-
公开(公告)号：CN119720102A
公开(公告)日：2025-03-28
申请号：CN202510228062.6
申请日：2025-02-28
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/25 , G06F18/214 , G06F18/2431 , G06F18/213 , G06F18/22 , G06N3/092
Abstract: 本发明涉及多模态情感分析技术领域，尤其是涉及基于融合分解与主干聚拢的多模态情感分析方法及系统。所述方法，包括获取带有不确定缺失的多模态数据，构建情感分析模型，利用训练完成的模型输出情感预测结果。本发明的基于融合分解与主干聚拢的多模态情感分析方法，提出了金字塔多头注意力机制，金字塔多头注意力机制通过层层递进的方式逐步增加注意力头的数量，并自适应结合各层的结果，从而更好地提取不同模态中的多层次特征信息，提高情感分析的准确性和鲁棒性；此外，为了节省多头注意力的资源消耗以及提升运行速度，将多头注意力中的值（V）去掉，直接用键（K）来代替V，以此去掉V相关的操作来提升性能。
-
公开(公告)号：CN119179495B
公开(公告)日：2025-03-25
申请号：CN202411191319.7
申请日：2024-08-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种面向跨领域多任务的大模型适配器高效部署方法及系统，所述方法包括如下步骤：步骤S1、构造模型adapter索引；步骤S2、构造用于训练selector的混合表征数据集；步骤S3、训练selector；步骤S4、基于selector的适配器联合部署。本发明提出了大语言模型部署中适配器选择器selector这一概念，可以根据模型的输入精准判断输入对应的领域和任务，从而引导系统精准将大模型与这一领域与任务的模型适配器精准匹配并重组，提高了多任务推理的准确度；同时提出了selector的训练方法和携带selector的大模型的推理流程和部署方法，提高了有限资源的资源利用率。
-
公开(公告)号：CN119557426A
公开(公告)日：2025-03-04
申请号：CN202510111855.X
申请日：2025-01-24
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/334 , G06F18/25 , G06F18/213 , G06N3/04
Abstract: 本发明涉及多模态情感分析技术领域，尤其是涉及一种基于预训练与在线学习的多模态情感分析方法及系统。所述方法，包括获取情感分析多模态数据，构建情感分析模型，包括构建多头注意力机制分别对文本、图像和音频模态进行编码处理，并将编码后的各模态特征拼接融合；利用前馈神经网络与多头注意力机制对融合特征中各模态间的交互关系进行挖掘；通过构建全连接神经网络评估联合特征中各模态对情感分析任务的贡献程度；将联合特征和加权后的各模态特征融合实现特征补充优化，利用训练完成的模型输出情感预测结果，本发明通过构建多头注意力机制对各模态进行编码处理，将编码后的模态特征进行拼接融合，从而显著提升情感分析的准确性。
-
公开(公告)号：CN113920491B
公开(公告)日：2024-12-13
申请号：CN202111043280.0
申请日：2021-09-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06V20/59 , G06V40/16 , G06V40/20 , G06V10/40 , G06V10/764
Abstract: 本发明公开一种基于面部骨架模型的驾驶疲劳检测系统、方法、介质、检测设备，涉及图象识别技术领域利用人体姿态检测模型对获得的图像进行识别；通过针孔相机模型对获得的识别图像进行3D骨骼化，利用人脸检测模型进行头部姿态特征的提取、脸部特征的提取，利用提取到的头部和脸部的姿态特征，计算出疲劳特征；利用分类器对得到的疲劳特征进行检测，获取疲劳检测模型，利用所述疲劳检测模型对疲劳进行分级判定，并利用APP与用户进行交互。本发明对疲劳行为进行分析，提取疲劳识别的特征，利用随机森林算法，得到了融合多疲劳特征的疲劳检测模型。在树莓派上实现了整个系统，完成了后端和APP端的开发，整个疲劳检测系统有较高的完整性。
-
公开(公告)号：CN118568613A
公开(公告)日：2024-08-30
申请号：CN202410828907.0
申请日：2024-06-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2431 , G06F18/25 , G06F18/214 , G06N3/0895
