-
公开(公告)号：CN111274958A
公开(公告)日：2020-06-12
申请号：CN202010065378.5
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种网络参数自纠正的行人重识别方法及系统，该方法包括：A、使用已标注类标签行人视频训练深度网络得到参考网络模型；B、利用参考网络模型估计未标注类标签行人视频的伪标签，并选取一定比例训练深度网络得到目标网络模型；C、从选取的未标注视频中再选取一定比例，打乱其伪标签，训练深度网络得到偏差网络模型；D、计算噪声自适应损失，对目标网络模型中错误网络参数更新进行自纠正；E、将参考网络模型替换成目标网络模型，重复步骤B-D，并增加未标注视频的选取比例直到所有未标注视频被选中，得到最终的目标网络模型；F、使用目标网络模型对查询视频进行行人重识别。该方法及系统有利于提高行人重识别的准确性与鲁棒性。
-
公开(公告)号：CN110225030A
公开(公告)日：2019-09-10
申请号：CN201910498923.7
申请日：2019-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和RCNN-SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN-SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
公开(公告)号：CN109981368A
公开(公告)日：2019-07-05
申请号：CN201910246357.0
申请日：2019-03-29
Applicant: 福州大学
IPC: H04L12/24 , H04L12/751
Abstract: 本发明涉及一种基于节点间相互作用力的重叠社区发现方法，首先读取网络数据集，生成网络图G并获取网络中节点的邻域信息；接着结合网络中节点邻域信息，计算出网络中相连节点间的相互作用力；然后基于节点间的Jaccard系数，找出网络中的核心节点，进而建立核心种子集合coreSeeds；接着从核心种子集合coreSeeds或者网络尚未扩展的节点中选择一个节点为当前待扩展节点；然后将当前社区的邻居节点作为候选节点，计算其中每个节点与当前社区的适应度，并选择出能够使当前适应度提升最大的节点加入当前社区；最终输出最终的社区划分结果。本发明可以高效、准确地对复杂网络的重叠结构进行划分。
-
公开(公告)号：CN109509110A
公开(公告)日：2019-03-22
申请号：CN201810841711.X
申请日：2018-07-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进BBTM模型的微博热点话题发现方法，包括：微博文本预处理，对微博数据集进行微博去噪、分词、去停用词等预处理操作；特征选择与词对热值概率化，采用词的突发概率进行特征选择，将微博短文本形成词对，并计算词对的热值突发概率，作为BBTM模型的先验概率；话题数目的自动确定；调用BBTM模型进行热点话题发现，获得话题热点词分布；微博聚类，判定每个微博文本的话题。本发明提出的基于改进BBTM模型的微博热点话题发现方法，可以在不需要预先设定话题题数目的情况下，自适应学习话题数目，并且挖掘出微博中潜在的热点话题。
-
公开(公告)号：CN109299749A
公开(公告)日：2019-02-01
申请号：CN201811262394.2
申请日：2018-10-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进密度峰值聚类的社区发现算法。该算法首先在衡量复杂网络中节点的距离上采用了等效电阻路径长度来作为距离度量；其次，生成的节点距离基础上，运行密度峰值聚类（DPC）算法，并生成决策图；接着，在密度峰值算法的决策图上，通过DBSCAN算法自动选取簇中心，而不是通过观察决策图人工选择，以减少人为干扰。本发明算法可以应用于真实网络的社区发现，并具有较高的精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109166047A
公开(公告)日：2019-01-08
申请号：CN201810880924.3
申请日：2018-08-04
Applicant: 福州大学
IPC: G06Q50/00
