-
公开(公告)号：CN108182115B
公开(公告)日：2021-08-31
申请号：CN201711468879.2
申请日：2017-12-28
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的虚拟机负载均衡方法，包括如下步骤：根据云平台的历史任务数据集，构建随机森林回归模型；获取云平台当前的任务集合和虚拟机集合；使用构建的随机森林回归模型，预测云平台当前的任务集合中每个任务的执行时间；根据云平台当前的任务集合中每个任务向云平台请求的CPU使用量、内存使用量、任务数据处理规模以及预测得到的任务执行时间，使用粒子群优化算法，以云平台中虚拟机的负载均衡度为优化目标，获得全局最优的粒子编码；将全局最优粒子编码解码成任务到虚拟机的分配方案并输出。该方法能够在均衡虚拟机资源使用率的同时减少任务总执行时间。
-
公开(公告)号：CN113094598A
公开(公告)日：2021-07-09
申请号：CN202110498072.3
申请日：2021-05-08
Applicant: 福州大学
IPC: G06F16/9536 , G06F16/9535 , G06F21/60
Abstract: 本发明涉及一种基于联邦团渗透的视频推荐方法，包括以下步骤：构建各平台视频平台用户网络，并获取视频平台本地重叠用户集；根据得到的视频平台本地重叠用户集，添加虚拟同兴趣用户和虚拟同兴趣用户的同兴趣用户，并对所有的用户信息进行加密后以邻接表形式发送到协调端；协调端合并所有参与视频平台的邻接表并计算k团，对k团进行编号，将k团中相关节点及其编号发送给各视频平台；视频平台过滤协调端发送过来的虚假k团，过滤后在本地计算k团，联合协调端发送过来的真实k团进行团渗透、同兴趣用户群体挖掘，然后依据其同兴趣用户的相关视频对新用户进行视频推荐。本发明在不损失准确性的前提下联合多方视频平台用户数据进行视频推荐。
-
公开(公告)号：CN112750426A
公开(公告)日：2021-05-04
申请号：CN202110133543.0
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种移动终端语音分析系统。包括：数据预处理模块，对输入的语音信号进行预处理，转换成RGB图像；语音识别模块，对RGB图像大小进行调整，输入神经网络进行训练，得到神经网络模型；待识别的加速度计数据经过预处理和图像大小调整后输入训练后的神经网络模型，输出预测结果；语音重构模块，实现从加速度信号重构出语音信号的功能；对于输入的加速度信号频谱图，重构模块内部基于自动编码器设计的神经网络会先对其进行处理，经过训练的神经网络模型，输出加速度信号对应的语音信号的频谱图，再使用Griffin‑Lim算法从语音信号频谱图还原出语音信号，达到从加速度信号重构出语音信号的目标。本发明能够实现完整的从加速度信号重构出语音信号的功能。
-
公开(公告)号：CN111274375A
公开(公告)日：2020-06-12
申请号：CN202010067240.9
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于双向GRU网络的多轮对话方法及系统，该方法包括以下步骤：步骤A：采集对话上下文和回答数据，构建对话训练集D；步骤B：使用对话训练集D，训练融合双向GRU的深度学习网络模型M；步骤C：与用户进行对话，将用户提问输入到训练好的深度学习网络模型M中，输出匹配的答案。该方法及系统有利于提高对于用户提问所作回答的匹配性。
-
公开(公告)号：CN110084327A
公开(公告)日：2019-08-02
申请号：CN201910359135.X
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于视角自适应深度网络的票据手写数字识别方法及系统，该方法包括以下步骤：步骤A：使用带类别标签的数字图像训练视角自适应的深度网络；步骤B：对彩色票据图像进行预处理，得到二值图像；步骤C：使用积分投影法对二值图像进行分割，得到各数字图像；步骤D：将各数字图像分别输入到深度网络进行数字识别，得到分类结果。该方法及系统解决了票据手写数字识别中存在的字形字体变化导致识别出错、视角变化对识别造成影响的问题，有利于提高票据手写数字识别的准确度和速度。
-
Patent Agency Ranking
公开(公告)号：CN110059768A
公开(公告)日：2019-07-26
申请号：CN201910359134.5
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的融合点与区域特征的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再基于通用特征获取多重上下文对比点特征，以这两部分级联作为编码网络提取编码特征；从卷积网络中选取中间层特征，结合编码特征计算区域特征，融合点域特征扩大解码特征分辨率，把这部分多次迭代作为解码网络，重建图像分辨率，计算解码特征；计算边缘增强的语义分割损失，以最小化边缘增强的语义分割损失为目标来对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
公开(公告)号：CN110059698A
公开(公告)日：2019-07-26
申请号：CN201910359119.0
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的基于边缘稠密重建的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再获取三级上下文空间金字塔融合特征，以这两部分级联作为编码网络提取编码特征；利用编码特征获取半输入尺寸编码特征，基于卷积网络获取边缘特征，结合半输入尺寸编码特征，以融合边缘特征的稠密网为解码网络，重建图像分辨率，获取解码特征；计算语义分割损失和辅助监督的边缘损失，以最小化两者加权和损失为目标对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
公开(公告)号：CN109828751A
公开(公告)日：2019-05-31
申请号：CN201910116872.7
申请日：2019-02-15
Applicant: 福州大学
Abstract: 本发明涉及一种集成化的机器学习算法库与统一编程框架，包括模型学习组件、模型更新组件和学习策略组件；所述模型学习组件基于Batch Processing利用机器学习算法和固定大小的批量数据构建算法模型的逻辑；所述模型更新组件基于Timely Processing利用动态的数据流对特定的算法模型进行更新的逻辑；所述学习策略组件内置判断输入数据是批量数据还是流数据的策略，调度模型学习组件、模型更新组件两个组件进行动态学习的逻辑。本发明能够克服传统机器学习系统的单一处理方式缺点，方便机器学习的应用。
-
公开(公告)号：CN109753660A
公开(公告)日：2019-05-14
申请号：CN201910013185.2
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种中标数据的命名实体识别方法，包括如下步骤：对中标网页的文本数据进行清洗，得到中标文本；利用Lattice-LSTM作为编码层得到文本数据的语义信息特征；利用LSTM作为解码层对每个字进行实体标注，标记出语句序列中的实体信息；进行规则的校正和格式化处理；最后输出识别出的中标网页的命名实体。本发明基于Lattice-LSTM-LSTM模型，能够高效的识别招标网站的中标项目详情页面中的命名实体。
-
公开(公告)号：CN109462748A
公开(公告)日：2019-03-12
申请号：CN201811578969.1
申请日：2018-12-21
Applicant: 福州大学
IPC: H04N13/15 , H04N13/106
Abstract: 本发明涉及一种基于单应性矩阵的立体视频颜色校正算法，首先，检测目标视频所有视频帧中的Harris角点特征点，并利用Kanade-Lucas-Tomasi（KLT）算法对所有相邻视频帧之间的特征点进行匹配和跟踪；其次，根据相邻视频帧之间的匹配特征点，获得每个特征点的运动轨迹，再从中选取a个特征点；然后，使用随机抽样一致算法(RANSAC)通过选取的a个特征点计算相邻两帧之间的单应性矩阵；最后利用图像颜色校正算法对目标视频中的第一帧进行颜色校正；根据求解出的单应性矩阵对目标视频中第二帧以及第二帧之后的后续帧进行颜色校正。本发明对颜色失真的立体视频能起到很好的颜色校正结果，使得校正后的目标视频和参考视频保持时间和空间颜色一致性。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.027 seconds)
