-
公开(公告)号：CN107291803A
公开(公告)日：2017-10-24
申请号：CN201710337894.7
申请日：2017-05-15
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F16/20
Abstract: 本发明提供一种融合多类型信息的网络表示方法，包括：步骤1，读取网络结构信息及节点属性信息；步骤2，将所述节点属性信息转换为向量；步骤3，利用降维技术对所述向量进行降维，生成属性特征向量；步骤4，根据所述网络结构信息，生成对应的矩阵G(V,E)，其中V表示节点集合，E表示边集合；步骤5，初始化所述节点属性特征向量；步骤6，利用随机游走和滑动窗口方法构建训练样本；步骤7，调整节点向量值，以获得最大化条件概率；步骤8，输出调整后的节点向量作为网络表示。本发明能够高效地融合网络中的多种类型信息，学习到的网络表示可以用于复杂网络的理解挖掘。
-
公开(公告)号：CN105550950A
公开(公告)日：2016-05-04
申请号：CN201510819258.9
申请日：2015-11-20
Applicant: 广东工业大学
IPC: G06Q50/14
Abstract: 本发明提出了一种基于位置服务的旅游推荐方法，包括步骤1，获取实体轨迹-事件信息，以三维张量对实体信息进行用户-位置-活动关联建模；步骤2，记录用户轨迹-事件信息，步骤3，通过用户类比进行相似度匹配，主动推送较高相似度用户轨迹-事件信息，其中，用户轨迹-事件信息(来自于手机、运动手环、运动手表的位置信息)整合后，匹配相关用户轨迹-事件信息，并实施推送。本发明提出的方法，为集成海量用户数据并用协同过滤算法在不同位置找出相似的用户和活动，用张量对用户-位置-活动之间的相互关系建模并提出一个正则化张量/矩阵分解算法，该算法可以有效缓解单个用户移动位置数据的稀疏性问题，挖掘用户的移动模式。
-
公开(公告)号：CN105427173A
公开(公告)日：2016-03-23
申请号：CN201510793720.2
申请日：2015-11-18
Applicant: 广东工业大学
CPC classification number: G06Q50/01 , G06F16/9537
Abstract: 一种基于位置服务的社交关系推断方法以及服务器。其中，该方法包括以下步骤：记录用户登录社交应用时的用户名、登录地点和登录时间；判断任意两个登录地点相同的用户的登录时间之差是否处于预定时间间隔之内；若处于，设定该两个用户的相会向量 ；建立用户i与用户j的相会地点多样性函数；建立加权相会频率函数；对相会地点多样性函数和加权相会频率函数做线性回归，得到用户i与用户j的社交关系。本申请综合考虑了相会地点的多样性和加权相会频率，相会地点的多样性减少了偶遇对社交关系的影响，而加权相会频率增加了特定位置对社交关系的影响，因此，本申请所推断的社交关系更加准确。
-
公开(公告)号：CN104834710A
公开(公告)日：2015-08-12
申请号：CN201510221820.8
申请日：2015-04-30
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明提供一种电影推荐评分系统的冷启动处理方法，通过构建一个刻画用户背景的电影评分推荐模型，挖掘用户潜在的观影趣味；并拆分模型，分别刻画用户的年龄、职业、性别两两之间的交互作用；为了抵消数据稀疏性的影响，再从数据样本集中选取不同的样本组成若干差异化的样本子集来训练出若干差异化的回归器，用回归器进行协同训练，最后将协同训练的结果进行加权组合，全面发掘用户观影兴趣，提升推荐系统的准确率。
-
公开(公告)号：CN116012632A
公开(公告)日：2023-04-25
申请号：CN202310135266.6
申请日：2023-02-17
Applicant: 广东工业大学
IPC: G06V10/762 , G06V10/74
Abstract: 本发明公开了一种基于局部线性嵌入的特征一致性多视角聚类算法，包括：步骤S1，归一化数据集X为X′，利用最值归一化的方法减少优化过程中受数据数量级影响，加快模型的收敛速度；步骤S2，构建局部线性嵌入的特征一致性多视角聚类模型；步骤S3，初始化投影维度参数d′，范围为{50,100,150,200,250,300}，参数β以及矩阵B，Bv，μ＝105，迭代次数最大值为500,初始化B，Bv为0∈Rd′×d；步骤S4，输入X′,B,Bv,对每个视角的优化变量Bv进行循环迭代优化。通过学习不同样本视角间的判别性特征以及挖掘样本间的一致性特征，从而提升聚类的性能。
-
Patent Agency Ranking
公开(公告)号：CN109710636B