Abstract: 发明涉及一种基于密度聚类的增量动态社区发现方法，包括S1：采集初始时刻t1的网络数据集，生成网络图G1；S2：通过余弦相似度计算初始时刻t1的网络中节点间距；S3：采用改进的DBSCAN算法进行初始时刻t1的社区生成;S4:对初始时刻t1生成的社区进行迭代合并；S5：输出初始时刻t1的最终社区划分结果；S6：计算ti(2≤i≤T)时刻的增量节点；S7：采用余弦相似度求取ti时刻新增节点IVt间的距离；S8：采用改进的DBSCAN算法对ti时刻的新增节点IVt进行社区生成；S9：对ti时刻邻居发生变化的节点NCVt及其邻居节点进行社区归属调整；S10：迭代的把ti时刻生成的社区进行合并以降低噪声社区对社区发现结果的影响；S11：得到ti时刻最终的社区划分结果。
-
公开(公告)号：CN105246109B
公开(公告)日：2018-10-30
申请号：CN201510595921.1
申请日：2015-09-18
Applicant: 福州大学
Abstract: 本发明涉及一种面向车辆自组网的簇内数据融合方法，包括以下步骤：车辆自组网中的传感器节点形成若干个簇；簇内的各传感器节点采集实时数据，并更新滑动窗口中的采样数据，然后计算节点可信值，并将节点可信值广播给邻域节点；各传感器节点根据邻域节点发送的节点可信值，计算可信增益和邻域可信反馈质量，然后计算其与邻域节点之间的分离向量增益，并将得到的邻域可信反馈质量、分离向量增益发送给簇首节点；簇首节点计算包括簇冗余度和簇结构变化度的效益函数，再根据效益函数最大化的准则寻找最优传输策略，最后根据所获得的最优传输策略，选择簇内的部分传感器节点发送采样数据到簇首节点。该方法有利于提高数据融合的高效性和精确度。
-
公开(公告)号：CN108462866A
公开(公告)日：2018-08-28
申请号：CN201810257176.3
申请日：2018-03-26
Applicant: 福州大学
IPC: H04N13/106 , H04N9/64 , H04N13/133
Abstract: 本发明涉及一种基于匹配和优化的3D立体图像颜色校正方法，包括以下步骤：1、采用场景映射算法对参考图像和目标图像进行配准，求出参考图像和目标图像的匹配图像；2、采用结构相似性算法生成匹配图像和目标图像的置信度图；3、使用全局颜色校正算法校正目标图像；4、根据置信度图，将匹配图像中置信度较低的像素用全局颜色校正算法的校正结果图像初始化，生成初始颜色校正结果图像；5、利用优化算法提高初始颜色校正结果图像的颜色一致性，得出最终优化后的颜色校正结果图像。该方法能够对立体图像颜色差异起到很好的校正效果，使得校正后的目标图像和参考图像保持颜色一致性。
-
公开(公告)号：CN107491341A
公开(公告)日：2017-12-19
申请号：CN201710770929.6
申请日：2017-08-31
Applicant: 福州大学
CPC classification number: G06F9/45558 , G06F9/5077 , G06F2009/45583
Abstract: 本发明涉及云计算（IaaS）技术领域，特别是一种基于粒子群优化的虚拟机分配方法，包括如下步骤：获取数据中心的虚拟机请求和物理主机资源，构建虚拟机列表和物理主机列表；初始化粒子群，设置粒子群算法的参数；计算粒子群中每个粒子的适应度值，根据粒子适应度值，记录个体历史最优粒子和种群最优粒子；根据更新策略，更新每个粒子的速度和位置；判断是否满足最大迭代次数，是则输出全局最优粒子编码，否则继续迭代；将全局最优粒子编码解码成虚拟机分配方案，并输出方案。该方法能够在减小响应时间下提高资源利用率，同时在负载均衡度和能耗之间达到了更好的平衡。
-
公开(公告)号：CN105913064B
公开(公告)日：2017-03-08
申请号：CN201610222896.7
申请日：2016-04-12
Applicant: 福州大学
Abstract: 本发明涉及一种图像视觉显著性检测拟合优化方法，包括以下步骤：S1：采用直方图统计显著性图像集和标注图像集中的显著性数据，分别形成自变量点集和因变量点集；S2：采用相应的拟合函数模型对自变量点集和因变量点集数据进行拟合，得到拟合函数；S3：将拟合函数作用到新的显著性图中的显著性数据上，得到拟合后的显著性数据；S4：对拟合后的显著性数据进行[0,255]约束处理，得到优化后的显著性图。该方法使各显著性检测算法优化后的显著性图比优化前更加接近用户标注的标准图，适用于多种显著性检测算法的优化。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.03 seconds)
