-
公开(公告)号:CN118135279A
公开(公告)日:2024-06-04
申请号:CN202410088713.1
申请日:2024-01-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/80
Abstract: 本发明实施例提供一种不完整视图的聚类方法及系统,属于信息技术领域。该聚类方法包括:获取待聚类的不完整多视图,并构建邻接矩阵以确定不完整多视图的图结构信息;结合邻接矩阵,采用预先构建的聚类模型对每一不完整视图进行编码,获得潜在特征表示;对各潜在特征表示采用注意力机制进行融合生成综合潜在特征表示;对综合潜在特征表示进行深度聚类,输出不完整多视图的聚类结果。通过将待聚类的不完整多视图和邻接矩阵输入至聚类模型,使得该聚类模型对不完整多视图节点进行多次邻域聚合和特征学习后,得到每个节点潜在特征表示,更有利于聚类,并采用注意力机制进行潜在特征表示的融合生成综合潜在特征表示,进行深度聚类,得到聚类结果。
-
公开(公告)号:CN117523244A
公开(公告)日:2024-02-06
申请号:CN202311439517.6
申请日:2023-10-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/762 , G06V10/82 , G06N3/088 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F17/16 , G06N3/045
Abstract: 本发明实施例提供一种多视图聚类方法、系统、电子设备及存储介质,属于信息技术领域。该方法包括:获取待聚类的多个数据缺失视图;利用多重插补法,对所述多个数据缺失视图中缺失的数据进行缺失值处理,获得多个完整视图,并生成不确定性度量矩阵;提取所述不确定性度量矩阵中易于聚类的隐空间特征;将所述易于聚类的隐空间特征以及所述多个完整视图输入至循环对抗生成网络进行聚类,获得所述待聚类的多个数据缺失视图的聚类结果。通过上述技术方案,利用多重插补法,不仅可以充分利用多视图数据之间的互补信息,对缺失数据进行有效插补,增强了数据之间的关联性,还通过循环对抗生成网络在此基础上实现高效率的多个数据缺失视图的聚类。
-
公开(公告)号:CN112637318B
公开(公告)日:2022-09-30
申请号:CN202011500846.3
申请日:2020-12-17
Applicant: 哈尔滨工业大学(威海)
IPC: H04L67/12 , H04L41/04 , H04L41/0654 , H04L43/12
Abstract: 本发明属于智能网关技术领域,公开了一种面向存储完整性的智能网关系统、装置及其控制方法,所述面向存储完整性的智能网关系统包括:WebApp模块、综合管理模块、故障恢复模块、数据管理模块和云模块;所述面向存储完整性的智能网关装置包括:网关树莓派、设备树莓派、传感器如镜头与雷达、智能手表以及云存储。本发明以Java为主开发语言,实现了智能网关系统,用于老人健康信息系统中的数据管理与设备管理。本发明数据完整性的实现依靠线程安全的队列设计以及多项故障恢复机制;对于多线程的性能优化也提升了系统的稳定性,保障了数据的安全;通过环境模拟与实地应用的方式,对智能网关系统进行了系统测试,测试结果符合预期。
-
公开(公告)号:CN114861073A
公开(公告)日:2022-08-05
申请号:CN202210784842.5
申请日:2022-07-06
Applicant: 哈尔滨工业大学(威海) , 卡奥斯工业智能研究院(青岛)有限公司 , 卡奥斯创智物联科技有限公司 , 威海天鑫现代服务技术研究院有限公司
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538
Abstract: 本发明涉及服装推送技术领域,具体公开了一种基于大数据和顾客画像的服装个性化定制方法及系统,所述方法包括接收用户端发送的含有用户信息的定制请求,根据用户信息生成用户模型;获取用户的偏好数据,根据所述偏好数据生成推荐服装库;基于所述推荐服装库确定目标服装,根据所述目标服装填充用户模型;接收用户端发送的展示请求,获取用户端的位置信息,根据所述位置信息确定环境信息,对所述用户模型进行渲染显示。本发明采用基于用户模型的推送定制方法,直观性更强,在此基础上,根据用户的位置信息获取一些由天气数据确定的滤镜,对用户模型进一步渲染,使得用户能够更好地了解自己设计出的服装,与传统方案相比,真实性极高。
-
公开(公告)号:CN112861624A
公开(公告)日:2021-05-28
申请号:CN202110008794.6
申请日:2021-01-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06K9/00 , G06K9/62 , G06T15/00 , G08B21/04 , A61B5/11 , A61B5/00 , G06N3/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于人体姿态检测技术领域,公开了一种人体姿态检测方法、系统、存储介质、设备及终端,所述人体姿态检测方法包括:构建基于深度图像的人体骨骼化模型的数据集以及人体姿态分类的数据集;在openpose神经网络模型上进行迁移学习,深度图像作为网络输入,获取到的heatmap(关节点坐标)和paf(关节点向量场)作为标签进行训练,得到深度图像的人体骨骼化模型;通过姿态分析模块将打好标签的数据进行姿态特征夹角的计算,将夹角和标签输入到随机森林中进行训练,得到姿态识别模型。本发明在openpose的基础上将深度图像骨架化,并且可以转换成3d骨架给医务人员观察,有较高的准确率。
-
-
-
-
-