公开(公告)日：2022-10-21
申请号：CN201811348701.9
申请日：2018-11-13
Applicant: 广东工业大学
IPC: G06F16/245 , G06N3/04
Abstract: 本发明公布了一种基于深度迁移学习的无监督工业系统异常检测方法。本发明利用了来自迁移源的有标注的机器传感器序列数据和来自迁移目标的没有标注的传感器序列数据，训练出一个具有良好泛化能力的工业系统异常检测模型，并对其进行训练，测试，最终生成一个训练好的工业系统异常判别模型。利用这个模型，可以对接收到的机器传感器序列数据进行分析并判断是否机器出现异常。
-
公开(公告)号：CN108875000B
公开(公告)日：2021-12-28
申请号：CN201810614041.8
申请日：2018-06-14
Applicant: 广东工业大学
IPC: G06F16/35 , G06F40/30 , G06F40/211 , G06K9/62
Abstract: 本发明涉及自然语言处理技术领域，涉及一种融合多句法结构的语义关系分类方法，包括以下步骤，先对文本序列进行数据预处理；然后对文本序列的向量进行双向编码，利用注意力机制对编码信息进行加权学习，通过CRF对加权后的编码信息进行双向解码，获取文本序列上的实体标签信息；然后构造联合向量，构造融合多句法的复杂网络，利用共享参数进行端到端的训练，获取三元组上的隐状态并进行拼接，经线性变换后输出语义关系类别。本发明基于叠层的循环神经网络模型，将多种句法结构进行融合，解决了单一句法结构模型无法有效适应其他句法结构的问题，从而能有效处理不同的句法结构，提高了模型的鲁邦性，并提升了分类效率。
-
公开(公告)号：CN109117774B
公开(公告)日：2021-09-28
申请号：CN201810866990.5
申请日：2018-08-01
Applicant: 广东工业大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是一种基于稀疏编码的多视角视频异常检测方法，包括以下步骤：对帧图像进行多视角特征提取；对不同视角的特征进行稀疏编码，得到各个视角下的特征的稀疏表示；依据稀疏表示信息获得一个帧图像下的一致性表示矩阵并给相邻两帧之间的一致性表示矩阵赋予相应的权重值后得到字典A，然后利用字典A对异常事件的视频数据进行测试得到稀疏表示系数的重建误差，从而得到标准化的多视角视频异常检测模型。本发明通过提取视频帧图像多视角特征，建立多视角视频异常检测模型，整合视频多个视角下的特征信息来进行异常检测，并利用视频相邻两帧之间的时间想干性，减少了局部信息的损失，提高了异常检测准确度。
-
公开(公告)号：CN107392242B
公开(公告)日：2020-06-19
申请号：CN201710584948.X
申请日：2017-07-18
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于同态神经网络的跨领域图片分类方法，首先构建一个由同态子网络g和预测子网络f串联而成的神经网络架构，然后把跨领域图片的底层特征输入到同态子网络g中，通过同态子网络g提取出跨领域图片的同态特征，最后把跨领域图片的同态特征输入到预测子网络f中，通过预测子网络f预测图片的类别，本发明通过将跨领域图片的底层特征空间映射到同态特征空间中，充分利用了跨领域图片的同态不变性，减少了跨领域图片中有关领域信息的干扰，有效提高对跨领域图片的分类能力，另外，本方法最大限度地把从多源域图片学习到的知识迁移到多目标域图片上，保证了跨领域图片分类的鲁棒性，该分类方法不需要图片的先验领域知识，也不要求图片依领域划分。
-
公开(公告)号：CN107169426B
公开(公告)日：2020-03-31
申请号：CN201710284869.7
申请日：2017-04-27
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于深度神经网络的人群情绪异常检测和定位方法，通过监控设备获取视频数据，并对其进行视频关键帧数据提取，并从视频关键帧数据获取每一帧的人脸图像数据，并进行对齐、分组、排序预处理，然后输入到训练好的基于卷积神经网络的人脸情绪识别模型中，并通过训练好的人群情绪检测和定位模型，获取监测视频数据中人群情绪异常检测和定位结果并反馈给监控设备工作人员，本发明设计合理，通过模型能够得到人群情绪异常与人群异常之间的关系，避免了人群异常与具体异常事件相关联而导致的检测局限性问题，另外，模型采用了混合的深度神经网络结构模型，从而进一步提高了视频人群情绪异常检测和定位的效率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.025 seconds)
