-
公开(公告)号：CN104134017A
公开(公告)日：2014-11-05
申请号：CN201410344712.5
申请日：2014-07-18
Applicant: 华南理工大学
IPC: G06F19/18
Abstract: 本发明公开了一种基于紧凑特征表示的蛋白质作用关系对抽取方法，包括以下步骤：1)选取所需的语料，语料是以句子为单位，已经有了蛋白质实体的标注及实体关系的标注；2)舍弃步骤1)中不包含蛋白质实体或只包含一个蛋白质实体的句子，得到句子集合sen_set；3)用占位符替换句子中相应的蛋白质实体并进行占位符融合，再进行词性标注和句法分析；4)以每个实体对为单位，获取词、词性、句法和模板的特征；5)对步骤4)中获得的特征进行紧凑化表达的操作；6)利用支持向量机对从步骤4)得到的特征进行训练或者利用已训练的模型进行预测。与传统的基于特征实体关系对抽取方法相比，本发明尽最大努力利用句子中可利用的信息，极大地丰富了特征向量的信息量。
-
公开(公告)号：CN103559175A
公开(公告)日：2014-02-05
申请号：CN201310476384.X
申请日：2013-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于聚类的垃圾邮件过滤系统及方法，系统包括聚类模块、邮件训练模块、特征库存储模块、邮件过滤模块；方法包括：S1.1、从邮件备份系统获取训练邮件及未标记邮件；S1.2、聚类预处理模块对邮件进行预处理；S1.3、聚类分析模块对预处理后的邮件划分成不同的类簇；S1.4、类簇中心计算模块计算各类簇的向量表达；S1.5、训练模块对各类簇中的已标记邮件进行学习，更新对应类簇的特征库；S2.1、从邮件系统获取需要过滤的邮件；S2.2、邮件类属性判别模块计算出与该邮件内容最接近的类簇；S2.3、邮件特征提取模块对待判别邮件进行特征提取；S2.4、邮件判别模块依据邮件特征及对应的特征库给出判别结果。本发明具有提取速度快、准确度高、效果好的优点。
-
公开(公告)号：CN118588321A
公开(公告)日：2024-09-03
申请号：CN202410579755.5
申请日：2024-05-11
Applicant: 中山市华南理工大学现代产业技术研究院 , 中山依数科技有限公司
IPC: G16H70/40 , G16H20/10 , G16H10/60 , G16H50/70 , G06F18/22 , G06F18/2431 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/0985
Abstract: 本发明公开了一种基于电子病历的药物推荐系统，包括：预训练模块，增加了模型表达能力，加快模型训练和收敛速度；患者当前就诊表示建模模块，通过全局检索方法，并基于多头注意力机制，得到相似就诊的实体级别和相似就诊的用药表示，解决了患者横向就诊信息利用不充分的问题，充分利用了医疗库中相似就诊的信息；药物表示建模模块，通过对分子图和分子序列进行建模，解决了分子信息和结构利用不充分的问题，充分地获取准确的药物表示。联合药物推荐模块，增强了患者表示和药物信息表示之间的联系，平衡了药物推荐的准确性和安全性。本发明可实现准确且安全性高的患者用药推荐。
-
公开(公告)号：CN114691327B
公开(公告)日：2024-08-02
申请号：CN202210286438.5
申请日：2022-03-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向两阶段任务调度的多目标群智能优化方法与系统，包括：1)解析收集到的用户请求信息和集群的状态信息；2)设置入侵肿瘤生长优化算法ITGO(Invasive Tumor Growth Optimization)的关键参数，将解析得到的信息输入算法并初始化；3)执行算法迭代计算过程，每轮迭代依次进行IPOX细胞交叉操作、双向莱维飞行操作、seqMutate细胞变异操作和根据拥挤度阈值判定进行剪枝操作，直至迭代次数达到最大迭代次数；4)生成批处理计算任务组的调度方案。本发明基于帕累托模型改进设计了ITGO的算法迭代计算操作，提出两阶段的调度架构结合ITGO求解多目标任务调度问题，显著提高了收敛速度和增强了解的多样性。
-
公开(公告)号：CN117579589A
公开(公告)日：2024-02-20
申请号：CN202311459432.4
申请日：2023-11-03
Applicant: 华南理工大学
IPC: H04L51/07 , H04L51/42 , H04L51/066 , H04L51/21
Abstract: 本发明公开了一种提升电子邮件系统传输和存储效率的方法，可以在不精简现有电子邮件系统的功能，不改变现有用户的使用习惯，不影响旧系统的运行的情况下，提高电子邮件的传输和存储效率。在高延迟低带宽网络环境下提升效果更明显。本发明使用ISO/IEC 8825‑1ASN.1DER编码规则将文本命令和数据二进制化，并打包发送和回应，以提升带宽利用率、减少往返次数、降低网络延迟；为SMTP协议增设了握手字符串，可以在不影响标准SMTP软件运行的前提下向下兼容；逐步升级不会影响现有的电子邮件业务。
-
Patent Agency Ranking
