-
公开(公告)号：CN108614889B
公开(公告)日：2020-02-14
申请号：CN201810420518.9
申请日：2018-05-04
Applicant: 济南大学
IPC: G06F16/903 , G06K9/62
Abstract: 本发明公开了基于混合高斯模型的移动对象连续k近邻查询方法及系统，构建面向全局移动对象的网格索引，基于所建立的网格索引，为查询点计算初始查询区域；构造混合高斯模型，用于模拟移动对象的位置分布，并根据移动对象位置变化对混合高斯模型进行实时更新；当查询点移动时，基于所述混合高斯模型，确定包含移动后查询点k近邻的最终查询区域；基于最终查询区域，计算移动后查询点的k近邻。本发明所提出的基于混合高斯模型的移动对象连续k近邻查询方法，在查询点和被查询对象连续移动情形下，基于已有查询结果快速计算查询点移动后的查询范围，实现对最新查询结果的实时更新，查询效率显著提高。
-
-
公开(公告)号：CN108614889A
公开(公告)日：2018-10-02
申请号：CN201810420518.9
申请日：2018-05-04
Applicant: 济南大学
Abstract: 本发明公开了基于混合高斯模型的移动对象连续k近邻查询方法及系统，构建面向全局移动对象的网格索引，基于所建立的网格索引，为查询点计算初始查询区域；构造混合高斯模型，用于模拟移动对象的位置分布，并根据移动对象位置变化对混合高斯模型进行实时更新；当查询点移动时，基于所述混合高斯模型，确定包含移动后查询点k近邻的最终查询区域；基于最终查询区域，计算移动后查询点的k近邻。本发明所提出的基于混合高斯模型的移动对象连续k近邻查询方法，在查询点和被查询对象连续移动情形下，基于已有查询结果快速计算查询点移动后的查询范围，实现对最新查询结果的实时更新，查询效率显著提高。
-
公开(公告)号：CN107066585A
公开(公告)日：2017-08-18
申请号：CN201710248537.3
申请日：2017-04-17
Applicant: 济南大学
Abstract: 本发明公开了一种概率主题计算与匹配的舆情监测方法及系统；包括：数据采集解析：利用爬虫集群从数据源中采集页面HTML，然后爬虫集群依据规则库对采集到的页面HTML进行解析得到若干条媒体数据；爬虫集群采用异步方式将解析得到的文档存储在全文检索系统，采用同步方法将解析得到的文档进行主题匹配；中文分词：从全文检索系统中读取文档，将每个文档的标题与内容合并，对合并后的内容进行分词，分词后去掉停用词；主题估计：对分词后的内容估计出主题库与历史文档主题集；主题匹配：将数据采集实时推送的文档推断出实际文档主题集，并将实际文档主题集与用户输入的舆情监测关键词进行匹配，得到有序文档集，从而实现舆情监测。
-
公开(公告)号：CN102711241B
公开(公告)日：2015-04-22
申请号：CN201210172312.1
申请日：2012-05-30
Applicant: 济南大学
Abstract: 本发明公开了一种基于齐次坐标的无线自组织网络节点定位方法，该方法包括如下步骤：无线自组织网络系统初始化，各节点查找相邻节点并测量邻节点的距离和角度信息；各节点构建本地平面直角坐标系，所有坐标系从上方看时总是符合右手法则；计算邻节点的本地坐标；相邻节点求解基于齐次坐标的坐标系变换矩阵，使得相对于一个本地坐标系的节点通过变换矩阵的转换可以计算出相对于另一个本地坐标系的坐标；选定全局坐标系原点，各节点通过坐标系变换矩阵的递归式传递，计算出全局物理坐标。本发明充分利用了无线节点自身的测距、侧角能力，在不适宜部署信标节点的无线自组织网络应用中，可以确定各未知节点物理位置。
-
Patent Agency Ranking
公开(公告)号：CN118779676A
公开(公告)日：2024-10-15
申请号：CN202410943885.2
申请日：2024-07-15
Applicant: 济南大学
