-
公开(公告)号：CN112818106A
公开(公告)日：2021-05-18
申请号：CN202110184397.4
申请日：2021-02-10
Applicant: 北京工业大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/253 , G06F40/289 , G06F40/30 , G06N3/08
Abstract: 一种生成式问答的评价方法涉及自然语言处理领域。本发明针对生成式问答的答案在语言质量和语义准确度上存在的各种问题，分别构建数据集的正负样本。通过在数据集构建上进行处理，就能使问答评价网络在训练后能够结合语言质量和语义准确性两方面对生成的答案进行打分。相比传统的评价方法对答案的评价更全面、准确。
-
公开(公告)号：CN112651980A
公开(公告)日：2021-04-13
申请号：CN202011393137.X
申请日：2020-12-01
Applicant: 北京工业大学
Abstract: 一种基于显著性检测的图像三元图生成方法涉及计算机视觉领域。三元图即trimap图。该方法能够自动捕捉输入图像的显著物体，并通过级联网络来逐渐生成并优化最终的trimap图像。该方法步骤：1)数据合成；2)数据增强处理；3)将数据送入级联网络进行预测，第一个级联网络得到粗略的显著性掩码图，第二个级联网络得到优化的显著性掩码图，第三个级联网络得到精细化的trimap图。本发明解决问题是全自动生成图像trimap分割图，提出了采用显著性检测的方法并设计级联网络来实现trimap图分割的处理，为全自动化抠图技术提供良好先验信息。本发明产生的trimap精确度高、鲁棒性强、泛化性强，适用于多种前景物体。
-
公开(公告)号：CN112650818A
公开(公告)日：2021-04-13
申请号：CN202011569684.9
申请日：2020-12-26
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/2458
Abstract: 本发明公开了一种基于多维时序数据的聚类挖掘方法，首先对数据算它们之间的相似度，利用密度峰值聚类算法分别选出几个聚类簇；然后把他们从数据中去除，提出使用霍普金斯统计量进行判断，并有选择的重复上述筛选的过程，直到选出所有的聚类；然后提出并使用判断距离，对现有的聚类进行整理和调整；之后对未分类点，使用结合判断距离，最近距离，k近邻距离的算法，对其划分到现有聚类中；最后将聚类结果输出。本方法具有面向海量数据、泛化能力强、应用领域广泛的优势。
-
公开(公告)号：CN112532429A
公开(公告)日：2021-03-19
申请号：CN202011256189.2
申请日：2020-11-11
Applicant: 北京工业大学
Abstract: 一种基于位置信息的多变量QoS预测方法属于服务计算领域。该方法获取历史QoS历史数据，对其缺失值处理采用协同过滤算法，在相似性计算的过程中引入用户的位置信息使得填充的缺失值更接近实际值。将填充后的数据构建为移动滑窗数据集，并将数据集分割为训练数据和测试数据后使用训练数据对多元LSTM模型进行训练，最终使用测试数据测试预测结果。本发明使用协同过滤算法填补缺失值，并使用多变量的LSTM对QoS进行预测。在填补缺失值的过程中引入了用户的位置信息，使得填补的缺失值更接近真实的QoS值。同时，相比于单个的QoS属性预测，使用多变量预测模型可以有效减少误差积累从而提高预测精度。
-
-
Patent Agency Ranking
公开(公告)号：CN111967643A
公开(公告)日：2020-11-20
申请号：CN202010666128.7
申请日：2020-07-13
Applicant: 北京工业大学
Abstract: 一种基于贪婪自适应蚁群算法的任务调度方法于集群智能算法领域，主要用于优化蚁群算法的执行效率和寻优能力。首先通过引入贪婪算法来加速蚁群算法的初始化速度，使蚁群算法在贪婪算法最优解的基础上再进行迭代寻优，这就加快了求解最优的迭代效率；在执行阶段还加入效率因子和可自适应调整的挥发系数来加快蚁群算法的寻优速度，效率因子让选择的节点更合理，挥发系数的自适应调整机制让算法可以充分利用前后调度结果的信息来有针对性的调节挥发系数的大小，从而调整优化方向；在蚁群算法中还引入蚁群接力来破解约束条件下单蚂蚁路径无法完成任务调度的难题。
-
公开(公告)号：CN110188866A
公开(公告)日：2019-08-30
申请号：CN201910451365.9
申请日：2019-05-28
Applicant: 北京工业大学
Abstract: 一种基于注意力机制的特征提取方法属于计算机视觉技术领域。该方法包括输入、挤压操作、激活操作、特征重标定操作、输出操作五个步骤。它具有和之前的SE模块及它的变体模块具有不同的特征重标定方式，即从每个特征图的每个子空间像素单位当中产生注意力并生成的权重单独拿出来再重新赋值给每个特征图的每个子空间像素特征。使得尽可能地学习到图像中的信息，以此可以高效、准确地实现对图像的语义分割任务。
-
公开(公告)号：CN110110427A
公开(公告)日：2019-08-09
申请号：CN201910357641.5
申请日：2019-04-29
Applicant: 北京工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种大功率风力机叶片的气动外形设计方法，针对传统叶片设计过程中迭代求解复杂、成功率低的问题，本发明根据尾流涡系的规律，推导叶尖及叶根的损失系数，基于动量理论求解轴向和周向诱导因子，对叶尖和叶根所导致的推力、转矩损失进行修正；通过插值的方法构建新型弦长公式，在叶片设计初期得到精确的弦长，进而计算翼型运行雷诺数，为精确计算翼型升力、阻力系数及选择最佳攻角提供依据；在损失系数与弦长公式改进的基础上建立了关于入流角的一元非线性方程，提出了求解叶片气动外形参数的新方法，大大缩短了叶片的气动外形设计周期。经叶素理论验证得知，根据本发明设计的10MW大功率风力发电机叶片模型可以达到设计功率。
-
公开(公告)号：CN109033178A
公开(公告)日：2018-12-18
申请号：CN201810665640.2
申请日：2018-06-26
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 本发明公开了一种挖掘能见度多维时空数据之间格兰杰因果关系的方法，属于数据挖掘技术领域。首先选用部分样本数据利用格兰杰因果分析提取其中与能见度有因果关系的备选特征，然后把全部数据按照北京市不同行政区进行分类，利用Fc因果测量因子来确定不同区域之间的影响关系强弱，最后利用一种改进的时空Granger Lasso算法来训练因果关系模型，这样就得出不同区域、不同影响因子和能见度之间的格兰杰因果分数，实现了定性和定量的影响因素分析。
-
公开(公告)号：CN107704886A
公开(公告)日：2018-02-16
申请号：CN201710982421.2
申请日：2017-10-20
Applicant: 北京工业大学
CPC classification number: G06K9/6268 , G06K9/3233 , G06K9/6256 , G06T7/0012 , G06T2207/10024 , G06T2207/20081 , G06T2207/20084 , G06T2207/20104 , G06T2207/30041
Abstract: 本发明公开一种基于深度卷积神经网络的医疗图像分级方法和系统，包括：原始眼底图像的自动分割，分成视盘视杯两部分图像；提取图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别提取杯盘比、视神经纤维层缺损两种特征；使用深度卷积神经网络算法训练多个子分类器；组合子分类器，投票得出最终分类结果。采用本发明的技术方案，分类准确率有明显提升，有助于减少误诊，从而提高分类器的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.036 seconds)
