-
公开(公告)号：CN106779214A
公开(公告)日：2017-05-31
申请号：CN201611159984.3
申请日：2016-12-15
Applicant: 南开大学
Abstract: 一种基于主题模型的多因素融合民航旅客出行预测方法。本发明首先构建旅客之间的关联图，并针对旅客偏好进行主题建模，进而构建旅客关联图出行主题模型(Passenger Graph based Travel Topic Model，PGTTM)，能够丰富主题信息、有效解决民航数据稀疏性问题；其次通过贝叶斯概率模型构建多因素融合预测框架，融合航线热度、PGTTM得到的旅客对航线偏好、旅客忠诚度和航空公司市场占有率信息，对旅客的未来出行进行精准预测。此发明能够有效预测旅客未来出行的航空公司和航线，可为航空及相关产业提供有效的决策支持，为旅客提供个性化服务。
-
公开(公告)号：CN105095862A
公开(公告)日：2015-11-25
申请号：CN201510404260.X
申请日：2015-07-10
Applicant: 南开大学
IPC: G06K9/00
CPC classification number: G06K9/00342
Abstract: 本发明公开了一种基于深度卷积条件随机场的人体动作识别方法，所述人体动作识别方法包括以下步骤：根据空间卷积层、子采样层交替获取输入图像序列的空间特征表达；对输入图像序列的空间特征表达进行时间卷积操作得到进一步图像序列特征表达；构建基于时空卷积网络的深度条件随机场识别模型，并进行优化；对待预测视频序列进行优化后的深度条件随机场识别的前向计算，得到待预测视频序列中每一帧图像所属的动作类别标注信息。本发明实现了对图像序列数据的时空变换建模，达到了很好的人体动作识别效果。
-
公开(公告)号：CN103861869B
公开(公告)日：2015-08-19
申请号：CN201410136171.7
申请日：2014-04-05
Applicant: 南开大学
IPC: B09C1/08
Abstract: 本发明提供了一种氯氰菊酯污染土壤的修复方法，属于土壤生态修复的应用领域。本方法利用玉米秸秆为主要原材料，使用马弗炉热解制备土壤修复剂生物炭，而后以一定比例施用到被氯氰菊酯污染的土壤中，对其进行修复。主要包括以下步骤：（1）原材料的采集和土壤修复剂的制备（2）将土壤修复剂以一定比例施用到氯氰菊酯污染土壤中（3）氯氰菊酯污染物质降解状况的检测控制。本方法流程简单，成本低，具有广阔的应用范围和条件；生物炭的原材料为农林废弃物及生物转化废弃物，其来源广泛，并且生物炭的施用能有效修复氯氰菊酯污染土壤。
-
公开(公告)号：CN103480644A
公开(公告)日：2014-01-01
申请号：CN201310475850.2
申请日：2013-10-12
Applicant: 南开大学
IPC: B09C1/00
CPC classification number: A62D3/02 , A62D2101/20 , B09C1/10 , B09C1/105
Abstract: 本发明涉及有机毒物污染土壤的植物微生物联合修复技术，即是一种植物（凤仙花）-微生物（石油烃降解混合菌）联合强化修复石油污染土壤的方法。通过接种石油烃降解混合菌不仅直接降解土壤中污染物，而且微生物分泌的一些化学物质可减轻凤仙花受到的毒害作用。同时凤仙花释放光合作用产物到土壤中，使微生物活性提高，数量增多，帮助微生物更有效降解目标污染物。重复利用上述过程，就可以连续减少土壤中石油烃污染物，直至其污染物含量达到环境安全标准。本方法具有对环境破坏小，不破坏土壤理化性质，无二次污染，接种的土著石油烃降解菌不会改变当地微生物群落结构，费用低且适于大规模操作，在治理污染的同时美化环境等优点。
-
公开(公告)号：CN111767409A
公开(公告)日：2020-10-13
申请号：CN202010539229.8
申请日：2020-06-14
Applicant: 南开大学
IPC: G06F16/36 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06F40/126 , G06K9/62 , G06N3/04
Abstract: 一种基于多头自注意力机制的实体关系抽取方法，涉及计算机应用技术。本发明主要采用深度学习技术以及自然语言处理相关的理论方法对文本进行实体关系抽取，将关系检测转化为一个多标签分类问题，并提出词级别有监督的多头自注意力机制来检测文本中词之间的语义关联，通过将不同的关系类别转化为多头注意力机制中不同的特征子空间，本发明可以独立学习不同关系类别下词之间的语义交互，并独立建模不同关系类别下词之间的关联程度，进而可以灵活地识别重叠的关系三元组。
