-
公开(公告)号：CN116862573A
公开(公告)日：2023-10-10
申请号：CN202311132916.8
申请日：2023-09-05
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q30/0645 , G06Q50/30 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种基于增量训练的城际网约车短期出行需求预测方法及系统，方法包括：获取城际网约车的历史订单数据集，进行处理及选取所需字段形成初步订单数据；将初步订单数据划分为N个不同的即时单数据集和N个不同的预约单数据集；根据即时单数据集构建待测时刻，构建训练模型所需的特征，并根据所有的特征构建特征数据集，将特征数据集按比例分为训练数据集和测试数据集；基于训练数据集对短期出行需求预测模型进行训练；构建在线实时增量训练模型，将待测时刻所属日期已知的出行需求数据作为新的训练样本进行增量训练；将测试数据集输入至所述短期出行需求预测模型得到预测总输出。本发明能有效提高城际网约车出行需求预测的准确性。
-
公开(公告)号：CN116861798A
公开(公告)日：2023-10-10
申请号：CN202311116724.8
申请日：2023-09-01
Applicant: 华侨大学
IPC: G06F30/27 , G06F18/214 , G06N20/20 , G06F119/04
Abstract: 本发明提供一种基于XGBoost算法的真空干泵在线实时剩余寿命预测方法，涉及真空干泵健康监测技术领域。其包含：S1、获取真空干泵的特征数据。S2、将特征数据输入预先训练的基于XGBoost算法的预测模型，获取预警级别。预测模型的训练包括：A1、获取多台宕机真空干泵的历史数据集，并提取每次宕机运行时段的数据，获取第一宕机时段数据集。A2、根据数据集中每个时刻距离宕机时刻的时长，设置预警级别标签。A3、根据第一宕机时段数据集和预警级别标签，获取皮尔逊相关系数值最大的多个状态信息。A4、提取多个状态信息的数据，获取第二宕机时段数据集。A5、根据第二宕机时段数据集，进行分割、降维处理，获取样本数据集。A6、根据样本数据集，构造预测模型。
-
公开(公告)号：CN116644840A
公开(公告)日：2023-08-25
申请号：CN202310512462.0
申请日：2023-05-09
Applicant: 华侨大学
Abstract: 本发明公开了一种基于改进的遗传算法的方形件排样优化方法及装置，通过获取待排样的方形件的信息，根据待排样的方形件的信息进行筛选，得到长或宽相等的产品项，并聚类成簇；根据摆放规则将簇中的产品项摆放在原片上并拼接成栈，对栈进行排列组合生成条带，对每个条带进行编码，并初始化种群，得到初始种群，计算初始种群中每个个体的适应度；在未满足终止条件前，筛选出适应度超过阈值的个体，并进入进化过程，进化过程中采用交叉和/或变异操作，生成新一代种群；重复以上步骤，直至满足终止条件，得到最终种群；在最终种群中筛选出适应度最高的个体，并作为最终结果输出，可减少下料过程中存在板材浪费，简化切割过程效果。
-
公开(公告)号：CN112733891B
公开(公告)日：2023-08-01
申请号：CN202011593440.4
申请日：2020-12-29
Applicant: 华侨大学
IPC: G06F18/27 , G06F18/23213 , G06F18/22 , G06Q10/047 , G06Q50/26
Abstract: 本发明涉及一种对出行链断链时公交IC卡乘客进行下车站点识别的方法，综合使用集计模型和非集计模型的基于两层Stacking框架。在第一层Stacking框架中提出一种基于群体历史记录的方法来进行改善下车站点的识别概率，弥补基于个人历史记录方法中个人历史出行记录较少的缺点。在第二层Stacking框架中使用Logistic回归模型，对于不同数据集可以有效确定第一层中各方法的权重，得到的模型参数更适合该数据集，具有更好的泛化能力，对识别的准确率产生了有益的影响。本发明能够识别全部出行链断裂时IC卡数据的下车站点；在第二层中使用Logistic回归模型来确定第一层多个方法的不同权重，并且权重可以根据不同的数据集进行调整，具有更好的泛化能力，进而具有更高的准确率。
-
公开(公告)号：CN116401896A
公开(公告)日：2023-07-07
申请号：CN202310551391.5
申请日：2023-05-17
Applicant: 华侨大学
IPC: G06F30/20 , G06Q10/0631 , G06Q50/30 , G06F111/06 , G06F111/04
