-
公开(公告)号：CN112561950B
公开(公告)日：2022-12-13
申请号：CN202011547135.1
申请日：2020-12-24
Applicant: 福州大学
Abstract: 本发明涉及一种PointTrack框架下基于窗函数的点云采样方法，包括以下步骤：步骤S1：获取视频图像帧中所有目标的2D边界框，并输入到神经网络中进行分割，得到对应的前景与背景；步骤S2：根据分割结果对边界框在上下左右四个方向进行扩展，并将扩展后割的结果使用窗函数进行点云采样，分别得到前景和背景相对应的2D点云采样结果；步骤S3：将得到的前景点云进行整合，计算对应的颜色特征向量和形状特征向量，将得到的背景点云进行整合，并计算对应的颜色特征向量、形状特征向量以及类别向量，最终将得到的向量串联输入到PointTrak模型中。本发明能够使用窗函数更好的对点云采样进行控制，可以让采样的点更偏向于反应轮廓信息或者颜色信息，提高PointTrack多目标跟踪效果。
-
公开(公告)号：CN114912029A
公开(公告)日：2022-08-16
申请号：CN202210675748.6
申请日：2022-06-15
Applicant: 福州大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明涉及一种基于强化学习的稀疏群智感知在线用户招募方法，包括以下步骤：步骤S1：获取历史感知数据；步骤S2：构建用户的历史轨迹数据；步骤S3：构建用户招募模型和预算保留模型；步骤S4：训练用户招募模型和预算保留模型；步骤S5：利用预算保留模型判断是否在当前周期保留预算，若判断为“是”，则等待下一个周期到来再重复步骤S5，否则，跳转至步骤S6；步骤S6：招募贡献最大的一个用户，支付其相应的报酬后回到步骤S5；步骤S7：重复步骤S5和S6，直到预算不足或所有周期结束；步骤S8：结合推断算法推断完整的数据。该方法通过交替执行用户招募决策和预算保留决策，在预算和时间限制下，在线招募一组近似最优的用户完成稀疏群智感知任务。
-
公开(公告)号：CN108537380B
公开(公告)日：2022-03-25
申请号：CN201810304089.9
申请日：2018-04-04
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏表示的电力负荷预测方法，包括以下步骤：通过电力公司获取真实电力负荷数据，对数据进行预处理得到，包括数据缺失、数据异常和数据归一化等具体操作等处理；通过拼接基础字典、单位矩阵字典和外部因素字典，使其构成过完备字典，过完备字典包括用于求解稀疏系数向量的训练字典和用于预测未来电力负荷的测试字典两部分；根据预处理的电力负荷数据和的训练字典使用正交匹配追踪OMP算法来求解系数向量；结合测试字典和稀疏系数向量来预测未来的电力负荷。该方法在真实存在的电力负荷数据集的基础上，可以有效地预测未来的电力负荷，在添加外部因素的条件下，可以显著地提高负荷预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN109521447A
公开(公告)日：2019-03-26
申请号：CN201811363492.5
申请日：2018-11-16
Applicant: 福州大学
IPC: G01S19/24
Abstract: 本发明涉及一种基于贪心策略的失踪目标搜索方法。将连续的历史GPS轨迹数据转变成离散的位置点序列，计算目标位置转移概率矩阵，而后评估出找到目标的单位搜索代价；根据转移概率矩阵和评估的搜索代价计算“代价时跨比”、“概率代价比”，基于贪心策略遍历代价时跨比、概率代价比确定搜索时刻、待搜索位置的序列；重复上述过程，直到搜索时刻为目标时刻，输出目标位置。本发明方法利用历史轨迹数据，估测搜索时刻评估指标——期望的代价时跨比，和搜索位置评估指标——期望的概率代价比，来启发式确定搜索时刻和搜索位置，有效地降低了找到目标指定时刻所在位置的搜索代价。
-
公开(公告)号：CN108537380A
公开(公告)日：2018-09-14
申请号：CN201810304089.9
申请日：2018-04-04
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏表示的电力负荷预测方法，包括以下步骤：通过电力公司获取真实电力负荷数据，对数据进行预处理得到，包括数据缺失、数据异常和数据归一化等具体操作等处理；通过拼接基础字典、单位矩阵字典和外部因素字典，使其构成过完备字典，过完备字典包括用于求解稀疏系数向量的训练字典和用于预测未来电力负荷的测试字典两部分；根据预处理的电力负荷数据和的训练字典使用正交匹配追踪OMP算法来求解系数向量；结合测试字典和稀疏系数向量来预测未来的电力负荷。该方法在真实存在的电力负荷数据集的基础上，可以有效地预测未来的电力负荷，在添加外部因素的条件下，可以显著地提高负荷预测的精度。
-
公开(公告)号：CN106599254A
公开(公告)日：2017-04-26
申请号：CN201611189560.1
申请日：2016-12-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于贪心策略的群智感知参与者选择方法，包括以下步骤：步骤S1：通过原始数据库，获取每个用户在各个周期所覆盖的目标点的集合；步骤S2：利用贪心策略选取一个用户集，保证目标点在第一个覆盖周期满足覆盖要求；步骤S3：用步骤S2中得到的用户集来对下一个覆盖周期进行覆盖，记录各点的覆盖次数情况；步骤S4：对步骤S3中未满足覆盖次数要求的点，继续用贪心策略选取用户，加入到原来的用户集，直到所有点都满足覆盖次数要求；步骤S5：重复步骤S3和S4中的步骤，直到最后一个覆盖周期也满足覆盖要求。该方法在给定用户地点签到信息数据集的基础上，有效求解出比较理想的用户集合，在给定代价的情况下完成有时空限制的群智感知任务。
-
公开(公告)号：CN104867015A
公开(公告)日：2015-08-26
申请号：CN201510203387.5
申请日：2015-04-27
Applicant: 福州大学
IPC: G06Q30/00
Abstract: 本发明涉及一种基于用户移动预测的物品递送者推荐方法，该方法包括以下步骤：1、数据采集并整理：从移动用户的原始GPS数据中提取出有意义的地点，并对这些地点进行聚类，得到用户感兴趣的场所同时生成相应的轨迹；2、候选人选取：根据社交网络中用户间的关系程度，提取递送者的候选集；3、用户会面预测：通过用户历史轨迹的概率统计，计算用户和他朋友间会面的概率；4、用户位置预测：通过用户历史轨迹的概率统计，计算用户的朋友访问某个场所的概率；5、递送者推荐：计算用户的朋友在他们相遇之前访问某个场所的概率，并按其大小降序排列，选择前topK个朋友并展示出来。本发明为用户购物带来了方便。
-
公开(公告)号：CN104063516A
公开(公告)日：2014-09-24
申请号：CN201410332642.1
申请日：2014-07-14
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明涉及网络垃圾过滤技术领域，特别涉及一种基于分布式矩阵分解特征提取的社交网络垃圾过滤方法，包括以下步骤：步骤S1：构造社交网络用户-属性矩阵；步骤S2：基于分布式矩阵分解对所述社交网络用户-属性矩阵进行特征提取；步骤S3：对潜在特征向量进行分类，判断是否为社交网络垃圾。该方法有利于高效地过滤社交网络中的垃圾数据。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.047 seconds)
