-
公开(公告)号：CN119557426B
公开(公告)日：2025-04-18
申请号：CN202510111855.X
申请日：2025-01-24
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/334 , G06F18/25 , G06F18/213 , G06N3/04
Abstract: 本发明涉及多模态情感分析技术领域，尤其是涉及一种基于预训练与在线学习的多模态情感分析方法及系统。所述方法，包括获取情感分析多模态数据，构建情感分析模型，包括构建多头注意力机制分别对文本、图像和音频模态进行编码处理，并将编码后的各模态特征拼接融合；利用前馈神经网络与多头注意力机制对融合特征中各模态间的交互关系进行挖掘；通过构建全连接神经网络评估联合特征中各模态对情感分析任务的贡献程度；将联合特征和加权后的各模态特征融合实现特征补充优化，利用训练完成的模型输出情感预测结果，本发明通过构建多头注意力机制对各模态进行编码处理，将编码后的模态特征进行拼接融合，从而显著提升情感分析的准确性。
-
公开(公告)号：CN119179495A
公开(公告)日：2024-12-24
申请号：CN202411191319.7
申请日：2024-08-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种面向跨领域多任务的大模型适配器高效部署方法及系统，所述方法包括如下步骤：步骤S1、构造模型adapter索引；步骤S2、构造用于训练selector的混合表征数据集；步骤S3、训练selector；步骤S4、基于selector的适配器联合部署。本发明提出了大语言模型部署中适配器选择器selector这一概念，可以根据模型的输入精准判断输入对应的领域和任务，从而引导系统精准将大模型与这一领域与任务的模型适配器精准匹配并重组，提高了多任务推理的准确度；同时提出了selector的训练方法和携带selector的大模型的推理流程和部署方法，提高了有限资源的资源利用率。
-
公开(公告)号：CN118274709B
公开(公告)日：2024-08-23
申请号：CN202410359726.8
申请日：2024-03-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于透视变换和鱼竿测量背景板的像素坐标转世界坐标方法，所述方法如下：一、在背板上粘贴两种不同半径大小的圆形标志点，通过大圆标志点的位置确定其余所有小圆标志点的世界坐标，实现对背景板上坐标的定位；二、通过识别鱼竿测量背景板上的所有圆形标志点，根据圆形标志点的面积判断大圆标志点的像素坐标，从而确定剩余小圆标志点的像素坐标；对小圆标志点排序后与鱼竿测量背景板进行比对确定其相对位置，并与世界坐标对应；三、通过找到转换点附近的六个背景板上的圆点，并根据这些点的坐标和特征点的排序计算透视变换矩阵；根据透视变换矩阵将输入的像素坐标转换为真实物体坐标。本发明能够提供更精确的位置信息和距离测量。
-
公开(公告)号：CN118274709A
公开(公告)日：2024-07-02
申请号：CN202410359726.8
申请日：2024-03-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于透视变换和鱼竿测量背景板的像素坐标转世界坐标方法，所述方法如下：一、在背板上粘贴两种不同半径大小的圆形标志点，通过大圆标志点的位置确定其余所有小圆标志点的世界坐标，实现对背景板上坐标的定位；二、通过识别鱼竿测量背景板上的所有圆形标志点，根据圆形标志点的面积判断大圆标志点的像素坐标，从而确定剩余小圆标志点的像素坐标；对小圆标志点排序后与鱼竿测量背景板进行比对确定其相对位置，并与世界坐标对应；三、通过找到转换点附近的六个背景板上的圆点，并根据这些点的坐标和特征点的排序计算透视变换矩阵；根据透视变换矩阵将输入的像素坐标转换为真实物体坐标。本发明能够提供更精确的位置信息和距离测量。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118135279A
公开(公告)日：2024-06-04
申请号：CN202410088713.1
申请日：2024-01-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/80
Abstract: 本发明实施例提供一种不完整视图的聚类方法及系统，属于信息技术领域。该聚类方法包括：获取待聚类的不完整多视图，并构建邻接矩阵以确定不完整多视图的图结构信息；结合邻接矩阵，采用预先构建的聚类模型对每一不完整视图进行编码，获得潜在特征表示；对各潜在特征表示采用注意力机制进行融合生成综合潜在特征表示；对综合潜在特征表示进行深度聚类，输出不完整多视图的聚类结果。通过将待聚类的不完整多视图和邻接矩阵输入至聚类模型，使得该聚类模型对不完整多视图节点进行多次邻域聚合和特征学习后，得到每个节点潜在特征表示，更有利于聚类，并采用注意力机制进行潜在特征表示的融合生成综合潜在特征表示，进行深度聚类，得到聚类结果。
