始矩阵进行训练并输出；主函数对SVD++算法的调用；在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。本发明在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。
-
公开(公告)号：CN114625969A
公开(公告)日：2022-06-14
申请号：CN202210289034.1
申请日：2022-03-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/901 , G06F40/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于交互近邻会话的推荐方法，包括：构建向当前会话图，侧重目标会话中频繁项目之间的转换；用图神经网络和软注意力机制对有向当前会话图进行建模，生成用户偏好项目的会话表示；对目标会话的交互近邻会话进行搜索，从交互近邻会话中选择项目与目标会话构造无向交互近邻图；使用图神经网络和软注意力机制对无向交互近邻图进行建模，生成含有近邻信息的会话表示；通过融合门控机制结合两类会话表示信息，生成丰富的会话嵌入，从而达到高效率推荐的目的。本发明在推荐性能与模型鲁棒性上都有着一定的优势，能够满足用户的推荐偏好，准确的预测用户点击的下一项。
-
公开(公告)号：CN111860668B
公开(公告)日：2024-04-02
申请号：CN202010733749.2
申请日：2020-07-27
Applicant: 辽宁工程技术大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对原始3D点云处理的深度卷积网络的点云识别方法，包括：通过FPS算法对原始点云进行采样；使用球域搜索算法对每个采样中心点周围给定半径所形成地球域内的K个邻近点进行查找并分组，进而将原始点云划分成重叠的局部区域；使用点云卷积操作对每个局域内的点集进行精细特征提取，产生更高层次的抽象特征。本发明可以对原始点云直接进行端到端的特征学习，无需任何预处理，并且具有较高的点云识别精度，将图像数据转为点云并使用该方法对其进行识别，性能也基本等效于传统2D卷积网络。
-
公开(公告)号：CN115221404A
公开(公告)日：2022-10-21
申请号：CN202210835107.2
申请日：2022-07-15
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06N3/00
Abstract: 本发明公开了一种飞蛾扑火算法优化模糊聚类的推荐方法，包括以下步骤：收集用户活动信息即用户对浏览过的项目的评分数据，构建Rn×h；利用飞蛾扑火算法找到最优的初始聚类中心，再通过最优的初始聚类中心对用户进行模糊C‑均值聚类；通过模糊聚类隶属度不同的原则，找到目标用户的候选邻居簇；计算目标用户与簇中候选邻居之间的相似度；将簇中候选邻居的评分数据作为推荐依据，通过结合簇中候选邻居集合对某项目的评价，得到目标用户对未评分项目的评分预测；生成目标用户对该项目的评价预测之后，根据评分高低，生成推荐列表。本发明对用户的爱好进行充分分析，以此为基础进行个性化推荐，在解决数据稀疏问题的同时，减小推荐误差，提升推荐效果。
-
公开(公告)号：CN111613200B
公开(公告)日：2022-08-02
申请号：CN202010454983.1
申请日：2020-05-26
Applicant: 辽宁工程技术大学
IPC: G10K11/178 , G06N20/00 , G06F17/13
Abstract: 本发明提供一种基于强化学习的降噪方法，涉及噪声控制技术领域。该方法基于现有的主动降噪系统实现；通过误差传感器采集到的残余噪声声压值与控制器控制次级扬声器发出抵消声信号的关系建立降噪策略函数；然后依据降噪奖励函数对降噪过程进行建模，按照降噪策略执行降噪后，将后续各个时刻依据奖励函数获得的累计奖励值最大化作为建模降噪策略的依据；建立关于累计奖励值的价值函数，并迭代更新价值函数，得到最优价值函数，进一步得到最大化的累计奖励，并确定此时的降噪策略为最优；控制器按照当前最优降噪策略控制次级扬声器进行降噪。该方法有效解决了传统降噪控制器降噪性能不佳的问题，具有更强的泛化能力及更广泛的适用范围。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
