-
公开(公告)号：CN117351246A
公开(公告)日：2024-01-05
申请号：CN202311355526.7
申请日：2023-10-18
Applicant: 暨南大学
IPC: G06V10/75 , G06V10/80 , G06V10/84 , G06V10/762 , G06V10/82
Abstract: 本发明涉及图像匹配领域，尤其涉及一种误匹配对去除方法、系统及可读介质。一种误匹配对去除方法，包括：获取初始匹配对集；基于注意力机制针对所述初始匹配对集进行特征提取得到多层次深度特征；对所述多层次深度特征执行特征融合操作，得到所述初始匹配集的综合特征表示；基于所述综合特征表示获取每个匹配对的匹配概率，进而基于所述匹配概率对去除错误匹配对。针对初始匹配对集基于注意力机制针对所述初始匹配对集进行特征提取得到多层次深度特征；对所述多层次深度特征进行逐层融合操作得到所述初始匹配集中每个匹配对的匹配概率，进而基于所述匹配概率对去除错误匹配对。可以有效去除离群点信息的干扰，增强模型的准确性和稳定性，在各种应用场景中表现更好。
-
公开(公告)号：CN111885544B
公开(公告)日：2023-12-29
申请号：CN202010684752.X
申请日：2020-07-16
Applicant: 暨南大学
Abstract: 本发明公开了一种车联网中兼顾信任管理和隐私保护的紧急消息散播方法及系统，该方法包括可信机构和路侧单元初始化、车辆注册、声望证书请求、紧急消息散播、声望反馈集合报告、声望信息更新和车辆撤销等步骤。所提方法采用基于布隆过滤器的隐私保护集合求交技术，兼顾了精确的信任管理和强的隐私保护；提供非交互式的散播方法，加快了紧急消息散播和信任评估的速度；支持假名、临时公钥和临时私钥在不同的时间槽的重复利用，其长度能够更短，并节省存储空间和网络带宽；性能不随车辆数量而增长，能够更好地适应于大范围的车联网。
-
公开(公告)号：CN116167068A
公开(公告)日：2023-05-26
申请号：CN202310408817.1
申请日：2023-04-18
Applicant: 暨南大学
Abstract: 本发明公开一种基于区块链的网络边缘资源可信分配方法及系统，该方法包括执行可信资源标识步骤、执行可信资源分配步骤、资源分配信息合法性验证及应用步骤；在执行可信资源标识步骤基于网络边缘计算资源可信标识实现网络边缘资源身份归属明晰、资源使用可追溯，基于可信资源分配步骤使得网络边缘的资源匹配在可信环境下运行，基于资源分配信息合法性验证及应用步骤使得数据传输更加安全，本发明在整体上解决网络边缘计算任务处理过程中的高时延以及数据传输安全问题，使得资源请求者、资源提供者能够可信地发布资源信息，使整个过程中资源请求者、资源提供者操作可追溯、过程透明。
-
公开(公告)号：CN115357720B
公开(公告)日：2023-05-26
申请号：CN202211283553.3
申请日：2022-10-20
Applicant: 暨南大学
IPC: G06F16/35 , G06N3/0499 , G06F16/31 , G06F40/30
Abstract: 本发明实施例涉及文本分类技术领域，公开了一种基于BERT的多任务新闻分类方法，包括：获取新闻的原始文本数据；将所述原始文本数据进行数据清洗；将所述待分类文本信息输入编码层，得到所述原始文本数据的特征向量；将所述特征向量输入注意力层；将所述特征向量与超参数作点乘，得到注意力层输出结果；将所述注意力层输出结果输入前馈神经网络层进行归一化处理，得到各类新闻文本的独有特征向量；将所述独有特征向量进行联合学习，得到各类新闻任务的联合损失函数结果；根据联合损失函数结果输出新闻分类结果。本发明通过BERT模型对新闻文本数据进行处理，采用多任务新闻分类任务进行联合训练，提高新闻分类的准确度和适用性。
-
公开(公告)号：CN115374369B
公开(公告)日：2023-04-07
申请号：CN202211283583.4
申请日：2022-10-20
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/045 , G06F16/332 , G06F16/335 , G06F40/289
Abstract: 本发明实施例公开了一种基于图神经网络的新闻多样性推荐方法及装置，包括：对目标新闻文本进行分词处理得到分词集合，对分词集合进行向量化处理，使得分词集合中的每一个分词分别具有分词嵌入向量；对目标用户群体进行向量化处理，使得目标用户群体中的每一个用户分别具有用户嵌入向量；基于分词嵌入向量和用户嵌入向量输入至注意力机制算法中获得新闻嵌入向量；根据用户嵌入向量和新闻嵌入向量构建图神经网络，训练推荐模型得到多样性推荐结果。实施例中首先采用分词工具对每一个新闻文本进行分词，然后利用注意力机制以及用户兴趣和分词信息得到新闻的嵌入向量，通过图神经网络得到相应的表达，对模型进行优化，最终计算得到多样性的推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN115759119A