-
公开(公告)号：CN118013130B
公开(公告)日：2024-06-04
申请号：CN202410410829.2
申请日：2024-04-08
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06Q30/0601
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于超服务网络的服务推荐方法、系统、设备和存储介质；为解决现有服务网络不能很好的表现出大量服务节点之间关系，影响服务推荐的准确度的问题，该服务推荐方法首先将节点端对端连接的初始服务网络中，每个初始服务节点的边总数，作为初始服务节点关键性顺序，进行基于超边的超服务网络的构建，得到初始超服务网络；然后，通过判断初始超服务网络中的服务节点总数大小，并基于服务节点超边、信誉值和协作次数，选择对初始超服务网络进行优化；最后，根据服务节点超边、信誉值和协作次数计算推荐值后，进行服务推荐；该推荐方法，推荐准确度高，用于商业领域服务推荐中会提高商业内容消费。
-
公开(公告)号：CN118035565A
公开(公告)日：2024-05-14
申请号：CN202410430460.1
申请日：2024-04-11
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06N3/0464 , G06N3/08 , G06F18/241 , G06F18/25 , G06F18/22
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于多模态情绪感知的主动服务推荐方法、系统和设备；该服务推荐方法，首先针对不同模态特点进行不同特征提取方式，得到文本特征向量、图像特征向量和音频特征向量；然后，将片段融合向量与视频总融合向量均值进行处理后分类，得到用户情绪向量；最后，基于用户地址、属性和情绪、服务地址和属性、场景等信息，构建用户‑服务‑情景的图结构，基于图卷积处理的方式，得到的目标用户节点传播特征向量，服务节点传播特征向量，情景节点传播特征向量，经推荐值计算，将推荐值大于阈值对应的服务推荐给目标用户，实现对目标用户丰富且准确的服务推荐，提升用户的体验感。
-
公开(公告)号：CN117523244A
公开(公告)日：2024-02-06
申请号：CN202311439517.6
申请日：2023-10-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/762 , G06V10/82 , G06N3/088 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F17/16 , G06N3/045
Abstract: 本发明实施例提供一种多视图聚类方法、系统、电子设备及存储介质，属于信息技术领域。该方法包括：获取待聚类的多个数据缺失视图；利用多重插补法，对所述多个数据缺失视图中缺失的数据进行缺失值处理，获得多个完整视图，并生成不确定性度量矩阵；提取所述不确定性度量矩阵中易于聚类的隐空间特征；将所述易于聚类的隐空间特征以及所述多个完整视图输入至循环对抗生成网络进行聚类，获得所述待聚类的多个数据缺失视图的聚类结果。通过上述技术方案，利用多重插补法，不仅可以充分利用多视图数据之间的互补信息，对缺失数据进行有效插补，增强了数据之间的关联性，还通过循环对抗生成网络在此基础上实现高效率的多个数据缺失视图的聚类。
-
公开(公告)号：CN110930091B
公开(公告)日：2023-08-18
申请号：CN201911068588.3
申请日：2019-11-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/083 , G06Q10/0631
Abstract: 本发明提供了一种基于邻域搜索模拟退火算法的快递末端网点优化整合方法，包括如下步骤：获取区域内客户群集合和网点集合的基本信息；设定区域内所有网点的运营状态，对区域内的所有客户群和网点建立业务量分配模型，设定总分配成本计算公式；建立快递末端网点优化整合模型；配置用于求解上述模型的邻域搜索模拟退火算法；对网点整合结果进行可视化展示。本发明提出了一种基于成本优化的客户群业务量可拆分的网点优化整合模型，即一个客户群的业务量可以分配给多个网点，网点与客户群之间是多对多的关系。通过撤销与合并的方式，对网点的布局进行重构，以及对网点与客户群之间的业务量进行重新分配，从而提高物流资源的利用率，降低物流运营成本。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.029 seconds)
