-
公开(公告)号：CN119047795A
公开(公告)日：2024-11-29
申请号：CN202411533364.6
申请日：2024-10-31
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q30/0645 , G06F17/16
Abstract: 本发明涉及群智感知技术领域，尤其是涉及一种基于合作意愿预测的群智感知参与者选择方法及系统。包括获取参与者数据集，通过平台任务得到估计合作成本；构建多臂老虎机问题模型，对参与者数据集进行虚拟雇佣，计算参与者对探索率；设定所述参与者对探索率的阈值，利用链接预测模型对数据集进行处理得到预测合作成本，根据被雇佣的工人对数据和估计合作成本或预测合作成本得到趋准化合作成本；利用最小成本优先的参与者选择策略得到参与者集合；更新估计合作成本和被雇佣的工人对数据。解决了在参与者关系不完全可知或者没有大量参与者合作的历史数据的情况下的情况下，平台如何选择参与者以最小化任务完成成本的问题。
-
公开(公告)号：CN118314181B
公开(公告)日：2024-10-29
申请号：CN202410418797.0
申请日：2024-04-09
Applicant: 烟台大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了基于双特征提取器和门控注意力的立体匹配方法及系统，其中方法步骤包括：获取双目立体匹配所需的视图图像信息；对视图图像信息进行特征提取，得到相关体特征；基于相关体特征，得到稀疏视差图；对稀疏视差图进行上采样，得到稠密视差图，完成立体匹配。本发明通过结合基于实例归一化和批量归一化的双特征提取器，提取多种信息特征，用于构建相关体。以门控注意力对具有批次间信息的左右视图特征进行特征增强。这使得全面提取和利用上下文信息成为可能，能够让特征鲁棒性更强，信息更丰富，增强后续模块效果，降低立体匹配错误率。通过引入双特征提取器和门控注意力机制，能够更好地捕捉图像特征之间的关联性，提高匹配准确性和效率。
-
公开(公告)号：CN118536678A
公开(公告)日：2024-08-23
申请号：CN202410993050.8
申请日：2024-07-24
Applicant: 烟台大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/0639 , G06N3/006
Abstract: 本发明涉及群智感知和人工智能技术交叉领域，尤其是涉及一种考虑三方多目标的高维优化任务分配方法及系统。方法，包括获取众包工人和众包任务对应的属性集合；基于获取的属性集合构建多方场景的优化问题，包括构建平台利润的优化问题；建立工人收益最大化的优化问题；建立任务质量鲁棒性最大化的优化问题；建立请求者效益最大化的优化问题；采用改进的RVEA优化算法对多方场景的优化问题进行优化，得到优化结果。本发明提出的任务分配方法不论在分配效率和分配效用上都取得了更好的分配结果；其分配结果在服务质量以及分配的效率上都要优于其它的单目标优化算法得到的结果。
-
公开(公告)号：CN118470333A
公开(公告)日：2024-08-09
申请号：CN202410939567.9
申请日：2024-07-15
Applicant: 烟台大学 , 山东(烟台)中日产业技术研究院(烟台市产业技术研究院)
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及深度学习应用领域，尤其是涉及一种基于遥感图像的地理环境语义分割方法及系统。所述方法，包括获取遥感图像数据集，并对获取的遥感图像数据集进行预处理；基于获取的遥感图像数据集进行编码器构建，并利用编码器进行图像数据集的特征提取和编码；根据编码器的特征提取进行解码器构建，将构建完成的编码器和解码器组合为语义分割模型；利用遥感图像数据集对语义分割模型进行训练和优化，包括利用交叉熵损失函数计算输出值与预测值之间的误差，利用训练完成的语义分割模型进行预测结果输出。通过本发明的技术方案，能够提高遥感图像语义分割的精度、鲁棒性和泛化能力，为环境检测和城市规划提供更加高效和准确的技术。
-
公开(公告)号：CN118333861A
公开(公告)日：2024-07-12
申请号：CN202410756700.7
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T3/4053 , G06T5/60 , G06T5/50 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06T3/4007