Abstract: 本发明涉及深度学习技术领域，具体提供一种基于特征融合的半监督学习方法、系统、终端及存储介质，包括：从有标签数据集中随机选择两个初始训练子集。利用两个训练子集的有标签数据分别训练分类器1和分类器2。然后每次迭代过程中，分类器1和分类器2分别对子集1和子集2中经过特征融合的无标签样本以及未经特征融合的无标签样本进行预测，通过比较融合前后的变化大小来度量模型预测的置信度，从而确定一部分无标签样本的伪标签。每个子集的分类器选择出预测置信度最高的若干无标签样本，加入到对方子集的有标签数据集中，使用扩增后的有标签样本重新训练分类器。本发明大大提升了分类器的训练效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN118193853B
公开(公告)日：2024-07-23
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
公开(公告)号：CN117667618B
公开(公告)日：2024-07-09
申请号：CN202311281892.2
申请日：2023-09-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种云资源组合优化分配方法及终端机，属于云计算领域，根据云环境中的服务特点，对服务划分类型进行分类，并建立云资源组合优化分配模式；基于不同类型的服务划分模式，配置服务构件划分策略；配置基于负载分解的混合遗传退火算法来确定满足预设条件的云资源供应方案；根据所述云资源供应方案构建虚拟数据中心。本发明能够针对在线应用的三种不同部署方式，对公有云环境下大规模服务部署进行精确有效的建模，构建高效的启发式算法求解云资源供应方案，实现云资源的组合优化分配。
-
公开(公告)号：CN117523244B
公开(公告)日：2024-05-24
申请号：CN202311439517.6
申请日：2023-10-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/762 , G06V10/82 , G06N3/088 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F17/16 , G06N3/045
Abstract: 本发明实施例提供一种多视图聚类方法、系统、电子设备及存储介质，属于信息技术领域。该方法包括：获取待聚类的多个数据缺失视图；利用多重插补法，对所述多个数据缺失视图中缺失的数据进行缺失值处理，获得多个完整视图，并生成不确定性度量矩阵；提取所述不确定性度量矩阵中易于聚类的隐空间特征；将所述易于聚类的隐空间特征以及所述多个完整视图输入至循环对抗生成网络进行聚类，获得所述待聚类的多个数据缺失视图的聚类结果。通过上述技术方案，利用多重插补法，不仅可以充分利用多视图数据之间的互补信息，对缺失数据进行有效插补，增强了数据之间的关联性，还通过循环对抗生成网络在此基础上实现高效率的多个数据缺失视图的聚类。
-
公开(公告)号：CN118013130A
公开(公告)日：2024-05-10
申请号：CN202410410829.2
申请日：2024-04-08
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06Q30/0601
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于超服务网络的服务推荐方法、系统、设备和存储介质；为解决现有服务网络不能很好的表现出大量服务节点之间关系，影响服务推荐的准确度的问题，该服务推荐方法首先将节点端对端连接的初始服务网络中，每个初始服务节点的边总数，作为初始服务节点关键性顺序，进行基于超边的超服务网络的构建，得到初始超服务网络；然后，通过判断初始超服务网络中的服务节点总数大小，并基于服务节点超边、信誉值和协作次数，选择对初始超服务网络进行优化；最后，根据服务节点超边、信誉值和协作次数计算推荐值后，进行服务推荐；该推荐方法，推荐准确度高，用于商业领域服务推荐中会提高商业内容消费。
-
公开(公告)号：CN116343325A
公开(公告)日：2023-06-27
申请号：CN202310116843.7
申请日：2023-02-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本申请提供一种居家健身智能辅助系统，包括采集单元、特征提取单元、标准动作特征构造单元、评估单元、数据库及显示单元，述采集单元用于采集至少一个运动对象的实时三维位置信息；所述实时动作特征提取单元基于所述实时三维位置信息提取至少一个运动对象的实时动作特征序列；所述标准动作特征构造单元用于构造至少一种运动类型的标准动作特征序列并保存在数据库中；所述评估单元基于所述实时动作特征序列和标准动作特征序列识别至少一个运动对象的运动类型及运动效果；所述显示单元用于显示所述实时三维位置信息、运动类型及运动效果。本申请的技术方案，能够精确地识别运动对象的运动类型并评估对应的运动效果。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.068 seconds)