公开(公告)日：2023-03-07
申请号：CN202310030728.8
申请日：2023-01-10
Applicant: 暨南大学
IPC: G06F40/30 , G06F40/242 , G06F40/284 , G06F16/35 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/091
Abstract: 本发明公开了一种金融文本情感分析方法、系统、介质和设备，该方法包括下述步骤：分析每个金融文本表达的情感并进行标注；对待测金融文本进行数据预处理，得到金融文本序列；根据金融词典进行分词、编码，编码后输入BERT模型训练；多头注意力层以编码后的词向量作为输入，为每个词向量提供不同语义的词向量，前馈层将含有序列信息的词向量进行线性处理，得到整合信息后的词向量；多头注意力层和前馈层后各执行残差连接和归一化处理，完成各词向量对序列信息的整合；整合信息后的各个词向量经过全连接层、softmax计算，选择概率最大的情感作为文本情感分类的结果。本发明能更好地利用到完整语义信息，极大提高了文本情感分析的准确度。
-
公开(公告)号：CN115422305A
公开(公告)日：2022-12-02
申请号：CN202211372863.2
申请日：2022-11-04
Applicant: 暨南大学
Abstract: 本发明实施例公开了一种网络社交媒体数据管理方法及装置，方法包括：创建数据仓库，并提取不同数据源的数据，将所述数据进行处理形成标准数据并存储在所述数据仓库；创建数据任务，将若干个所述数据任务依据预设规则进行排队生成消息队列；根据消息队列的排队顺序调度对应的数据任务采集相应的数据。实施例充分考虑设计网络数据杂乱、数据量大、格式混乱的问题，提供数据治理统一设计的管理方式，创建数据仓库对不同渠道来源的数据进行管理和存储，创建数据任务，以及配置任务进行数据采集，最终实现整体的数据高效有序管理。
-
公开(公告)号：CN115374369A
公开(公告)日：2022-11-22
申请号：CN202211283583.4
申请日：2022-10-20
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/04 , G06F16/332 , G06F16/335 , G06F40/289
Abstract: 本发明实施例公开了一种基于图神经网络的新闻多样性推荐方法及装置，包括：对目标新闻文本进行分词处理得到分词集合，对分词集合进行向量化处理，使得分词集合中的每一个分词分别具有分词嵌入向量；对目标用户群体进行向量化处理，使得目标用户群体中的每一个用户分别具有用户嵌入向量；基于分词嵌入向量和用户嵌入向量输入至注意力机制算法中获得新闻嵌入向量；根据用户嵌入向量和新闻嵌入向量构建图神经网络，训练推荐模型得到多样性推荐结果。实施例中首先采用分词工具对每一个新闻文本进行分词，然后利用注意力机制以及用户兴趣和分词信息得到新闻的嵌入向量，通过图神经网络得到相应的表达，对模型进行优化，最终计算得到多样性的推荐结果。
-
公开(公告)号：CN115357720A
公开(公告)日：2022-11-18
申请号：CN202211283553.3
申请日：2022-10-20
Applicant: 暨南大学
Abstract: 本发明实施例涉及文本分类技术领域，公开了一种基于BERT的多任务新闻分类方法，包括：获取新闻的原始文本数据；将所述原始文本数据进行数据清洗；将所述待分类文本信息输入编码层，得到所述原始文本数据的特征向量；将所述特征向量输入注意力层；将所述特征向量与超参数作点乘，得到注意力层输出结果；将所述注意力层输出结果输入前馈神经网络层进行归一化处理，得到各类新闻文本的独有特征向量；将所述独有特征向量进行联合学习，得到各类新闻任务的联合损失函数结果；根据联合损失函数结果输出新闻分类结果。本发明通过BERT模型对新闻文本数据进行处理，采用多任务新闻分类任务进行联合训练，提高新闻分类的准确度和适用性。
-
公开(公告)号：CN115100681A
公开(公告)日：2022-09-23
申请号：CN202210721153.X
申请日：2022-06-24
Applicant: 暨南大学
Abstract: 本发明公开了一种衣着识别方法、系统、介质及设备，该方法包括下述步骤：获取多场景下的摄像头视频，将其中的黑白视频着色，整合得到全彩色的图像数据库，对图像数据库进行解帧和标注，构建衣着数据集，基于YOLOv5模型构建衣着识别网络，在主干网络层尾部增加坐标注意力模块，在Neck网络层将YOLOv5模型中的拼接模块替换为Concat_bifpn模块；基于衣着数据集训练衣着识别网络；进行复合检测，基于YOLOv5模型对测试集中的人物进行识别，裁剪提取得到人像结果集，输入衣着识别网络得到衣着识别结果图像集。本发明解决了摄像头环境下目标检测难的问题，实现了精度与速度平衡的高效目标检测效果。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.037 seconds)