Abstract: 本发明属于图像处理技术领域，具体涉及一种遥感图像重建方法、系统、装置、介质，首先通过模拟实际遥感图像的退化情况来增强数据的真实性、复杂性，然后对遥感图像分别进行两次重建，并根据对比度进行自适应融合以整合不同分辨率的图像信息，从而提高了图像重建的准确性、清晰度和高质量。
-
Patent Agency Ranking
公开(公告)号：CN118314181A
公开(公告)日：2024-07-09
申请号：CN202410418797.0
申请日：2024-04-09
Applicant: 烟台大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了基于双特征提取器和门控注意力的立体匹配方法及系统，其中方法步骤包括：获取双目立体匹配所需的视图图像信息；对视图图像信息进行特征提取，得到相关体特征；基于相关体特征，得到稀疏视差图；对稀疏视差图进行上采样，得到稠密视差图，完成立体匹配。本发明通过结合基于实例归一化和批量归一化的双特征提取器，提取多种信息特征，用于构建相关体。以门控注意力对具有批次间信息的左右视图特征进行特征增强。这使得全面提取和利用上下文信息成为可能，能够让特征鲁棒性更强，信息更丰富，增强后续模块效果，降低立体匹配错误率。通过引入双特征提取器和门控注意力机制，能够更好地捕捉图像特征之间的关联性，提高匹配准确性和效率。
-
公开(公告)号：CN118193853A
公开(公告)日：2024-06-14
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
公开(公告)号：CN117313972B
公开(公告)日：2024-04-12
申请号：CN202311271113.0
申请日：2023-09-28
Applicant: 烟台大学
IPC: G06Q10/047 , B63B35/00 , G06Q10/0631
Abstract: 本发明属于无人艇控制技术领域，具体涉及一种无人艇集群的攻击方法、系统、装置及存储介质。基于获取的敌我双方无人艇信息，获取我方每艘无人艇采取动作所获得的收益，对我方每艘无人艇采取动作所获得的收益进行优势处理后，进行收益梯度处理，经动作损失处理后，预测下一步动作，对预测的下一步动作经策略损失处理后，得到我方每艘无人艇的最佳下一步动作，获得我方每艘无人艇的最佳攻击路线；结合混合策略及纳什均衡处理，获得混合策略的纳什均衡点，得到我方无人艇集群的协同攻击策略，既能保证我方每艘无人艇精准高效完成攻击任务，又能实现我方无人艇集群协同攻击收益最大化。
-
公开(公告)号：CN117474509A
公开(公告)日：2024-01-30
申请号：CN202311810064.3
申请日：2023-12-27
Applicant: 烟台大学
IPC: G06Q10/1053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种涉及群智感知技术和人工智能技术交叉技术领域，尤其涉及一种基于信任评估框架和禁忌搜索的工人招募方法及系统。该方法包括以下步骤：首先，基于图卷积神经网络构建信任评估模型，用于评估工人团队成员之间的信任值。其次，引入了Mini‑Batch K‑Means聚类算法和边缘计算技术，实现了分布式工人招募。接着，考虑工人的能力、距离和信任值来评估任务完成效果。最后，将工人招募问题建模为无向完全招募图，利用禁忌搜索招募算法为任务招募最优执行团队，并在隐私损失约束下确定任务的协作团队。本发明可以精确的完成工人之间信任关系的评估并实现高效的工人招募，最大化任务的完成效果，同时保证良好的隐私损失。
-
公开(公告)号：CN116976652B
公开(公告)日：2023-12-29
申请号：CN202311234438.1
申请日：2023-09-25
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及群智感知和人工智能技术交叉领域，提出一种基于时空众包的多目标任务分配方法，包括步骤：采集众包工人和众包任务对应的属性集合，并且将工人的社会属性进行提取，得到每个时空区域中众包工人的社会属性；根据每个时空区域中众包工人的社会属性进行时空图建模，并利用时空图神经网络ST‑GNN从众包工人中提取其轨迹特征；基于轨迹特征，采用轨迹预测卷积神经网络TXP‑CNN预测未来众包工人的轨迹；基于未来众包工人的轨迹，根据任务时空属性和位置信息，对众包工人和未来任务进行分配，得到分配结果；对分配结果进行多目标优化，得到分配最优解；本发明提高了众包任务的分配效率和分配效用。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.065 seconds)
