-
公开(公告)号：CN109215349A
公开(公告)日：2019-01-15
申请号：CN201811260347.4
申请日：2018-10-26
Applicant: 同济大学
CPC classification number: G08G1/0145 , G06Q10/04 , G06Q50/26
Abstract: 随着智能交通系统的不断发展，对交通流量需要进行准确而有效的预测。实现对交通流量的预测，其关键技术之一是对交通流量数据的挖掘并对其数据特征进行学习。然而，对于复杂多变的交通流数据，基于交通流理论和统计学模型的传统方法难以捕捉非线性交通流量数据的复杂模式及其特征，故而对交通流量参数进行模式识别和预测的能力较弱；此外，现有的模型大多只能对交通流量进行短时的预测，目前暂时还没有对交通流量进行长时预测的模型方法。针对以上问题，本发明基于卷积神经网络框架，提出了一种基于深度学习的长时交通流量预测方法以提高对交通流量进行长时预测的准确性和鲁棒性。
-
公开(公告)号：CN103049454B
公开(公告)日：2016-04-20
申请号：CN201110312662.9
申请日：2011-10-16
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于多标签分类的中英文搜索结果可视化系统，该系统包括：显示模块，用于显示用户界面及搜索结果；搜索模块，用于根据用户查询语句调用搜索引擎API进行搜索，并获取搜索结果，分别整合中文和英文的搜索结果；分类模块，用于对搜索模块获取的结果进行中英文多标签分类，并对分类结果进行整合；可视化模块，用于对整合后的分类结果实现Web用户界面设计，并通过显示模块输出。与现有技术相比，本发明借鉴粒计算细想，通过采用基于贝叶斯理论的多标签分类方法，可对搜索结果进行有效的多标签分类和整合，通过采用该方法设计可视化系统，能够根据用户的需求按类别显示搜索结果，同时尽量做到不丢失搜索结果，提高用户浏览效率，改善用户浏览体验。
-
公开(公告)号：CN118782096A
公开(公告)日：2024-10-15
申请号：CN202411119592.9
申请日：2024-08-15
Applicant: 同济大学
IPC: G10L25/51 , G10L25/63 , G10L25/78 , G10L25/30 , G10L17/00 , G10L15/18 , G06Q50/20 , G06Q10/0639
Abstract: 一种基于语音多特征渐进式嵌入的课堂教学效果评价系统，包括输入模块、预处理模块、角色分类模块、课堂内容情感分类模块、评价分析模块：输入模块获取需要评价分析的课堂音频；预处理模块将音频进行细粒度切割；角色分类模块在检测出静音片段并标记后，将每个片段划分为教师或学生；课堂内容情感分类模块，对教师片段和学生片段划分类别；评价分析模块，将各类别的占比信息输入到课堂评价模块中，生成评价分析报告。本发明通过渐进式的语音分析和优化的教学评价体系，本系统可以自动化、客观化、高效率地评价课堂教学效果，从而提高教师的教学质量。
-
公开(公告)号：CN116304706A
公开(公告)日：2023-06-23
申请号：CN202310285135.6
申请日：2023-03-22
Applicant: 同济大学 , 深圳脑吾脑网络科技有限公司
IPC: G06F18/214 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及认知训练干预与人工智能的交叉领域，具体涉及一种基于LSTM模型匹配认知训练最适参数的方法，所述方法包括：设计用户认知训练日志数据的采集特征及方法，按照认知单元评分方法对用户的行为表现进行认知能力自动评价，并基于以上设计构建数据集；对所述数据集进行预处理，重构认知训练干预的序列数据集，作为训练样本；将所述训练样本输入到深度最适难度预测模型中进行训练，所述深度最适难度预测模型基于LSTM框架设计；利用训练完成的预测模型进行认知训练难度系数预测，评估模型性能。本发明通过训练LSTM预测模型根据用户认知训练中的历史数据表现得到下一次训练的难度，保证用户始终在一个有挑战的训练难度和强度下进行认知训练。
-
公开(公告)号：CN111428586B
公开(公告)日：2023-05-16
申请号：CN202010158977.1
申请日：2020-03-09
Applicant: 同济大学
IPC: G06V40/20 , G06V40/10 , G06V20/64 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征融合与样本增强的三维人体姿态估计方法，涉及三维人体姿态估计与性能优化方法。首先，采用基于候选区域的全卷积网络，对图片中人体进行身体部位分类与像素点三维坐标回归；其次，采用辅助网络样本增强，对没有初始标注的样本位置进行信号补充；最后，将模型与现有效果良好的2D姿态识别模型进行特征融合，从全局姿态的角度与局部回归坐标发挥优势互补性。本发明通过特征融合技术构造基于多任务并行的人体姿态估计架构，为二维和三维姿态识别的优势互补提供有效的理论和方法；通过模拟半监督学习的方式，建立基于数据增强的辅助网络，为提升姿态识别模型泛化能力提供新的思路。
