-
公开(公告)号：CN108921602B
公开(公告)日：2021-12-21
申请号：CN201810642096.X
申请日：2018-06-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。
-
公开(公告)号：CN113011314A
公开(公告)日：2021-06-22
申请号：CN202110279160.4
申请日：2021-03-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于频率域特征和乘积神经网络的人脸表情识别方法，该方法步骤如下：对人脸表情数据集中的人脸表情进行预处理；对经过预处理的人脸表情提取人脸的全局频率域特征和局部频率域特征；将人脸表情数据集分为训练集和测试集；构建和初始化乘积神经网络，使用划分完成的训练集和测试集对乘积神经网络训练和测试；评估乘积神经网络，采集人脸表情测试样本输入经过训练的乘积神经网络，得到最终的表情分类。本发明设计了一种新型的端到端的乘积神经网络，综合了人脸的全局特征和局部特征，提供了一种高效的人脸表情识别方法。
-
公开(公告)号：CN107301206A
公开(公告)日：2017-10-27
申请号：CN201710402937.5
申请日：2017-06-01
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F16/24534 , G06F16/248 , G06F16/283
Abstract: 本发明公开了一种基于预运算的分布式OLAP分析方法及系统，主要是在分布式数据仓库基础上构建数据模型，根据数据模型定义数据立方体；对给定的数据立方体启动预运算任务，以并行计算的方式进行立方体预构建，将结果保存到分布式键值存储系统中；将多维分析操作经过一系列步骤转换为对数据立方体的key-value查询操作，从构建好的立方体中直接获取分析结果，并将结果以丰富多样的图表形式展现；同时利用NoSQL对OLAP查询操作进行缓存优化。本发明充分发挥了Hadoop平台强大的处理性能，进行数据立方体预构建，克服了传统方法每次查询都需要从原始数据中进行大量计算导致查询缓慢的问题，从而提高OLAP分析效率和系统性能。
-
公开(公告)号：CN103079063A
公开(公告)日：2013-05-01
申请号：CN201210557415.X
申请日：2012-12-19
Applicant: 华南理工大学
Abstract: 本发明为一种低码率下基于H.264的视觉关注区域的视频编码方法，包括步骤：判断当前编码帧类别，确定视觉关注区域、当前编码帧所有宏块的量化参数调整等级、当前编码帧所有宏块的视觉关注度权值；采用结构相似度SSIM作为失真准则进行宏块预测模式选择时RDO失真衡量标准；根据视觉关注度权值确定新的RDO代价计算公式；确定新的RDO代价计算公式中的经验值；根据新的RDO代价计算公式计算每种预测模式下的RDO代价；根据宏块等级重新分配每个宏块的编码量化参数；根据重新分配的量化参数编码当前编码帧的每个宏块；重复上述步骤直到编码结束。本发明可在码率非常有限的情况下优化码率分配，实现更符合人眼视觉特征的视频编码。
-
公开(公告)号：CN103051978A
公开(公告)日：2013-04-17
申请号：CN201210543864.9
申请日：2012-12-16
Applicant: 华南理工大学
IPC: H04N21/6437 , H04N21/2385 , H04N21/234 , H04N7/26
Abstract: 本发明公开了一种基于H264的实时移动视频服务控制方法，属于实时流媒体和移动网络传输领域，包括对实时视频进行较低码率和较低分辨率的H264编码，然后对编码后的H264视频数据进行打包处理，并通过实时流传输协议将处理后的视频数据传输到移动终端，使用三阶段的码率控制方法，在传输过程中通过传输控制机制对移动网络信道的状态进行检测和反馈，并根据反馈的信息在编码端进行码率控制。最后在移动终端对传输过来的视频数据进行解码显示。该方法能够有效地保证移动网络环境中实时移动视频的服务质量。
-
Patent Agency Ranking
公开(公告)号：CN118247756A
公开(公告)日：2024-06-25
申请号：CN202410349622.9
申请日：2024-03-26
Applicant: 华南理工大学
