-
公开(公告)号:CN114357271B
公开(公告)日:2024-09-03
申请号:CN202111470982.7
申请日:2021-12-03
Applicant: 天津大学
IPC: G06F16/951 , G06N3/042 , G06N3/088
Abstract: 本发明公开了一种基于图神经网络融合文本和时序信息的微博热度预测方法,利用滑动窗口数据集划分方法将预处理后的数据按照微博发出的时间进行排序和分割,按照固定的步长按照时间轴将数据集划分拆分为若干个数据子集;构建文本子图和时序子图,后输入至一个无监督的图神经网络模型,使用该模型得到所有的本文子图和时序子图中微博节点的特征表示,将其与微博发出一段时间的热度趋势信息融合,按照微博ID进行数据对齐,最后通过多层感知机对微博整个生命周期的热度进行预测。本发明考虑微博之间的相互影响的同时在一定程度上解决了模型无法对新发出的微博无法预测的问题,在使用时序信息较少的情况下能够迅速对新发出的微博取得较好的预测结果。
-
公开(公告)号:CN118297421A
公开(公告)日:2024-07-05
申请号:CN202410398540.3
申请日:2024-04-03
Applicant: 天津大学
IPC: G06Q10/0637 , G06Q50/00 , G06F18/23 , G06F18/25 , G06F18/15 , G06N3/044 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于短时序多领域自适应特征融合的社交媒体内容热度预测方法,包括:使用聚类的方法将短小时间序列的划分为不同的领域;预训练领域个性特征学习模块,其中应用归一化和反归一化去除和恢复时间序列中的非平稳信息,应用TCN捕获每个领域内部的时间信息作为个性特征;预训练共享的RNN学习时间依赖;通过融合领域个性特征学习模块和共享的RNN,并且度量领域间RNN隐藏单元的分布距离作为正则化项,协同学习短小时间序列领域个性和共性特征;本发明通过融合社交媒体内容的短小时间序列的领域个性和共性特征,使训练的模型能够适应未来分布不同的测试数据,与现有技术相比有更好的预测效果,能获得全局性更优、泛化性能更好的建模结果。
-
公开(公告)号:CN109887028B
公开(公告)日:2023-02-03
申请号:CN201910020386.5
申请日:2019-01-09
Applicant: 天津大学
Abstract: 本发明提供一种基于点云数据配准的无人车辅助定位方法,包括步骤:无人车预先在指定室外场景采集全景的点云数据地图,即大规模全局点云数据;无人车行驶过程中,通过激光雷达扫描所在位置的点云数据,即小规模局部点云,并利用点云数据的配准算法,对小规模局部点云和大规模全局点云进行配准,并获取小规模局部点云在大规模全局点云中的配准位置坐标,以及偏转和平移矩阵;最后,借助配准位置坐标以及偏转和平移矩阵,计算出在大规模全局点云地图中,无车人所处的位置;本发明主要利用无人车的激光点云数据,实现当前小规模局部点云和大规模全局点云的配准,从而实现定位。
-
公开(公告)号:CN107895202B
公开(公告)日:2022-03-04
申请号:CN201711001445.1
申请日:2017-10-24
Applicant: 天津大学
Abstract: 本发明公开了一种基于多视角风速模式挖掘的短期风速预测方法方法,包括:采集风电场的风速历史数据,形成历史风速的时间序列;通过互信息法确定时间序列的延迟;根据获得的延迟将风速时间序列转换成为矩阵型数据,获得风速样本;根据风速样本从风速的统计信息、风速变化趋势和风速波动趋势三个视角提取描述风速变化规律的特征信息;对风速样本进行归一化处理,获得归一化后的风速变化的特征信息;基于归一化后的风速变化的特征信息,通过多视角聚类算法对风速样本进行聚类,从而建立具有k个簇集的短期风速预测的模型;计算待预测的风速样本与上述确定的k个簇集之间的欧式距离,利用其中欧式距离最小的簇集所对应的SVR风速预测模型完成风速预测。
-
公开(公告)号:CN112347255B
公开(公告)日:2021-11-23
申请号:CN202011233244.6
申请日:2020-11-06
Applicant: 天津大学
Abstract: 本发明公开了一种基于图网络的标题和正文结合的文本分类方法,主要包括:将每篇文档划分为标题文档和正文文档,分别进行数据预处理,获取标题词集合和正文词集合,利用词向量模型获取词向量表示,利用LDA模型获取主题向量,利用HAN模型来获取正文文档特征表示,通过标题、标题词集合、主题三类节点构建异质图,并输入到GAT模型,实现标题和正文特征融合,获得每篇文档特征表示,通过Softmax函数进行文本类别预测。本发明分类方法不仅利用额外信息来增强标题语义稀疏性,而且更好地融合标题和正文特征,体现了标题在文本分类任务中的重要性,提高分类精度,解决了现在新闻文本分类忽视标题重要性,导致分类效率低的问题。
