-
公开(公告)号：CN112750426A
公开(公告)日：2021-05-04
申请号：CN202110133543.0
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种移动终端语音分析系统。包括：数据预处理模块，对输入的语音信号进行预处理，转换成RGB图像；语音识别模块，对RGB图像大小进行调整，输入神经网络进行训练，得到神经网络模型；待识别的加速度计数据经过预处理和图像大小调整后输入训练后的神经网络模型，输出预测结果；语音重构模块，实现从加速度信号重构出语音信号的功能；对于输入的加速度信号频谱图，重构模块内部基于自动编码器设计的神经网络会先对其进行处理，经过训练的神经网络模型，输出加速度信号对应的语音信号的频谱图，再使用Griffin‑Lim算法从语音信号频谱图还原出语音信号，达到从加速度信号重构出语音信号的目标。本发明能够实现完整的从加速度信号重构出语音信号的功能。
-
公开(公告)号：CN109828751A
公开(公告)日：2019-05-31
申请号：CN201910116872.7
申请日：2019-02-15
Applicant: 福州大学
Abstract: 本发明涉及一种集成化的机器学习算法库与统一编程框架，包括模型学习组件、模型更新组件和学习策略组件；所述模型学习组件基于Batch Processing利用机器学习算法和固定大小的批量数据构建算法模型的逻辑；所述模型更新组件基于Timely Processing利用动态的数据流对特定的算法模型进行更新的逻辑；所述学习策略组件内置判断输入数据是批量数据还是流数据的策略，调度模型学习组件、模型更新组件两个组件进行动态学习的逻辑。本发明能够克服传统机器学习系统的单一处理方式缺点，方便机器学习的应用。
-
公开(公告)号：CN109753660A
公开(公告)日：2019-05-14
申请号：CN201910013185.2
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种中标数据的命名实体识别方法，包括如下步骤：对中标网页的文本数据进行清洗，得到中标文本；利用Lattice-LSTM作为编码层得到文本数据的语义信息特征；利用LSTM作为解码层对每个字进行实体标注，标记出语句序列中的实体信息；进行规则的校正和格式化处理；最后输出识别出的中标网页的命名实体。本发明基于Lattice-LSTM-LSTM模型，能够高效的识别招标网站的中标项目详情页面中的命名实体。
-
公开(公告)号：CN109284379A
公开(公告)日：2019-01-29
申请号：CN201811106923.X
申请日：2018-09-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于双向量模型的自适应微博话题追踪方法,包括S1:微博分片，将微博按天分片；S2:构建话题双向量模型；S3:微博双向量模型，将话题和微博表示成向量；S4:计算话题与微博的余弦相似度，余弦相似值越大表示话题与微博越相似；S5:相似度阈值的自适应学习和阈值比较，克服相似度阈值不变性带来的话题漂移问题；S6:话题模型更新，克服话题模型不变性带来的话题漂移问题；S7:判断时隙是否都已处理，否，则进入下一个时隙，重复步骤4-7；否则，结束算法。本发明可以实时地跟踪话题并降低了话题相关微博的漏检率和误检率。
-
公开(公告)号：CN108196957A
公开(公告)日：2018-06-22
申请号：CN201711469032.6
申请日：2017-12-28
Applicant: 福州大学
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的主机负载预测方法，包括如下步骤：1、取云平台的历史负载数据集X，进行归一化处理，得到归一化后的历史负载数据集 2、根据得到的历史负载数据集构建ARMA预测模型，获得主机负载预测值集合，进而计算得到ARMA预测误差数据集E；3、使用ARMA预测误差数据集E训练Elman网络模型，并根据得到的Elman网络模型进行预测，得到误差预测值集合；4、结合ARMA预测模型和Elman网络模型，修正主机负载预测值集合，得到更高精度的预测模型HARMA-E；5、采用预测模型HARMA-E，预测云平台的实时负载。该方法能有效提升云环境中主机工作负载的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN107609982A