IPC: G06V20/56 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于语义分割和网络流的高速公路应急车道检测方法，该方法是基于改进DeeplabV3+网络与网络流最大流算法，两者相结合共同实现高速公路应急车道的精准识别；该改进DeeplabV3+网络的改进包括：将特征提取模块的Backbone部分从原来的MobileNetV2网络替换为GhostNet网络，多尺度提取ASPP模块加入了一个通道注意力机制SENet；该网络流最大流算法用于对基于语义分割得到的车道线遮罩图进行修复和连接。本发明可在适应不同场景与不同天气下的环境同时，有效完成高速公路应急车道的检测，同时还能满足交通监控系统的高实时性与高精度要求。
-
公开(公告)号：CN113011314B
公开(公告)日：2023-07-18
申请号：CN202110279160.4
申请日：2021-03-16
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/42 , G06V10/52 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于频率域特征和乘积神经网络的人脸表情识别方法，该方法步骤如下：对人脸表情数据集中的人脸表情进行预处理；对经过预处理的人脸表情提取人脸的全局频率域特征和局部频率域特征；将人脸表情数据集分为训练集和测试集；构建和初始化乘积神经网络，使用划分完成的训练集和测试集对乘积神经网络训练和测试；评估乘积神经网络，采集人脸表情测试样本输入经过训练的乘积神经网络，得到最终的表情分类。本发明设计了一种新型的端到端的乘积神经网络，综合了人脸的全局特征和局部特征，提供了一种高效的人脸表情识别方法。
-
公开(公告)号：CN111738302B
公开(公告)日：2023-06-20
申请号：CN202010465444.8
申请日：2020-05-28
Applicant: 华南理工大学
IPC: G06F18/2415 , G06N3/04 , G06N3/08 , G16H50/20 , G06F18/214
Abstract: 本发明公开了一种基于多模态数据对阿尔茨海默病进行分类诊断的系统，包括：图形用户界面模块，用于以图形的方式给用户呈现程序功能调用的接口；3D MRI图像数据预处理模块，用于对患者的3D MRI图像进行预处理，从3D数据中选出2D切片；图像数据分类预测模块，用于对2D切片进行特征提取，并进行分类预测，给出患者三种状态(阿尔茨海默病、轻度认知障碍、正常)的概率；非图像数据分类预测模块，用于对患者的非图像数据进行分类预测，给出患者三种状态的概率；基于概率的集成模块，用于给出一个三种状态概率的最终预测结果。本发明在多模态(图像、非图像)数据情境下对阿尔茨海默病患者进行精准分类预测，辅助医疗工作者进行诊断和治疗。
-
公开(公告)号：CN114677343A
公开(公告)日：2022-06-28
申请号：CN202210262727.1
申请日：2022-03-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双背景的高速公路抛洒物检测方法，该方法步骤如下：S1、对高速公路监控视频进行背景建模，得到背景帧视频；S2、用背景帧视频中的当前背景帧减去历史背景帧，得到当前背景帧和历史背景帧的差分图；S3、对差分图进行数学形态学操作，得到背景帧视频中的运动物体；S4、在获得的运动物体中去除面积过小和过大的、距离摄像头过远的，以及不在路面上的运动物体，其余运动物体判定为抛洒物，并在画面中进行标示。本发明通过背景建模并进行背景帧相减，再通过一系列的条件判断检测出抛洒物，在实际场景中验证了本发明的有效性。
-
公开(公告)号：CN108921604B
公开(公告)日：2022-03-29
申请号：CN201810647829.9
申请日：2018-06-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于代价敏感分类器集成的广告点击率预测方法，包括步骤：在特征提取上，采用人工定义的规则进行特征提取，对用户行为历史记录进行特征提取和采样；在广告点击率预测中采用改进B‑SMOTE+方法进行数据过采样；经过数据预处理后的数据集在交由分类器学习时采用代价敏感算法，将误分“点击广告”这一错误加大惩罚力度；采用了遗传算法进行了优化调参；采用两层Stacking方式对进行集成。本发明解决了目前一些点击率预测算法由于特征维度较少、数据预处理不到位等问题导致的准确率较低等问题，采用该方法能够较好地提升广告点击率预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
