动态嵌入投影门控的多类别多标签文本分类模型及装置

    公开(公告)号:CN111639186B

    公开(公告)日:2023-11-07

    申请号:CN202010503497.4

    申请日:2020-06-05

    Applicant: 同济大学

    Inventor: 谭志鹏 康琦 陈晶

    Abstract: 本发明提供一种动态嵌入投影门控的多类别多标签文本分类模型,用于对输入文本进行分类,其特征在于,包括:预处理层,对输入文本进行预处理;词嵌入层,用于通过预训练分布式词向量初始化预处理文本从而获取包含原始信息的第一词嵌入矩阵;词嵌入动态控制层,用于根据第一词嵌入矩阵提取融合了该第一词嵌入矩阵上下文信息的转换信息,并基于动态嵌入投影门控制原始信息与转换信息形成第二词嵌入矩阵;细粒度信息增强层,用于通过多核多通道卷积神经网络对第二词嵌入矩阵进行语义编码获取细粒度信息增强的增强文本表征;语义信息提取层,用于通过全连接神经网络将增强文本表征映射至样本标记空间,从而输出类别概率分布并完成文本分类。

    一种激光点云数据墙线增强检测方法、存储介质及设备

    公开(公告)号:CN116645387A

    公开(公告)日:2023-08-25

    申请号:CN202310539826.4

    申请日:2023-05-12

    Applicant: 同济大学

    Abstract: 本发明涉及一种激光点云数据墙线增强检测方法、存储介质及设备,所述方法运行于移动机器人中,包括以下步骤:S1、从激光点云数据中提取直线段;S2、合并各所述直线段上的相近点,形成多个线段,所述相近点为直线段上的某一点以及该某一点的第一范围内的所有点;S3、判断第二范围内是否同时存在方向一致的第一线段和第二线段,且第一线段的长度大于或等于第二线段的长度,若是,则删除第二线段,若否,则不操作,所述第二线段至少为一个;S4、对具有公共端点的直线段进行合并,获得最终的直线段集,基于所述最终的直线段集实现墙线检测。与现有技术相比,本发明具有计算速度快、实时性好、判定准确等优点。

    一种拒止环境下基于粒子群算法的群体机器人控制方法

    公开(公告)号:CN114043476B

    公开(公告)日:2023-03-31

    申请号:CN202111301771.0

    申请日:2021-11-04

    Applicant: 同济大学

    Abstract: 本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法,包括:步骤1、建立拒止环境下的攻防对抗场景,并初始化粒子群算法的参数;步骤2、进攻机器人通过传感器探测周围环境信息,获取友方和敌方机器人的态势信息,并利用惯性导航技术实时计算敌方领土位置;步骤3、所述进攻机器人构建适应度函数;步骤4、利用粒子群算法优化适应度函数,得到进攻机器人的最优占位;步骤5、进攻机器人进行移动与攻击操作;步骤6、若任一进攻机器人进入敌方领土,则任务完成;否则判断是否达到最大运行时间,若是,则任务失败;否则转到步骤2进行下一时间片的迭代。与现有技术相比,本发明避免了全局定位,控制无需预训练,解决了维数灾难的问题。

    基于哈希编码的跨模态数据检索方法、系统、设备及介质

    公开(公告)号:CN112925962B

    公开(公告)日:2022-09-27

    申请号:CN202110075555.2

    申请日:2021-01-20

    Applicant: 同济大学

    Inventor: 康琦 邓麒 潘乐

    Abstract: 本发明提供一种基于哈希编码的跨模态数据检索方法、系统、设备及介质,包括获取训练数据集,获取样本内的模态数据,采用符号函数对所述样本内的原始模态数据进行映射,构建目标函数,并迭代更新求解所述哈希投影矩阵,通过迭代更新求解后的所述哈希投影矩阵来计算测试数据集对应所述训练数据集的哈希编码,进而找出汉明距离最近的模态数据,作为所述跨模态数据检索的检索结果。本发明的基于哈希编码的跨模态数据检索方法、系统、设备及介质,以锚点间的融合相似度进行模态间的融合,并构建了模态内相似度保持项,解决了计算邻域点群相似度带来的高时间复杂度的弊端以及模态内相似度考虑缺失的问题,提高跨模态的检索效果和检索效率。

    基于哈希编码的相似图像检索方法、系统、设备及介质

    公开(公告)号:CN112925934A

    公开(公告)日:2021-06-08

    申请号:CN202110075538.9

    申请日:2021-01-20

    Applicant: 同济大学

    Inventor: 康琦 邓麒 潘乐

    Abstract: 本发明提供一种基于哈希编码的相似图像检索方法、系统、设备及介质,首先通过学习数据库中的训练样本,求解得到对应的哈希投影矩阵、哈希编码以及目标函数,进而根据目标函数求得测试样本对应的哈希编码,比较测试样本的哈希编码与训练样本哈希编码之间的汉明距离,作为相似性的度量依据,最后返回汉明距离最小的一个或多个样本作为检索结果。本发明的基于哈希编码的相似图像检索方法、系统、设备及介质,将谱旋转哈希算法与结构化稀疏学习相结合,构建新的哈希函数,提高谱旋转哈希算法的学习性能,同时在消耗低计算资源的情况下获得相似保持能力更强、判别性更强的哈希编码。