IPC: G06F18/23 , G06F18/15 , G06F18/25 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本公开提出一种融合多重填充和注意力机制的对比不完全数据聚类方法，包括：采用链式方程多重填充算法对原始不完整数据集进行填充，得到具有多视图数据的填充数据集；将填充数据集输入自编码器中，基于编码器得到每个视图的潜在特征；采用注意力机制融合每个视图的潜在特征，得到融合潜在特征；将融合潜在特征输入解码器，得到重构特征；根据潜在特征和重构特征计算重构损失；基于映射的融合潜在特征中的正样本对和负样本对进行对比学习，计算对比学习损失；基于生成对抗网络对融合潜在特征进行聚类，计算聚类损失；根据损失函数对自编码器进行训练。提高了不完全数据填充的准确性、有效挖掘不同视图间的共享特征信息，提高聚类准确性。
-
公开(公告)号：CN113688934B
公开(公告)日：2024-06-07
申请号：CN202111026341.2
申请日：2021-09-02
Applicant: 济南大学
IPC: G06F18/23213 , G06F17/16 , G06F17/18 , G06N20/00
Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。
-
公开(公告)号：CN116681176A
公开(公告)日：2023-09-01
申请号：CN202310689450.5
申请日：2023-06-12
Applicant: 济南大学
IPC: G06Q10/04 , G08G1/01 , G08G1/065 , G06Q50/30 , G06F18/23 , G06F18/22 , G06F17/16 , G06F17/10 , G06N3/04 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于聚类和异构图神经网络的交通流预测方法，属于交通流预测领域，所述交通流预测方法包括聚类模块、图转换模块以及时空特征学习模块；聚类模块通过动态时间规整算法与瓦瑟斯坦距离度量各节点在交通模式上的相似性，并使用谱聚类将节点按交通模式划分为不同簇；图转换模块用以自适应地为同簇节点构造元路径图；时空特征学习模块用以根据元路径图捕获节点间的时空相关性。本发明可以移植并应用于多种现有的基于图神经网络的交通流预测模型，在其基础上对交通数据的异质性建模，提高其预测精度。
-
公开(公告)号：CN111062394B
公开(公告)日：2023-06-23
申请号：CN201911132050.4
申请日：2019-11-18
Applicant: 济南大学
IPC: G06V10/26 , G06V10/762 , G06T7/155 , G06T7/187 , G06T5/00
Abstract: 一种基于多通道加权引导滤波的模糊聚类彩色图像分割方法，对于带有噪声的彩色图像，首先通过多元形态学重建可以有效的去除不同类型不同强度的噪声，从而减轻噪声对图像聚类的影响；其次，将带有噪声的彩色图像对隶属度多通道引导滤波时，由于利用原始彩色图像的每个通道分别对隶属度引导滤波，然后将每个通道的滤波结果加权得到最终的滤波输出图像，所以能够避免不同通道之间的相互影响，从而最终的滤波结果能够更有效的保持边缘，提高了对彩色噪声图像分割的准确率。另外，由于三个通道的滤波结果加权计算是一个线性操作，所以基于多通道加权引导滤波的模糊聚类的彩色图像分割方法具有较低的时间复杂度。
-
公开(公告)号：CN115221959A
公开(公告)日：2022-10-21
申请号：CN202210842724.5
申请日：2022-07-18
Applicant: 济南大学
Abstract: 本发明提出了基于数据流聚类的工业设备运行状态划分方法及系统，涉及工业设备运行状态划分领域。包括：获取工业设备用电数据；对用电数据提取特征并对提取的特征进行预处理；为预处理后的数据分配动态权重，并将预处理后的数据合并在微簇结构中，更新微簇结构；利用基于自然邻居的密度峰值聚类方法对微簇结构中的数据进行聚类，根据聚类结果匹配工业设备的运行状态。本发明采用动态权重的方法来更加精确的描述以及更新数据的概要信息，采用基于自然邻居的密度峰值聚类算法来完成最终的聚类任务，提升了工业设备运行状态的判断准确度。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.018 seconds)
