一种多模型融合的烟草市场监管异常数据挖掘方法

    公开(公告)号:CN111199343A

    公开(公告)日:2020-05-26

    申请号:CN201911345566.7

    申请日:2019-12-24

    Applicant: 上海大学

    Abstract: 本发明涉及一种多模型融合的烟草市场监管异常数据挖掘方法。该方法主要有以下几个步骤:(1)对烟草市场监管数据集进行数据预处理,将数据处理成静态特征指标与动态特征指标;(2)分别训练基于深度学习的xDeepFM模型,以及XGBoost、LightGBM等机器学习模型,使得各个单一模型达到最优的训练效果;(3)通过集成学习的Stacking方式,将不同的算法模型集成融合,形成一个在整体性能上优于单个基学习器的集成模型,进而提升模型的预测性能;(4)最后使用LightGBM算法完成零售户异常经营行为的概率预测。该模型不仅有效解决了数据在高纬度的稀疏性问题,还让模型自动的去学习特征之间的交叉特性。充分证明了机器学习算法和深度学习网络结合后,能够表现出更加优越的性能。

    基于SPH的虚拟血管造影手术造影剂扩散过程模拟方法

    公开(公告)号:CN105678102B

    公开(公告)日:2019-02-22

    申请号:CN201610120376.5

    申请日:2016-03-03

    Applicant: 上海大学

    Abstract: 本发明提出了一种基于SPH的虚拟血管造影手术造影剂扩散过程模拟方法。该方法包括模拟初始化和模拟循环两部分。模拟初始化部分,对模拟血管的边界条件和“血液‑造影剂”混合二相流粒子进行初始化;模拟循环部分,通过“血液‑造影剂”二相混合流模体型并采用边界粒子修正边界处的混合流密度和应用无滑移边界条件来循环模拟造影剂在血管内扩散的过程。本方法能够逼真的实时模拟“血液‑造影剂”混合流体在血管中扩散的效果。

    基于字典学习的HDR照片风格转移方法

    公开(公告)号:CN106780367A

    公开(公告)日:2017-05-31

    申请号:CN201611058620.6

    申请日:2016-11-28

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于字典学习的HDR照片风格转移方法。通过给定一张HDR参考照片,借助颜色转移和字典学习,将HDR风格特征转移到源照片上,从而自动生成HDR照片效果。该方法的包括步骤如下:(1)借助梯度保持的颜色转移方法,将HDR参考照片的颜色特征转移到源照片上;(2)对HDR参考照片提取细节特征,利用K_SVD算法进行字典训练,形成细节的过完备字典集;(3)利用细节的过完备字典集对源照片进行稀疏重建,生成与HDR参考照片特征一致的细节;(4)将颜色转移的结果和细节重建的结果合并,最终生成HDR风格的新照片。本发明方法流程清晰、结构完整,实现效率高。

Patent Agency Ranking