    一种基于学习自动机随机点定位算法的多模态优化系统

    公开(公告)号:CN112529190A

    公开(公告)日:2021-03-19

    申请号:CN202011497670.0

    申请日:2020-12-17

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于学习自动机随机点定位算法的多模态优化系统,包括初始化模块、参数选择模块、环境反馈模块、多模态随机点定位优化模块和输出模块,初始化模块初始化系统参数,参数选择模块对参数搜索空间中的每个参数子区间进行参数的迭代选择,参数经过优化后得到反馈输入环境反馈模块,得到环境反馈,输入多模态随机点定位优化模块得到当前所有最优参数的估计值,当多模态随机点定位优化模块中的迭代次数达到预设的最大迭代次数时,多模态随机点定位优化模块将得到的所有最优参数输入到输出模块,输出模块输出所有最优参数对应的最优参数集。与现有技术相比,本发明具有同时找到所有全局最优参数、提升随机点定位方法的适用范围等优点。

    中文词向量建模方法
    67.
    发明授权

    公开(公告)号:CN109992783B

    公开(公告)日:2020-10-30

    申请号:CN201910266000.9

    申请日:2019-04-03

    Applicant: 同济大学

    Inventor: 徐斌辰 康琦 马璐

    Abstract: 本发明公开了一种中文词向量建模方法。本发明一种中文词向量建模方法,包括:利用BPE算法对中文笔画进行自适应的组合,构造汉字子块并利用注意力机制完成汉字内部结构的组合与表示;通过CNN结构对已完成的汉字表示进行信息提取利用Highway network进行细粒度信息增强;考虑到中文语法的复杂性在语义提取阶段构造了双向LSTM结构进行语义编码,构造了以汉字自适应组合层、形态学信息提取层、细粒度信息增强层与语义信息提取层为基本组件的端对端的深度神经语言模型。本发明的有益效果:本发明创造性的构造了不同于n‑gram的输入形式,将中文笔画与偏旁部首进行自适应的融合构成汉字子块。

    基于笔画和自注意力机制的神经网络中文问题生成系统

    公开(公告)号:CN110334196A

    公开(公告)日:2019-10-15

    申请号:CN201910572796.0

    申请日:2019-06-28

    Applicant: 同济大学

    Inventor: 黎伟 康琦

    Abstract: 本发明提供一种基于笔画和自注意力机制的神经网络中文问题生成系统,用于根据被获取的中文段落生成相应的中文问题,其特征在于,包括:笔画词向量存储部,用于存储预先训练得到的笔画词向量,中文段落获取部,用于获取中文段落,提示词提取部,用于根据从中文段落中提取多个关键词作为至少一个提示词,词向量转换组合部,用于将中文段落转换为中文词向量、将提示词转换为掩码形式的提示词掩码、并将中文词向量以及提示词掩码与笔画词向量连接形成组合向量,问题词生成部,用于根据组合向量生成多个问题词,中文问题组合输出部,用于将问题词依序组合为中文问题并进行输出。

    基于遗传算法过采样支持向量机的网络入侵检测方法

    公开(公告)号:CN106973038A

    公开(公告)日:2017-07-21

    申请号:CN201710107626.6

    申请日:2017-02-27

    Applicant: 同济大学

    Inventor: 康琦 黄鑫 王雪松

    Abstract: 本发明涉及一种基于遗传算法过采样支持向量机的网络入侵检测方法,该方法包括以下步骤:获取由历史网络数据组成的训练数据集;根据入侵检测结果的类别对所述训练数据集进行分类;比较各样本集的样本个数,对样本个数小于设定值的样本集进行过采样处理;从经过采样处理后的训练数据集中选取设定样本个数组成一训练集;利用SVM模型对训练集进行交叉验证,确定SVM参数;利用的R‑SVM模型对训练集进行训练,筛选出贡献度高的数据组成一特征向量;根据所述特征向量对训练集进行特征提取,以经特征提取后的训练集对SVM模型进行训练;对实时采集的网络数据进行网络入侵分类检测。与现有技术相比,本发明具有不平衡数据分类准确度高等优点。

    一种基于粒子群算法的无人机群协同目标搜索方法

    公开(公告)号:CN114912565B

    公开(公告)日:2025-05-23

    申请号:CN202210393920.9

    申请日:2022-04-14

    Applicant: 同济大学

    Abstract: 本发明公开了一种基于粒子群算法的无人机群协同目标搜索方法,其包括分布设置多架无人机视为粒子群,通过无人机进行初始位置的环境反馈建模,将当前环境反馈值作为适应度值;初始化设置无人机粒子群的算法参数,并随机初始化无人机的自身参数;令无人机移动至对应位置并计算每架无人机当前位置的环境反馈值F(xi)作为该位置的适应度值,无人机运动速度记为V;以及,通过粒子群算法更新粒子的速度和位置;本发明适用于存在源信号的环境,尤其适用于大范围广域环境下稀疏信号源的定位任务,例如灾难现场救援、有害气体泄露源定位等。本发明设计合理,显著提高目标搜索的精度与效率。

Patent Agency Ranking