-
公开(公告)号：CN113222835A
公开(公告)日：2021-08-06
申请号：CN202110436758.X
申请日：2021-04-22
Applicant: 海南大学
Abstract: 本发明提供基于残差网络的遥感全色和多光谱图像分布式融合方法，主要解决现有技术中光谱失真、空间分辨率低、融合质量不高的问题，本申请包括下列步骤：通过卫星采集目标区域的原始图像，并对所述原始图像进行预处理；根据Wald准则使用预处理后全色图像和多光谱图像构建仿真训练集和测试集，构建由3个支路构成的基于残差网络的分布式融合模型，将训练集的全色和多光谱图像作为网络的输入，对网络进行充分训练；将待融合的全色和多光谱图像输入到训练好的融合网络中，得到融合图像。本发明使用不同支路不同尺度的特征进行融合，保留更多的光谱信息和空间信息，在提高空间分辨率和保留光谱信息方面更具优越性能，提高了融合质量。
-
公开(公告)号：CN112580483A
公开(公告)日：2021-03-30
申请号：CN202011468816.9
申请日：2020-12-15
Applicant: 海南大学
Abstract: 本发明提供一种基于粗糙模糊模型的遥感影像特征离散化方法，包括下列步骤：列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；初始化各个类别的类中心以及样本例对类中心之间的隶属度；迭代更新各个类别的类中心以及样本例对类中心之间的隶属度，获得各类别的类中心的最终值以及隶属度最终值；建立粗糙模糊集，并计算粗糙模糊集的平均近似精度，对所述影像信息决策表进行离散化，基于平均近似精度以及遗传算法对离散化结果进行评估，选择最优的离散化方案。
-
公开(公告)号：CN112286921A
公开(公告)日：2021-01-29
申请号：CN202011175316.6
申请日：2020-10-29
Applicant: 海南大学
IPC: G06F16/215 , G06F16/23 , G06F16/242 , G06F16/2455 , G06F16/25 , G06Q10/10
Abstract: 本发明提供一种基于多源异构数据的动态企业画像生成方法，包括下列步骤：S1、采集目标企业的信息数据，并对所述企业信息数据进行预处理；S2、构建企业画像模型，所述企业画像模型由企业基本属性、企业经营范围、企业主要产品、企业内外关联、企业行业评价五个维度特征组成，从预处理后的企业信息数据中提取特征项，并填充至对应的维度特征，实现企业信息向量化，标签化；S3、若目标企业的信息数据出现变动，根据变动的企业信息数据，形成新的特征项，并将维度特征中的旧的特征项进行替换更新，形成新的企业画像。
-
公开(公告)号：CN112256965A
公开(公告)日：2021-01-22
申请号：CN202011145676.1
申请日：2020-10-23
Applicant: 海南大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于lambdaMart的神经协同过滤模型推荐方法，所述方法包括以下步骤：S1：输入用户信息，所述用户信息包括用户基本信息和电影评论信息，所述电影评论信息包括已评分电影信息和未评分电影信息；S2：嵌入层将用户信息映射为用户特征向量，将电影评论信息映射为电影特征向量；S3：将用户特征向量、电影特征向量输入到神经协同过滤模型中，提取高阶特征信息，同时提取排序信息；S4：对高阶特征信息和排序信息进行处理获得推荐结果并输出。提出LM‑NCF模型，通过改进神经协同过滤模型，利用多层感知机的非线性特征处理提取隐含高阶特征信息以及lambdaMart个性化排序算法提取排序信息，使推荐更加精准。
-
公开(公告)号：CN112115441A
公开(公告)日：2020-12-22
申请号：CN202011048942.9
申请日：2020-09-29
Applicant: 海南大学
Abstract: 本发明公开了一种基于区块链的人才认证方法，包括如下步骤：用户注册、资料上传、资料审核和成果转化；本发明的有益效果在于，首先，本发明的人才认证方法基于区块链技术，基于用户的认证信息、审核结果、成果信息等都将存储在区域块链上，无法被篡改，无法伪造，可查证和追溯，保障了各方的利益，降低了法律风险；其次，本发明的人才认证方法采用区块链技术，避免了中心化平台运营中出现的服务器受攻击等因素带来的数据丢失、数据被篡改等问题。
-
Patent Agency Ranking
公开(公告)号：CN111694664A