公开(公告)日：2018-01-19
申请号：CN201710829612.5
申请日：2017-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种考虑社区结构稳定度和增量相关节点进行社区发现的方法，包括以下步骤：1、生成初始社区集，设置社区的初始权重，并初始化迭代时刻；2、计算增量相关节点集合IVt；3、遍历每个社区，解散社区集NSt中社区权重和社区规模小于阈值的社区；4、对集合IVt中的节点进行社区划分，生成新社区；5、遍历每个新社区，解散社区规模小于阈值的新社区；6、遍历剩余相关节点集合IVt-rm中各节点，计算节点与相邻社区的相似度，将其加入相似度最高的社区，生成社区集NSt；7、更新每个社区的稳定度和权重；8、计算NSt的社区结构稳定度；9、判断是否满足迭代停止条件，以结束计算。该方法可以高效、准确地进行社区发现。
-
公开(公告)号：CN105354646B
公开(公告)日：2017-04-12
申请号：CN201510878644.5
申请日：2015-12-04
Applicant: 福州大学
IPC: G06F19/00
Abstract: 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练，生成电力负荷预测的极限学习机模型；最后利用生成的极限学习机模型计算未来时刻的电力负荷的预测值。该方法结合粒子群优化对极限学习机方法进行改进，解决极限学习机在电力负荷预测时存在的稳定性问题，该方法可以从历史的电力负荷数据中挖掘出电力负荷数据的特性进而生成稳定的极限学习机预测模型，并对未来的电力负荷数据进行预测，并且有较高的准确度。
-
公开(公告)号：CN105354646A
公开(公告)日：2016-02-24
申请号：CN201510878644.5
申请日：2015-12-04
Applicant: 福州大学
Abstract: 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练，生成电力负荷预测的极限学习机模型；最后利用生成的极限学习机模型计算未来时刻的电力负荷的预测值。该方法结合粒子群优化对极限学习机方法进行改进，解决极限学习机在电力负荷预测时存在的稳定性问题，该方法可以从历史的电力负荷数据中挖掘出电力负荷数据的特性进而生成稳定的极限学习机预测模型，并对未来的电力负荷数据进行预测，并且有较高的准确度。
-
公开(公告)号：CN114202395B
公开(公告)日：2024-07-23
申请号：CN202210069273.6
申请日：2022-01-21
Applicant: 福州大学
IPC: G06Q30/0601 , G06F16/9535
Abstract: 本发明涉及一种基于关键商品识别的在线商品推荐方法及系统，该方法包括以下步骤：挖掘商品所属子图；计算商品聚集度；计算每个商品的核心度，将核心度最高的两个商品作为关键商品；计算核心节点的邻居节点与核心节点的相似度，将相似度最高的两个节点加入群体形成群体的核心区域；从核心区域出发，依次将群体邻居商品中使得群体适应度函数增量最大的商品加入群体，形成初步的群体结构；将群体邻居商品中对群体隶属度高于设定阈值的商品加入群体，以此来优化群体结构，得到最终的商品群体；将得到的商品群体中用户还未购买过的商品推荐给用户。该方法及系统有利于精准、高效地向用户推荐商品。
-
公开(公告)号：CN117495509A
公开(公告)日：2024-02-02
申请号：CN202311606096.1
申请日：2023-11-27
Applicant: 福州大学
IPC: G06Q30/0601 , G06N3/084 , G06N3/098
Abstract: 本发明涉及一种基于联邦学习与分裂学习结合的商品推荐系统及方法。由六部分组成：重叠关系识别模块、联邦学习与分裂学习结合的框架、前向传播模块、反向传播模块、社区检测模块和商品推荐模块；应用本发明能够在边缘设备资源受限、保护模型隐私要求以及保护用户数据隐私的要求前提下，保证参与方在分布式训练场景下也能获得与集中式一致的节点嵌入向量。利用各个平台拥有的用户属性信息和交易记录，进而发现潜在的客户群体进行精准的商品推荐。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.024 seconds)
