-
公开(公告)号：CN105117816A
公开(公告)日：2015-12-02
申请号：CN201510430023.0
申请日：2015-07-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于兴趣点的城市阻抗计算方法，包括以下步骤：1、从互联网媒介中采集城市内的兴趣点数据，其中包括兴趣点的名称、类型、经纬度位置、营业时间数据；2、对兴趣点的营业时间进行数据整理，输出标准格式；3、利用城市路网数据，以城市中道路系统完全围合的多边形为基础，划分出地块单元并确定地块中心；将兴趣点通过经纬度位置映射至相应地块单元中；4、对各地块中心到可达范围内所有兴趣点进行路径规划，获得路径参数；5、根据路径规划结果，考虑路径参数及相应地块单元内的人口参数，计算城市中每个地块单元对应的阻抗值。该方法有利于量化城市不同地块不同时间段的阻抗值，从而为交通流量管理和城市用地规划提供参考。
-
公开(公告)号：CN119335859A
公开(公告)日：2025-01-21
申请号：CN202411444053.2
申请日：2024-10-16
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明涉及基于进化强化学习的无人机‑车辆协作系统双目标优化方法，包括以下步骤：步骤S1：初始化策略种群；步骤S2：使用多智能体强化学习算法训练种群中的所有团队策略；步骤S3：评估所有团队的适应度值；步骤S4：使用团队间的协同进化方法迭代种群中的团队策略，产生新的种群；步骤S5：判断种群策略是否收敛；步骤S6：无人机‑车辆系统根据策略网络协同决策执行感知和数据卸载任务；步骤S7：根据收集到的数据推断未感知区域的数据。该方法结和协同进化算法和多智能体强化学习的优势，利用多智能体强化学习模型学习策略，并通过团队间的协同进化把控全局优化方向，实现异构无人机和车辆的双向策略协同和复杂的合作任务的双目标优化。
-
公开(公告)号：CN116304511A
公开(公告)日：2023-06-23
申请号：CN202310237655.X
申请日：2023-03-14
Applicant: 福州大学
Abstract: 本发明提出一种基于图和注意力的时空裂缝数据推断方法，包括以下步骤；步骤S1：获取包含时空裂缝数据的原始稀疏矩阵；步骤S2：移除原始稀疏矩阵中的所有时空裂缝，得到更小尺寸的无裂缝稀疏矩阵；步骤S3：利用矩阵分解技术推断无裂缝稀疏矩阵；步骤S4：将步骤S2移除的时空裂缝重新放回，得到预处理的稀疏矩阵；步骤S5：构建基于图注意力网络的空间块和基于Transformer的时间块，并将它们组合成时空神经网络结构；步骤S6：将预处理的稀疏矩阵输入时空神经网络结构的模型中，得到推断的矩阵并计算损失；步骤S7：重复步骤S6，以训练模型直至收敛；本发明在给定具有稀疏性并可能伴有时空裂缝特征的感知数据的情况下，能有效地推断出比较理想的完整数据。
-
公开(公告)号：CN112528730A
公开(公告)日：2021-03-19
申请号：CN202011128387.0
申请日：2020-10-20
Applicant: 福州大学
Abstract: 本发明涉及一种匈牙利算法下基于空间约束的成本矩阵优化方法，首先获取保存好的所有被跟踪目标的外观特征向量集合，然后获取该帧中所有行人检测的结果，并将他们结合构造初始的成本矩阵；接着根据之前被跟踪的目标的信息利用卡尔曼滤波来估计该目标的当前位置，根据估计位置和检测结果的相对关系来修改成本矩阵的权重，用于后续的指派任务；最后利用匈牙利算法获得成本矩阵的最优指派，据此将检测结果进行分配，并且更新和保存被跟踪目标的外貌特征。本发明能够根据视频场景来有效改善匈牙利算法的匹配效果，去除一些不合理的匹配。
-
-
Patent Agency Ranking
公开(公告)号：CN105045880A
公开(公告)日：2015-11-11
申请号：CN201510430517.9
申请日：2015-07-22
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30985