公开(公告)号：CN116451147A
公开(公告)日：2023-07-18
申请号：CN202310257770.3
申请日：2023-03-16
Applicant: 华南理工大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06F16/901 , G06F16/906 , G06N3/0464 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于历史信息继承的动态网络分类方法，使用历史信息继承机制在对动态网络的图结构信息提取中利用了来自此前时间点的图结构信息来抽取当前时间点的图结构信息，很好地缓解了动态网络跨度较长时模型无法捕捉长距离依赖信息的问题，并且能够通过此前时间点的图结构信息使得提取后续时间点的图结构信息时更具针对性，提高了模型对于各种各样动态网络数据的分类鲁棒性和泛化性的同时，实现了更好的分类效果，具有实际推广价值，值得推广。
-
公开(公告)号：CN111582325B
公开(公告)日：2023-04-07
申请号：CN202010312421.3
申请日：2020-04-20
Applicant: 华南理工大学
IPC: G06F18/25 , G06F18/214 , G06F16/18 , G06F16/2458
Abstract: 本发明公开了一种基于自动特征编码的多阶特征组合方法，包括步骤：1)对日志型数据的训练集进行预处理和数据采样；2)构建代理搜索模型对特征组进行搜索，得到评价指标最高的特征组；3)构建复合目标编码器对选中的特征组编码，得到多阶组合特征；4)对多阶组合特征进行内嵌式特征选择，保留有效特征；5)重复步骤2)‑4)，最终得到完整的有效组合特征编码表；6)参照有效组合特征编码表，使用复合目标编码器对训练集和测试集转化，获得多阶特征组合训练集和测试集。本发明方法能够自动完成预处理、特征工程等一系列步骤，有助于机器学习平台节省人工成本、降低特征工程时间开销和提升预测精度。
-
公开(公告)号：CN115577495A
公开(公告)日：2023-01-06
申请号：CN202211077715.8
申请日：2022-09-05
Applicant: 华南理工大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种基于图像分析同步获取材料力学实验应力应变数据的方法，包括：1)采集同时包含荷载或名义应力数值和试样表面的图像序列；2)识别图片中的数值，若为荷载数值，根据试样尺寸换算为应力数值；在需要计算应变的图像区域设定考察点，经过图像匹配得到考察点在序列内其它图片上的对应点；3)若图像序列由单台设备采集，则根据考察点及其不同时刻对应点的坐标计算其二维位移；若由多台设备采集，则需重构考察点的三维坐标，由考察点不同时刻的三维坐标计算其三维位移；4)由位移结果求得与名义应力时间同步的应变结果。本发明无需荷载测量设备与图像采集设备进行通讯，即可完成试样表面应变场和名义应力测量结果的同步获取。
-
公开(公告)号：CN114677758A
公开(公告)日：2022-06-28
申请号：CN202210286405.0
申请日：2022-03-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于毫米波雷达点云的步态识别方法，包括：1)对雷达输出的原始点云进行聚类、追踪获取目标点；2)坐标转换；3)使用随机采样的方法固定每一帧的目标点云数量；4)使用PointNet与双向LSTM获取步态的时间特征向量，使用T‑Net结合PointNet获取步态的空间特征向量；5)对全局特征进行距离计算，确认身份类别。本发明采用毫米波雷达采集人行走过程中的步态信息，降低了环境光照、水汽的影响；采用3D点云学习人行走过程中的运动特征，点既有3D空间坐标又有信噪比、速度信息，保证步态特征的丰富性；通过随机采样固定每一帧的点云数量，与RGB图像相比，降低了计算开销；通过计算人在行走过程中的时序特征与空间特征，进一步提高步态识别精度。
-
公开(公告)号：CN114359717A
公开(公告)日：2022-04-15
申请号：CN202111552869.3
申请日：2021-12-17
Applicant: 华南理工大学
IPC: G06V20/10 , G06V10/26 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视角相关性深度学习的车辆损伤识别方法，包括1)获取带标签的远、近景车辆损伤图片；2)使用孪生的深度卷积神经网络对远、近景车辆损伤图片进行图像特征提取；3)使用区域建议网络处理图像特征，获取区域建议框，并将区域建议框所对应的图像特征都转化为相同大小；4)构建关系模型提取区域建议框之间的关系特征，并与对应的区域建议框图像特征进行融合；5)对区域建议框的融合特征进行处理，得到车辆损伤识别结果。本发明首次使用孪生的深度卷积神经网络提取远、近景车辆损伤图片的图像特征，并首次将关系模型用于提取远景车辆损伤图片中零件区域和近景车辆损伤图片中损伤区域间的关系信息，提高了车损识别精度。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.024 seconds)