Abstract: 本发明提供城际客运的在线调度匹配方法、装置、设备和存储介质，涉及城际客运规划技术领域。在线调度匹配方法包括S1构建混合整数规划模型。S2获取道路网络信息、拼车订单信息和车辆信息。S3初始化算法的初始参数。S4根据道路网络信息、拼车订单信息、车辆信息和混合整数规划模型，选择插入算子为订单匹配车辆行程，获取当前解。S5根据初始参数，按照自适应权重选择移除算子对当前解进行移除操作，然后选择插入算子进行插入操作，获得新解。S6根据混合整数规划模型的目标，判断新解是否优于当前解。若新解较优则接受。否则以模拟退火概率接受。S8判断是否达到最大迭代次数。若达到最大迭代次数则停止迭代，并调度匹配规划。否则继续迭代。
-
Patent Agency Ranking
公开(公告)号：CN116401590A
公开(公告)日：2023-07-07
申请号：CN202310260876.9
申请日：2023-03-17
Applicant: 华侨大学 , 厦门卫星定位应用股份有限公司
IPC: G06F18/241 , G08G1/01 , G06F18/232 , G06F18/213
Abstract: 本发明提供了一种基于低速特征和聚类算法的交叉口提取方法，包括以下步骤：读入轨迹数据；提取轨迹中的转向对，定义两个连续的GPS定位点为转向对，并提取对应的转弯点，得到转弯点集合；筛选出平峰时段所有车辆轨迹的低速点；根据每一转弯点周围的低速点数量，剔除或保留该转弯点，得到筛选后的转弯点数据集；采用基于局部连通性的聚类算法，对筛选后的转弯点数据集进行分类提取类簇中心，得到交叉口；本发明提出的方法考虑了车辆在经过交叉口时的低速特征，根据车辆的航向变化提取出转弯点，根据低速点数目对转弯点进行剔除，聚类后得到交叉口信息，精确率高。
-
公开(公告)号：CN114653590B
公开(公告)日：2023-06-06
申请号：CN202210317688.0
申请日：2022-03-29
Applicant: 华侨大学
Abstract: 本发明公开一种降低能耗的轻质材料分选装置及分选方法，包括入料口、吹气装置、传送带、吸气装置、气嘴、负压滚筒和工业相机，入料口的底部对应设置有传送带，吹气装置设置在入料口与传送带之间，用于将轻质材料吸附在传送带上的吸气装置位于传送带下方；传送带的末端设置有负压滚筒，传送带上的轻质材料通过气嘴吹送至负压滚筒后掉落到物料箱一或在自重作用下直接掉落到物料箱二；传送带的末端上方设置有工业相机，工业相机用于拍摄轻质材料。本发明的设置能够减小流场的区域，降低能耗；同时选用筛网传送带，构造一个相对封闭的空间将分选装置中的风力循环利用，也降低了分选装置的能耗。
-
-
公开(公告)号：CN113535984B
公开(公告)日：2023-05-26
申请号：CN202110919665.2
申请日：2021-08-11
Applicant: 华侨大学
IPC: G06F16/36 , G06F40/30 , G06F18/2415 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本发明公开了一种基于注意力机制的知识图谱关系预测方法及装置，利用Trans模型获得三元组实体的嵌入，将三元组中的关系当作头实体和尾实体间翻译操作，得到三元组向量表示，针对知识图谱中三元组实体描述的全部文本信息采用Doc2Vec模型进行嵌入，得到实体描述向量表示，通过Trans模型得到的三元组向量表示与实体层次类型映射矩阵结合，得到实体类型向量表示，采用融合三元组向量表示、实体描述向量表示以及实体类型向量表示的三元组实体向量作为编码器输入，编码器基于知识图谱设计注意力机制，得到关系层次、实体层次、三元组层次的权重，解码器则利用ConvKB模型重构知识图谱，进行关系预测。本发明可用于知识图谱推理，根据已知的知识推理出未知的潜在的知识。
-
公开(公告)号：CN112417722B
公开(公告)日：2023-02-03
申请号：CN202011268901.0
申请日：2020-11-13
Applicant: 华侨大学
Abstract: 本发明公开了一种基于滑动窗NPE的线性时变结构工作模态识别方法，具体包括：获取线性时时变结构在采样时间内的振动位移响应信号；依据“时间冻结”理论，将振动位移响应信号进行划分分解成有限个窗长为L的位移响应信号；根据每个窗口下的振动位移响应信号建立NPE求解工作模态参数的模型，获得该瞬时时刻的工作模态参数；拟合各个窗口的工作模态参数，得到线性时变结构的工作模态参数；采用模态置信参数评价模态振型识别的准确性，采用误差率评价固有频率的准确性。本发明提出的方法将流形学习中的NPE结合滑动窗技术应用于时变结构的工作模态参数识别，有效的识别线性时变结构的工作模态参数。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.056 seconds)
