-
公开(公告)号：CN112783950A
公开(公告)日：2021-05-11
申请号：CN202110136498.4
申请日：2021-02-01
Applicant: 西北工业大学
IPC: G06F16/2458 , G06F16/29 , G06Q10/04
Abstract: 本发明公开了一种基于信息熵的人类移动可预测性量化方法，首先通过感知设备获取用户移动数据，将用户的移动数据转化为时间维度上的位置序列得到用户移动轨迹，然后根据信息熵的大小来定型地刻画用户移动轨迹的可预测性高低，再根据用户历史移动轨迹计算下一个时刻用户到达不同位置的条件概率分布，接下来确定用户下一个时刻概率最大的位置为用户最可能到达的位置点，最后根据条件概率分布计算准确预测用户下一时刻所在位置的概率，得到用户轨迹的可预测性。本发明方法可以衡量移动轨迹可以被准确预测的上限，能够作为人类移动轨迹预测算法的一种评估方法，根据预测算法的准确率和移动轨迹序列的可预测性评估预测算法的优劣。
-
公开(公告)号：CN112306654A
公开(公告)日：2021-02-02
申请号：CN202011150941.5
申请日：2020-10-24
Applicant: 西北工业大学
Abstract: 本发明涉及一种面向移动群智感知的人机协作任务分配方法，通过分析参与者携带的传感器与待分配任务所需的传感器等信息，对复杂感知任务进行分解，并对分解得到的原子任务进行了分类，从而将人机协作任务分配问题转化为面向机器人的任务分配和面向人类参与者的任务分配两个子问题。对于面向机器人的任务分配，采用任务与参与者双向选择和贪心思想相结合的方法进行任务分配，同时采用了状态压缩动态规划算法来规划机器人参与者执行任务的顺序使移动总距离最短；对于面向人类参与者的任务分配，设计了双染色体遗传算法，实现了最小化参与者完成任务所移动的总距离的优化目标。
-
公开(公告)号：CN112183589A
公开(公告)日：2021-01-05
申请号：CN202010958535.5
申请日：2020-09-14
Applicant: 西北工业大学
Abstract: 本发明公开了一种低采样率下的实时车辆K近邻查询方法，首先获取出租车轨迹数据和城市路网数据，统计每条轨迹在当前时刻前数个时间片内的车辆位置和行车速度；然后估计当前车辆速度，考虑车辆当前是否还在在同一路段上对车辆当前位置做预测；接着考虑当前车辆与上一时刻相隔了一个路段以上的情况，使用LSTM深度学习模型预测当前车辆位置；接下来基于层次聚类方法对路网进行划分，并使用距离矩阵维护单元间的相邻关系；最后使用K近邻搜索算法，从查询点所在单元开始更新搜索区域内的车辆位置，逐步扩展搜索范围直到找到所有K近邻车辆。本发明可以在低采样率下对车辆查询，既保持用户了查询的实时性，又达到在高采样率下的查询准确度。
-
公开(公告)号：CN111753213A
公开(公告)日：2020-10-09
申请号：CN202010523240.5
申请日：2020-06-10
Applicant: 西北工业大学
IPC: G06F16/9536
Abstract: 本发明提供一种问答社交网络用户分享行为的传染力度量方法，所述方法获取用户已有的历史行为数据，确定用户个人属性、用户之间的关注关系；对问答数据分别进行数值化、向量化处理；构建社交网络，分析影响传染力因素；基于信息的常见传播途径，类比树模型构建多种可能的传染树；构建好所有可能的传染树后，计算节点之间的传染概率，得到同一个传染树的所有节点的传染概率后，计算整个网络中某位用户起到的传染力大小。更加全面的考虑用户知识分享行为与其受欢迎程度、活跃程度、属性完整程度等因素，基于不确定传染源的特性构建多种可能的传染网络计算用户传染力，本发明传染力的度量方法可应用在现实生活中很多场景中。
-
公开(公告)号：CN109005512B
公开(公告)日：2020-07-14
申请号：CN201810665105.7
申请日：2018-06-26
Applicant: 西北工业大学
IPC: H04W4/029
Abstract: 本发明涉及一种面向特定时间间隔的位置预测方法，将城市区域平均的划分为网格，将车辆的轨迹数据按照车辆编号和时间使用二级排序算法生成车辆的GPS点的序列，得到每辆车每天的轨迹。每分钟取时间最小的数据作为车辆在该分钟内时的位置。将轨迹数据投影到对应的网格中，根据轨迹数据训练面向特定时间间隔的一阶马尔科夫模型，得到车辆在特定时间间隔后的状态转移概率矩阵。预测目标在ΔT'时出现概率最大的N个位置构造查询函数，根据训练集中的轨迹在ΔT'时是否满足查询条件分为两种查询结果，将查询结果、初始位置和时间间隔ΔT作为条件训练新的加入查询的预测模型。判断轨迹在ΔT'时的查询结果，利用对应的加入查询的预测模型预测目标在特定时间后的位置。
