-
公开(公告)号：CN101959218B
公开(公告)日：2013-04-17
申请号：CN201010529473.2
申请日：2010-10-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于伸展树的事件区域检测方法，首先对传感器节点进行随机部署；采用基于Voronoi图以及Delaunay三角网络来描述感知网络拓扑，通过三种消息Beacon，Probe和Join实现伸展树的构建；在已构建伸展树的基础上，基于多项式回归进行数据融合，同时完成事件区域的可靠检测。实验证明，本发明的基于伸展树的事件区域检测方法是可行的，将本发明应用于事件区域的检测，可以提高检测的准确度。
-
公开(公告)号：CN101799918B
公开(公告)日：2012-02-08
申请号：CN201010126052.5
申请日：2010-03-17
Applicant: 苏州大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于脊波变换的医学数字减影图像融合方法，包括下列步骤：(1)对2个图像分别进行脊波变换，获得脊波变换矩阵；(2)进行融合处理；(3)对融合后的脊波变换矩阵进行脊波逆变换，获得的重构图像即为融合后的图像；其特征在于：步骤(1)中，设定初始判断阈值和步长，据此进行脊波变换，利用反变换重构融合图像，计算融合图像的信息熵，用动态模糊方法根据步长改变判断阈值重复上述操作，用对应最大信息熵的判断阈值作为最终判断阈值，获得步骤(1)所述的脊波变换矩阵。本发明能有效提高了融合图像的信息熵，降低了均方根误差率，且性能优于其他传统融合方法。算法的时间复杂度低，得到的结果较为精确，极大地丰富了医学图像的纹理细节。
-
公开(公告)号：CN101977415A
公开(公告)日：2011-02-16
申请号：CN201010529163.0
申请日：2010-10-22
Applicant: 苏州大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种具有偏好随机游动能量均衡的数据传输方法，首先对传感器节点进行随机部署；基于任何两个节点之间的最小传输距离，把节点的传输范围划分成一系列同心圆环，由于很多节点随机均匀地分布在传感器感知范围区域内，因此每个圆环可能包含一系列潜在的代理转发节点，从而传播路径是由一系列的节点形成的代理转发节点链。然后，根据圆环的划分策略提出了一种数据传输方法，这种划分策略可以具体确定节点在量源消耗和延迟中的跳转概率pi。选择的代理转发节点靠近发送节点和Sink之间的直接路径或者在直接路径之上，节省的能量最多，同时延迟最小。有助于平衡能量消耗和延迟，延长了节点的寿命，从而延长无线传感器网络的生命周期。
-
公开(公告)号：CN101799918A
公开(公告)日：2010-08-11
申请号：CN201010126052.5
申请日：2010-03-17
Applicant: 苏州大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于脊波变换的医学数字减影图像融合方法，包括下列步骤：(1)对2个图像分别进行脊波变换，获得脊波变换矩阵；(2)进行融合处理；(3)对融合后的脊波变换矩阵进行脊波逆变换，获得的重构图像即为融合后的图像；其特征在于：步骤(1)中，设定初始判断阈值和步长，据此进行脊波变换，利用反变换重构融合图像，计算融合图像的信息熵，用动态模糊方法根据步长改变判断阈值重复上述操作，用对应最大信息熵的判断阈值作为最终判断阈值，获得步骤(1)所述的脊波变换矩阵。本发明能有效提高了融合图像的信息熵，降低了均方根误差率，且性能优于其他传统融合方法。算法的时间复杂度低，得到的结果较为精确，极大地丰富了医学图像的纹理细节。
-
公开(公告)号：CN110659962B
公开(公告)日：2022-03-15
申请号：CN201910893796.0
申请日：2019-09-20
Applicant: 苏州大学
Abstract: 本申请公开了一种商品信息输出方法，通过在商品信息输出的过程中加入美学特征，考虑到被输出商品的多样性，从而缓解数据稀疏性问题，并且在第一商品和第二商品之间进行交叉迁移，整合来自不同领域中的用户偏好特征，使得推荐输出的参考要素增多，而不是只采用用户的历史数据进行推荐展示，提高商品推荐展示的准确性，以便向用户输出感兴趣的商品，提高用户的体验。本申请还公开了一种输出商品信息的计算机设备、计算机设备以及计算机可读存储介质，具有以上有益效果。
-
Patent Agency Ranking
公开(公告)号：CN108829766B
公开(公告)日：2021-09-21
申请号：CN201810529606.2
申请日：2018-05-29
Applicant: 苏州大学
IPC: G06F16/9537 , G06N3/04 , G06Q50/00
Abstract: 本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。
-
公开(公告)号：CN111522962A
公开(公告)日：2020-08-11
申请号：CN202010277778.2
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/36 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种序列推荐方法、装置及计算机可读存储介质。其中，方法包括预先将用户集‑项目集构成的双向图和知识图谱结合并统一为混合知识图谱；将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中；该模型包括知识图嵌入模块、图注意力网络和循环神经网络；知识图嵌入模块将混合知识图谱的所有节点编码为向量，图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以捕获全局的用户‑项目和项目‑项目之间的关系；循环神经网络对用户交互序列项目进行编码以获取用户的动态偏好；最后根据该模型的输出确定待推荐用户的推荐序列信息，从而基于知识图中实体与局部图上下文之间的高阶依赖关系进行高准确度的序列推荐。
-
公开(公告)号：CN109544306A
公开(公告)日：2019-03-29
申请号：CN201811455642.5
申请日：2018-11-30
Applicant: 苏州大学
Abstract: 本发明公开了一种基于用户行为序列特征的跨领域推荐方法，包括：分别获得目标用户在辅助域和目标域的交互项目序列，通过跨领域推荐模型的嵌入层分别获得目标用户在辅助域和目标域中的用户嵌入矩阵和项目嵌入矩阵，然后经过LSTM层分别获取目标用户在辅助域和目标域中的总偏好特征，最后经过MLP层处理，将用户在辅助域中的总偏好特征迁移到目标域中，通过计算得到目标用户在目标域中对每个项目的喜好得分，并在目标域中为目标用户推荐接下来一段时间内可能购买或者访问的项目。应用本发明实施所提供的技术方案，提高了目标域的推荐准确性，提升了推荐性能。本发明还公开了一种基于用户行为序列特征的跨领域推荐装置，具有相应技术效果。
-
公开(公告)号：CN109543112A
公开(公告)日：2019-03-29
申请号：CN201811457888.6
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于循环卷积神经网络的序列推荐方法，包括以下步骤：获得用户历史互动项目序列后，在预先训练获得的循环卷积神经网络的循环层，对每个项目做转换处理，获得隐藏状态向量，在循环卷积神经网络的卷积层，对基于隐藏状态向量确定的窗口矩阵分别进行水平卷积操作和垂直卷积操作，获得水平卷积结果和垂直卷积结果，在全连接层，根据水平卷积结果、垂直卷积结果和隐藏状态向量，获得用户与项目集合中每个项目的互动概率预测结果，根据该预测结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，增强了推荐性能，实现了更加高效的序列推荐。本发明还公开了一种基于循环卷积神经网络的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN108829766A
公开(公告)日：2018-11-16
申请号：CN201810529606.2
申请日：2018-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.022 seconds)