公开(公告)日：2020-09-22
申请号：CN202010497910.0
申请日：2020-06-04
Applicant: 海南大学
Abstract: 本发明公开了一种边缘服务器的计算卸载分配方法，该方法包括如下步骤：依据每个用户终端在边缘服务器上执行的任务在每个用户终端任务的占比构建待优化向量利用第一目标子函数、第二目标子函数和第三目标子函数，以构造目标优化函数，第一目标子函数为所有用户终端上本地执行任务的计算时间和边缘服务器上执行任务的计算时间的总和，第二目标子函数为所有用户终端上本地执行任务的能量消耗和边缘服务器上执行任务的能量消耗的总和，第三目标子函数为边缘服务器上执行任务所产生的资费的总和，利用目标优化函数求解待优化向量的优化值，依据待优化向量的优化值对每个用户终端在边缘服务器上执行的任务在每个用户终端任务的占比进行相应的配置。
-
公开(公告)号：CN111651613A
公开(公告)日：2020-09-11
申请号：CN202010649393.4
申请日：2020-07-08
Applicant: 海南大学
Abstract: 本发明公开了一种基于知识图谱嵌入的动态推荐方法和系统。该方法包括步骤：接收输入的查询事实，在知识图谱中查找是否存在所述查询事实，若存在所述查询事实，则直接输出推荐结果，若不存在所述查询事实，则更新所述知识图谱后再输出推荐结果；其中更新所述知识图谱是采用结合图卷积神经网络与ANALOGY模型的动态知识图谱嵌入方法。本发明能够减少知识图谱的冗余学习过程，使用户每次数据更新或者有了新的倾向与喜好时，能够迅速地更新整个知识图谱，大大提高整个动态推荐的可靠性与稳定性。
-
公开(公告)号：CN120047816A
公开(公告)日：2025-05-27
申请号：CN202411967702.7
申请日：2024-12-30
Applicant: 海南大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了基于改进多尺度注意力和Transformer网络的高光谱图像精确分类方法，首先动态空间注意单元空间信息提取；然后多核融合注意模块多尺度特征提取；最后交叉注意Swin Transformer模块提升信息融合；具体的，将多尺度注意力处理后的特征输入LayerNorm；然后引入多头注意力机制，让网络能够处理不同尺度的特征；引入多头交叉注意力，让网络让好的融合不同尺度特征，在多头注意力机制后加入MLP，用于整合提取特征；本发明解决了现有技术中存在的多头自注意力机制可能导致特征冗余和信息过度分散的问题。
-
公开(公告)号：CN114240808B
公开(公告)日：2025-05-16
申请号：CN202111097327.1
申请日：2021-09-18
Applicant: 海南大学
Abstract: 本发明提供基于联合双边滤波和非下采样剪切波的图像融合算法，能够对来自不同传感器的遥感图像数据进行信息处理、分析，从而获得兼具不同来源的遥感图像的特征信息。处理过后的图像通常情况下比起源遥感图像的信息更丰富、更全面、更加符合人眼的视觉特性或机器的信息处理方式，以便于后续处理和更好地满足应用要求。
-
公开(公告)号：CN119694582A
公开(公告)日：2025-03-25
申请号：CN202411747695.X
申请日：2024-12-02
Applicant: 海南大学
IPC: G16H50/70 , G16H50/30 , G06F18/2415 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0895
Abstract: 本申请涉及一种基于门控自适应机制的病情转归预测方法和装置。所述方法包括：获取慢病相关数据，根据慢病相关数据进行特征相关性分析，生成图数据并对图数据进行特征增强；基于图数据利用多层GAT混合模型进行预测，获取转归状态的时间序列；其中，多层GAT混合模型包括若干GATConv层、若干LSTMAggregation层和基于门控自适应的特征融合层；利用格拉姆角场将转归状态的时间序列输出为转归矩阵。本发明通过门控机制和注意力机制进行图级的全局特征融合，使多层GAT混合模型具有强大的图特征提取能力，能有效地提高了功率预测的精度和准确性。同时，使用上述多层GAT混合模型对各个患者的每个数据点进行转归预测，再采用格拉姆角场生成转归矩阵，便于进一步转归分析。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.02 seconds)