-
Patent Agency Ranking
公开(公告)号：CN105095862B
公开(公告)日：2018-05-29
申请号：CN201510404260.X
申请日：2015-07-10
Applicant: 南开大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于深度卷积条件随机场的人体动作识别方法，所述人体动作识别方法包括以下步骤：根据空间卷积层、子采样层交替获取输入图像序列的空间特征表达；对输入图像序列的空间特征表达进行时间卷积操作得到进一步图像序列特征表达；构建基于时空卷积网络的深度条件随机场识别模型，并进行优化；对待预测视频序列进行优化后的深度条件随机场识别的前向计算，得到待预测视频序列中每一帧图像所属的动作类别标注信息。本发明实现了对图像序列数据的时空变换建模，达到了很好的人体动作识别效果。
-
公开(公告)号：CN104965992B
公开(公告)日：2018-01-09
申请号：CN201510410117.1
申请日：2015-07-13
Applicant: 南开大学
Abstract: 本发明公开了一种基于在线医疗问答信息的文本挖掘方法，所述文本挖掘方法包括以下步骤：采用基于DOM和网页模板的网络数据抽取方式对已获取的原网页进行疾病问答信息的提取；在提取的疾病问答信息中通过条件随机场模型的特征，进行医疗命名实体识别；通过医疗命名实体识别对医疗实体关系进行挖掘。本方法可以有效获取各类实体之间潜在的关联关系。该方法适用于所有疾病类别的挖掘工作，而且具有一定的可扩展性。
-
公开(公告)号：CN106779090A
公开(公告)日：2017-05-31
申请号：CN201611159985.8
申请日：2016-12-15
Applicant: 南开大学
IPC: G06N99/00
CPC classification number: G06N99/005
Abstract: 一种基于自适应Dropout非负矩阵分解的特征学习模型。本发明基于对NMF中隐藏特征之间关系的分析，提出一种基于自适应Dropout非负矩阵分解的特征学习模型(Adaptive Dropout Non‑negative Matrix Factorization)，能够主动学习隐藏特征之间的相异度，并将其转化为隐藏特征的数据表示能力。然后在此基础上构造概率函数，并对隐藏特征进行Dropout，从而降低隐藏特征在优化过程中的相互影响，提高隐藏特征的语义独立性。本发明具有良好的可解释性和泛化性，能够在文本和图像数据上取得明显的性能提升，并能够应用到已有的基于NMF的算法中。此外，本发明还具有良好的可并行性，可以部署到并行平台上运行，用来处理大规模数据。
-
公开(公告)号：CN105512511A
公开(公告)日：2016-04-20
申请号：CN201510823808.4
申请日：2015-11-24
Applicant: 南开大学
IPC: G06F19/24
CPC classification number: G06F19/24
Abstract: 本发明公开了一种基于一致性多非负矩阵分解的聚类方法，该聚类方法属于数据挖掘、生物信息领域，该聚类方法包括以下步骤：根据异质节点间的关联关系数据，构建相邻两层节点间关联矩阵；对于具有层次结构的节点，根据节点间的层次关联关系，构建不同层次的节点内层次关联矩阵；以节点间关联矩阵和节点内层次关联矩阵作为输入，构建一致性多非负矩阵分解模型，并进行优化，得到节点聚类矩阵；对节点聚类矩阵进行归一化处理，若节点与簇的相关性大于给定阈值，则认为该节点属于该簇，完成对节点的聚类。本发明实现了对异质节点间多层关联关系和节点内层次关联关系进行建模，达到了很好的节点聚类效果。
-
公开(公告)号：CN103778407A
公开(公告)日：2014-05-07
申请号：CN201210404068.7
申请日：2012-10-23
Applicant: 南开大学
Abstract: 本发明公开了一种迁移学习框架下基于条件随机场的手势识别算法，涉及机器学习领域，序列数据的标注任务，手势识别问题。通过本发明，手势识别问题不但被更准确的识别，而且相对神经网络与条件随机场相结合的方法，具有更容易优化的特点，而且由于迁移学习框架的采用，通过无监督学习方法引入辅助任务与手势识别的主任务共享隐藏层特征的方式，解决了手势识别问题中有标注数据不足情况下的识别问题。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.022 seconds)