-
Patent Agency Ranking
公开(公告)号：CN110955834A
公开(公告)日：2020-04-03
申请号：CN201911183454.6
申请日：2019-11-27
Applicant: 西北工业大学
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06Q30/06
Abstract: 本发明提供一种知识图谱驱动的个性化精准推荐方法，根据用户历史行为，从知识库中获取物品的相关知识，构建知识图，初始化每个节点和连接的向量表示并确定节点的感受域；根据用户历史行为，生成训练样本，初始化所有的用户和物品的向量表示；获取训练样本中物品在知识图谱中对应实体的感受域，将其感受域以及样本作为图神经网络模型输入，得到用户和物品发生交互的可能性预测值；通过最小化损失函数，优化模型参数；模型优化过程结束后，将某一用户和所有物品发生交互的可能性预测值进行排序，获得该用户的推荐列表。本发明利用知识图谱信息，弥补了原用户历史行为信息的稀疏性，从多维角度刻画了用户和物品，使得个性化推荐结果更加精准。
-
公开(公告)号：CN110930199A
公开(公告)日：2020-03-27
申请号：CN201911240323.7
申请日：2019-12-06
Applicant: 西北工业大学
Abstract: 本发明提供一种基于RFID感知的多用户购物行为识别方法，当人体位于标签和阅读器天线之间的时候，反射信号会发生衍射，散射和反射，信号的相位和强度值会发生显著的变化，通过检测哪些标签被遮挡，可以获得人体在货架前的位置。通过匹配购物车和顾客的位置，每一个顾客将对应与自己位置最接近的购物车，该购物车所检测到的购物行为即为对应顾客的购物行为，有效解决了在基于无线信号的行为识别问题中，多人信号混杂无法区分的问题。
-
公开(公告)号：CN110889560A
公开(公告)日：2020-03-17
申请号：CN201911240899.3
申请日：2019-12-06
Applicant: 西北工业大学
Abstract: 本发明提供一种具有深度可解释性的快递序列预测的方法，将未来一段时间内目标区域的快递业务量表示为一个连续时间段中每天快递包裹量形成的时间序列，所述快递序列预测则为多步时间序列的预测。本发明提出的一种具有深度可解释性的快递序列预测的方法，与现有的预测快递业务量的方法相比，具有对多个因素的复杂耦合关系进行建模和自适应的动态分配影响权重的特定。同时该发明能够对方法的预测过程提供解释，发掘用户快递行为与影响因素的关联关系，在资源调度分配、电商促销活动等应用场景有着极其重要的作用。
-
公开(公告)号：CN110232424A
公开(公告)日：2019-09-13
申请号：CN201811365332.4
申请日：2018-11-16
Applicant: 西北工业大学
Abstract: 本发明提供一种基于RFID感知的用户购物行为识别方法，通过阅读器收集到的标签的相位数据的特征值(极差，方差，过零率以及多普勒频移)的不同，使用SVM训练模型可以较为准确的识别标签是否发生移动；当进行非接触感兴趣商品的用户行为检测时，通过测距算法计算出最靠近阅读器(用户位置)的标签，即为非接触感兴趣商品。通过发生移动的标签数量的不同，识别不同的用户购物行为，是一种非接触式的、主动感知的具有高鲁棒性的用户购物行为识别方法。
-
公开(公告)号：CN110059633A
公开(公告)日：2019-07-26
申请号：CN201910318430.0
申请日：2019-04-19
Applicant: 西北工业大学
Abstract: 本发明提供一种基于超声波的人体步态感知及其身份识别指的是通过对人体步态的细粒度感知，具体包括宏观和微观两个视角的特征提取，区分不同用户的身份。其主要工作内容包括信号检测提取、细粒度步态特征提取、建立身份识别模型。本文提出的基于超声波的人体步态感知及其身份识别方法，以普通商用音频设备作为信号发射端和接收端，因此使用更加方便，而且节约成本。通过宏观和微观两个视角对人体步态进行细粒度刻画，为身份识别提供了丰富的信息。
-
-
-
-
-
-
-
-
-
Search Results
383
records
(took 0.061 seconds)