Abstract: 本发明涉及一种不同数据源的兴趣点的模糊匹配方法，包括以下步骤：1、分别从两个不同的网站中采集兴趣点数据构成数据集A、B；2、提取名称完全匹配的兴趣点配对形成数据样本，通过数据样本计算平均位置偏差并确定匹配范围；3、分别从数据集A、B中取待匹配点和待匹配集；4、对待匹配点和待匹配集中所有兴趣点的名称进行逐级地址分词，然后通过地址词典过滤名称中的地址信息；5、采用KMP算法对待匹配点和待匹配集中每个兴趣点进行匹配，通过匹配率判断兴趣点是否相同；6、同理，对数据集A中的其他兴趣点，在数据集B中找出与其匹配的兴趣点。该方法有利于精确匹配不同数据源的兴趣点数据，过滤重复的数据。
-
公开(公告)号：CN104077412A
公开(公告)日：2014-10-01
申请号：CN201410334853.9
申请日：2014-07-14
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06K9/6297
Abstract: 本发明涉及一种基于多Markov链的微博用户兴趣预测方法，包括以下步骤：1、分别获取q个、p个用户发表的微博作为训练数据、测试数据；2、以用户为单位，对训练数据、测试数据进行预处理，提取每个用户的兴趣特征值；3、将训练数据转化为Markov链，再基于Markov链两两之间的聚类相似度，对Markov链进行合并，然后利用合并后的Markov链建立多Markov链模型；4、对测试数据进行用户分类；5、基于对测试数据分类得到的用户类别，利用多Markov链模型预测用户的兴趣特征。该方法可以有效预测微博用户的兴趣。
-
公开(公告)号：CN114118373B
公开(公告)日：2024-11-01
申请号：CN202111412506.X
申请日：2021-11-25
Applicant: 福州大学
IPC: G06F18/15 , G06N3/044 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种基于回声状态网络的多维时间序列缺失补全方法，包括：步骤S1：构建回声状态网络模型；步骤S2:按照时间顺序，向回声状态网络模型的输入层提供每个时刻的外生变量，向输出层提供对应时刻的多维时间序列的观测值，若缺失的观测值尚未预补，则利用基于方向的最近邻策略进行暂时性预补;步骤S3:分别构建具有双向反馈的前向或双向回声状态网络，并更新所有时刻的内部状态；步骤S4:根据无需预补时刻的输入、内部状态和真实输出训练出网络的输出权重；步骤S5:根据需要预补时刻的输入、内部状态和步骤S4得到的输出权重计算输出估计值，并用于对预补值进行更新；步骤S6:重复步骤S3‑S5，用最后的预补值填补原始序列的缺失值。本发明考虑更加全面的数据相关性来提升多维时间序列的补全精度。
-
公开(公告)号：CN117236447A
公开(公告)日：2023-12-15
申请号：CN202311259394.8
申请日：2023-09-27
Applicant: 福州大学
Abstract: 本发明提供一种协同执行多种任务的在线稀疏群智感知方法，由数据收集、数据推断和训练数据更新三个部分组成。首先，通过挖掘真实数据的时空变化规律和相关性，本发明可以使用实时收集到的多任务数据更新训练数据，以保持模型持续更新。接着，本发明提出了一种具有分层架构的多智能体强化学习模型，尝试为每种感知任务分配合适的预算，并执行多种任务数据的协同收集。最后，本发明使用数据推断网络捕捉多种任务数据之间的时空相关性，推断未收集区域的数据，从而进一步降低感知成本，提高数据推断质量。
-
公开(公告)号：CN116611666A
公开(公告)日：2023-08-18
申请号：CN202310732444.3
申请日：2023-06-19
Applicant: 福州大学
IPC: G06Q10/0631 , G06F18/214 , G06Q50/26 , G06N3/006
Abstract: 本发明的目的在于提供一种可同时感知与执行的移动公共资源调度方法，通过两阶段的调度，即考虑短期执行效用也考虑长期预测效用以达到移动公共资源长期覆盖人流量最大化，综合考虑执行效用与感知效用，以达到长期覆盖人流的最大化，保证动态资源的高利用率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