-
Patent Agency Ranking
公开(公告)号：CN113032550A
公开(公告)日：2021-06-25
申请号：CN202110331685.8
申请日：2021-03-29
Applicant: 同济大学
Abstract: 一种基于预训练语言模型的观点摘要评价系统，包括预处理模块、观点摘要模块与算法评价模块。预处理模块包括分句处理和主观性分析，对原生语料通过分句和长度限制过滤后，借助预训练语言模型进行主观性分析以保留主观性较强的句子；观点摘要模块使用特定预训练语言模型生成语义向量并进行谱聚类，结合效果指标与少数舍弃策略获取若干个包含不同潜在主流观点的聚类簇，并从每个聚类中心附近抽取作为最终主流观点的主观句，通过语义修正以缓解口吻差异带来的阅读问题；算法评价模块借助主流观点数据集，对生成观点的主题召回率、正负极性进行自动评价，对算法生成观点与参考观点的对应程度进行人工评价，综合上述指标对摘要算法的效果给出合理评估。
-
公开(公告)号：CN112417134A
公开(公告)日：2021-02-26
申请号：CN202011198008.5
申请日：2020-10-30
Applicant: 同济大学
IPC: G06F16/34 , G06F16/33 , G06F40/126 , G06F40/232 , G06F40/284 , G06K9/62 , G10L15/26
Abstract: 基于语音文本深度融合的摘要自动生成系统及方法，包括预处理与语音对应模块、编码器模块、解码器特征融合模块、损失函数模块。预处理与语音对应模块包括文本获取和语音对应。解码器特征融合模块包括中间摘要生成、声音特征的融合、修正后摘要生成。损失函数模块包括中间摘要损失函数、修正后摘要的评估函数。对于用户语音数据，通过文本获取得到语音对应的文本，经过语音对应得到按字对应的语音特征；文本数据经过预训练xlnet编码器，得到文本的向量表示；文本向量与语音特征通过解码器的声音特征融合以及中间摘要生成后学习得到中间摘要；对于中间摘要重新利用xlnet编码得到对于文本的进一步理解，最后再经过修正后摘要生成学习得到最终的摘要。
-
公开(公告)号：CN107133569B
公开(公告)日：2020-06-16
申请号：CN201710219411.3
申请日：2017-04-06
Applicant: 同济大学
Abstract: 本发明公开一种基于泛化多标记学习的监控视频多粒度标注方法，以公安视频监控内容分析为背景，从视频特征多层次获取和多粒度表示的理论和方法开展研究工作。首先，基于多标记学习理论和深度学习理论，分析和提取视频中各对象不同层次的特征，构建泛化的多标记分类算法；其次，基于粒计算理论和自然语言理解技术，表征出视频信息的多粒度表示模型。本发明是对监控视频内容分析领域进行深入系统的研究，通过深度学习理论构造泛化多标记学习算法，能够为多层次视频信息提取提供有效理论和方法；通过模拟人类认识和描述图像方法，建立多粒度视频表示理论和方法，为视频内容分析提供新思路。为未来推动视频监控智能化发展奠定理论和应用基础。
-
公开(公告)号：CN110287995A
公开(公告)日：2019-09-27
申请号：CN201910445174.1
申请日：2019-05-27
Applicant: 同济大学
Abstract: 本发明提供一种全天高架交通拥堵情况分级的多特征学习网络模型方法。在本发明中，先将全天的交通车速数据根据数据的时间属性和空间属性重新组织成为速度时空矩阵，同时保留交通数据的时空特征；再根据速度时空矩阵以及道路拥堵速度分级定义，构造拥堵时空矩阵；然后根据拥堵时空矩阵，针对道路的各个路段构建拥堵时长占比向量；最后基于速度时空矩阵，拥堵时空矩阵和拥堵时长占比向量，用三个不同的神经网络分支对数据提取特征，并进行分类。与现有技术相比，本发明针对完整的全天数据，多特征学习网络模型能够较好提取不同类型的数据特征，针对全天交通数据，进行较为有效的数据分类，能够高效率自动化的全天交通拥堵情况分级的问题。
-
公开(公告)号：CN107122795A
公开(公告)日：2017-09-01
申请号：CN201710212251.X
申请日：2017-04-01
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于核化特征和随机子空间集成的行人再辨识方法，包括以下步骤：S1，获取行人图像的训练样本集和测试样本集，确定两个样本间的核化函数；S2，分别将两个样本集的原始特征转化为核化特征；S3，在训练样本集的核化特征空间中，随机选取多个不同的子空间，分别计算不同和相同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，得到图像对的核化特征差值的分布函数；S4，分别在各子空间下，计算样本对为相同行人的概率和为不同行人的概率，将两个概率的比值作为样本间的距离；S5，对距离进行集成，得到各样本对间的最终距离。与现有技术相比，本发明具有良好的行人再辨识能力，适用于各种不同的特征，具有较强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.019 seconds)
