-
公开(公告)号：CN107133104B
公开(公告)日：2020-07-21
申请号：CN201710338078.8
申请日：2017-05-15
Applicant: 广东工业大学
Abstract: 本发明提供一种分布式流数据处理应用在减载下资源感知的方法。本发明通过对减载情况下的分布式流式数据处理应用的实际负载的建模与分析，预测该应用在不进行减载操作情况下的真实负载。基于真实负载，本发明能够辅助分布式流式数据处理处理系统的资源管理和调度框架对应用所需要的计算、储存等资源做出正确的测量与分配。
-
公开(公告)号：CN110442866A
公开(公告)日：2019-11-12
申请号：CN201910685953.9
申请日：2019-07-28
Applicant: 广东工业大学
Abstract: 本发明涉及句子压缩领域，公开了一种融合语法信息的句子压缩方法，包括步骤：S1、对句子压缩网络中的参数进行随机初始化；S2、从数据集获取压缩前句子的序列、词性序列和对应的压缩序列标签；S3、以时间步为单位，将原句子序列的每个单词以及词性序列中对应词性依次输入到网络中所对应的编码器中去；S4、把单词网络编码器最后一个时间步的隐状态作为单词解码器的初始隐状态，将词性网络编码器的最后一个时间步的隐状态作为词性解码器的初始隐状态；S5、将原句子序列的每个单词以及词性序列中对应词性依次输入到对应的解码器中；S6、生成标签的概率分布；S7、通过选择最大概率来得到当前输入单词的标签。可以有效简单通过语法信息进行句子压缩。
-
公开(公告)号：CN110245984A
公开(公告)日：2019-09-17
申请号：CN201910494079.0
申请日：2019-06-09
Applicant: 广东工业大学
Abstract: 本发明涉及数据挖掘、社交网络、因果推断领域，公开了一种基于因果推断的网络购物行为分析方法和系统，通过融合用户属性特征、社交行为特征和历史购物行为特征、用户关系等多层次、跨领域特征，能够充分获取用户行为特征和兴趣偏好；经过合理设计的分析系统，利用因果网络模型，去除无用的特征，减少了噪声特征的干扰，并可解释用户行为的因果性及其行为动机，提高用户购物行为预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN109117774A
公开(公告)日：2019-01-01
申请号：CN201810866990.5
申请日：2018-08-01
Applicant: 广东工业大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是一种基于稀疏编码的多视角视频异常检测方法，包括以下步骤：对帧图像进行多视角特征提取；对不同视角的特征进行稀疏编码，得到各个视角下的特征的稀疏表示；依据稀疏表示信息获得一个帧图像下的一致性表示矩阵并给相邻两帧之间的一致性表示矩阵赋予相应的权重值后得到字典A，然后利用字典A对异常事件的视频数据进行测试得到稀疏表示系数的重建误差，从而得到标准化的多视角视频异常检测模型。本发明通过提取视频帧图像多视角特征，建立多视角视频异常检测模型，整合视频多个视角下的特征信息来进行异常检测，并利用视频相邻两帧之间的时间想干性，减少了局部信息的损失，提高了异常检测准确度。
-
公开(公告)号：CN107169061A
公开(公告)日：2017-09-15
申请号：CN201710301194.2
申请日：2017-05-02
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明涉及一种融合双信息源的文本多标签分类方法，通过网络获取文本数据，将每篇文本按不同信息源分成信息源一和信息源二，并且将不同信息源文本分别采用空间向量模型表示，通过特征矩阵构建融合多种不同视角和特点的信息源的分类器，预测待分类的文本数据，得到分类标签结果，本发明设计合理、计算简单、预测准确，通过将具有不同视角和特点的两种信息源融合在模型中，提高了分类的准确性，避免了现有技术中分别对信息源构建分类器，再对多标签分类结果进行融合，导致忽略不同信息源之间、不同标签的相关性的问题，另外，通过将模型的求解过程转换成特征值的求解，不仅进一步简化了计算过程，而且还进一步提高了模型训练效率。
-
公开(公告)号：CN107168945A
公开(公告)日：2017-09-15
申请号：CN201710239843.0
申请日：2017-04-13
Applicant: 广东工业大学
Abstract: 一种融合多特征的双向循环神经网络细粒度意见挖掘方法，通过互联网抓取特定网站的评论数据，并对其进行标注和预处理得到训练样本集，使用Word2Vec或Glove模型算法训练得到评论数据的词向量，并进行词性标注、依存关系标注等处理后向量化，将向量输入双向循环神经网络构建得到双向循环神经网络细粒度意见挖掘模型，本发明通过一个模型的训练同时抽取细粒度意见挖掘中属性词以及进行情感极性判断，从而进一步节约了大量的模型训练时间，提高训练效率，而且，无需专业技术人员对属性词进行人工抽取，从而节约了大量的人工成本，另外，可以通过用多种数据源训练模型，从而可以完成跨领域的细粒度意见分析，从而解决长距离情感要素依赖的问题。
-
公开(公告)号：CN107133104A
公开(公告)日：2017-09-05
申请号：CN201710338078.8
申请日：2017-05-15
Applicant: 广东工业大学
Abstract: 本发明提供一种分布式流数据处理应用在减载下资源感知的方法。本发明通过对减载情况下的分布式流式数据处理应用的实际负载的建模与分析，预测该应用在不进行减载操作情况下的真实负载。基于真实负载，本发明能够辅助分布式流式数据处理处理系统的资源管理和调度框架对应用所需要的计算、储存等资源做出正确的测量与分配。
-
公开(公告)号：CN104636751A
公开(公告)日：2015-05-20
申请号：CN201410795393.X
申请日：2014-12-11
Applicant: 广东工业大学
Abstract: 本发明公布了一种基于时间递归神经网络(recurrent neural network)的人群异常检测和定位系统及方法。该方法在对采集到的样本数据进行预处理的基础上对场景进行网格化划分，将由n帧构成的视频片段划分成多个时空块。然后从每个时空块中构造多规模光流直方图和Gabor小波纹理特征。向量化并合并多个时空块中的特征，将视频片段作为时间序列，分别利用时间递归神经网络的隐含节点和反馈节点来发现空间维度和时间维度的关系，训练能检测长依赖关系的时间递归神经网络模型。最后利用该模型进行人群异常检测和定位。该方法具有较好的实时性和准确性，能检测由少数个体或者是由大量个体触发的异常。
-
-
-
-
-
-
-
Search Results
48
records
(took 0.038 seconds)