-
公开(公告)号:CN112347255A
公开(公告)日:2021-02-09
申请号:CN202011233244.6
申请日:2020-11-06
Applicant: 天津大学
Abstract: 本发明公开了一种基于图网络的标题和正文结合的文本分类方法,主要包括:将每篇文档划分为标题文档和正文文档,分别进行数据预处理,获取标题词集合和正文词集合,利用词向量模型获取词向量表示,利用LDA模型获取主题向量,利用HAN模型来获取正文文档特征表示,通过标题、标题词集合、主题三类节点构建异质图,并输入到GAT模型,实现标题和正文特征融合,获得每篇文档特征表示,通过Softmax函数进行文本类别预测。本发明分类方法不仅利用额外信息来增强标题语义稀疏性,而且更好地融合标题和正文特征,体现了标题在文本分类任务中的重要性,提高分类精度,解决了现在新闻文本分类忽视标题重要性,导致分类效率低的问题。
-
公开(公告)号:CN112183733A
公开(公告)日:2021-01-05
申请号:CN202011139949.1
申请日:2020-10-22
Applicant: 天津大学
Abstract: 本发明公开了一种用于时间序列预测的高斯嵌入式神经网络模型,该模型包括:一个长短时记忆神经网络层,一个高斯嵌入式模块以及一个反馈通路模块。长短时记忆神经网络层用于在系统的每一次迭代中完成单一样本的时序特征建模,高斯嵌入式模块用于样本不确定性信息,反馈通路模块用于实现网络的迭代优化,提高模型的训练效果。本发明中还公开了上述高斯嵌入式神经网络模型的建模方法。本发明中通过端到端方式将可训练的概率分布插入LSTM作为特征表示,在此基础上实现了自适应的统计特征学习,与现有技术相比有更好的预测效果,能获得全局性更优、泛化性能更好的建模结果。
-
公开(公告)号:CN110851959A
公开(公告)日:2020-02-28
申请号:CN201910995994.8
申请日:2019-10-18
Applicant: 天津大学
Abstract: 本发明公开了一种融合深度学习和分位数回归的风速区间预测方法,使用卷积神经网络和长短时记忆神经网络来提取风速的特征,然后利用提取的特征进行分位数回归,为了实现将分位数与深度学习模型的结合本发明将分位数绝对值损失函数平方,这样可以将深度学习和分位数回归相结合,通过平方项可以解决分位数回归绝对值函数的在零点处不可导,使得QR的误差函数可微,结合QR的误差函数,对于CNN-QR和LSTM-QR可以利用BP算法和BPTT进行参数迭代。与现有技术中浅层的神经网络分为数回归的概率区间预测有更好的效果,在相同的标准预测区间下有更好的锐度。
-
公开(公告)号:CN109887028A
公开(公告)日:2019-06-14
申请号:CN201910020386.5
申请日:2019-01-09
Applicant: 天津大学
Abstract: 本发明提供一种基于点云数据配准的无人车辅助定位方法,包括步骤:无人车预先在指定室外场景采集全景的点云数据地图,即大规模全局点云数据;无人车行驶过程中,通过激光雷达扫描所在位置的点云数据,即小规模局部点云,并利用点云数据的配准算法,对小规模局部点云和大规模全局点云进行配准,并获取小规模局部点云在大规模全局点云中的配准位置坐标,以及偏转和平移矩阵;最后,借助配准位置坐标以及偏转和平移矩阵,计算出在大规模全局点云地图中,无车人所处的位置;本发明主要利用无人车的激光点云数据,实现当前小规模局部点云和大规模全局点云的配准,从而实现定位。
-
公开(公告)号:CN103279672A
公开(公告)日:2013-09-04
申请号:CN201310218957.9
申请日:2013-06-04
Applicant: 天津大学
IPC: G06F19/00
Abstract: 本发明涉及天气预报技术领域,为满足实际应用中(如风力发电、农业生产等)对短期风速预报的要求,为达到上述目的,本发明采取的技术方案是,基于噪声影响的支持向量回归技术的短期风速预报方法,包括如下步骤:应用Bayesian原理导出基于一般噪声模型的损失函数,给定具有噪声影响的数据集Dl={(x1,y1),...,(xi,yi),...,(xl,yl)},其中xi∈Rn,yi∈R,i=1,...,l,Rn表示n维欧式空间,R表示实数集,l表示样本个数,求取最优损失函数;在此基础上构造基于噪声模型的支持向量回归机,最后利用基于噪声模型的支持向量回归技术得到短期风速预报。本发明主要应用于天气预报。
-
-
-
-
-
-
-
-
-