-
公开(公告)号：CN119205281B
公开(公告)日：2025-04-04
申请号：CN202411718037.8
申请日：2024-11-28
Applicant: 济南大学
IPC: G06Q30/0601 , G06Q40/00 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明涉及时间序列预测技术领域，提供了一种基于半高斯采样的金融产品推荐方法、系统、设备及介质。基于半高斯采样的金融产品推荐方法包括，获取多种金融产品的历史属性数据和历史热度数据，并进行预处理，构建样本集，将样本集划分为训练集和测试集，将训练集中的样本序号映射到半高斯分布的x轴区间[μ‑3σ，μ]内，计算每个样本的权重，并将权重转化为概率值；多项式分布利用所述概率值进行有放回的抽取若干个样本；基于抽取的若干个样本和每个样本对应的真实值，对动态时间卷积网络进行训练，得到训练好的动态时间卷积网络，用于预测所有金融产品的排名，并加排名靠前的若干金融产品推荐给用户。本发明能够生成更加精准的推荐结果。
-
公开(公告)号：CN115082402B
公开(公告)日：2025-04-04
申请号：CN202210711377.2
申请日：2022-06-22
Applicant: 济南大学
IPC: G06T7/00 , G06T7/11 , G06T11/00 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于注意力机制的食管鳞癌图像的分割方法，属于图像处理技术领域。包括：获取原始食管鳞癌CT影像序列；对获取到的图像进行预处理；搭建注意力网络模型，将预处理后的图像输入到模型中训练；利用训练好的模型输出评价指标，获得食管鳞癌分割结果。本发明引入通道注意力模块和空间注意力模块，提升重要特征抑制不重要特征，在提升分割精度的前提下，极大的提升了深度神经网络模型的泛化能力，同时通过可视化的方法解释深度神经网络在提取特征过程中所关注的图像区域，以此解释神经网络的内部运行机制。
-
公开(公告)号：CN119579992A
公开(公告)日：2025-03-07
申请号：CN202411705872.8
申请日：2024-11-26
Applicant: 济南大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/75
Abstract: 本发明提出了一种基于伪标签和嵌入聚类匹配的半监督图像分类方法及系统，属于图像处理技术领域。方法包括：获取标记图像和无标记图像，对无标记图像进行增强处理；对于标记图像，基于半监督图像分类模型计算监督损失；将增强后的无标记图像输入半监督图像分类模型，基于动态阈值和对类别的学习状态筛选伪标签，计算无监督损失；分别将弱增强图像和强增强图像映射到嵌入空间生成K‑Means聚类结果，所述聚类结果分别用于生成目标图和强增强嵌入聚类图，计算图匹配损失；基于监督损失、无监督损失和图匹配损失建立总损失，通过最小化总损失提高半监督图像分类模型的性能。本发明通过在单样本及样本亲和层次应用一致性正则化，有效缓解确认偏差。
-
公开(公告)号：CN119495120A
公开(公告)日：2025-02-21
申请号：CN202510076196.0
申请日：2025-01-17
Abstract: 本发明公开了一种基于群体智能和神经计算的人脸安全识别方法及系统，包括采集人脸特征图像，获得原始人脸特征向量；对原始人脸特征向量进行加密，得到隐编码向量并传输到服务器；对隐编码向量进行解密还原，得到解密后人脸特征向量；将解密后人脸特征向量输入人脸识别网络模型进行识别和对比；将人脸识别结果传送到边缘设备。本发明通过采用MLPSO算法迭代计算每层群体粒子的适应值，获取最优模型参数，再将最优模型参数输入人脸识别网络模型中，提升了模型的识别准确率。
-
公开(公告)号：CN119274724A
公开(公告)日：2025-01-07
申请号：CN202411823163.X
申请日：2024-12-12
IPC: G16C60/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0985 , G06V20/69 , G06V10/44 , G06V10/52 , G06V10/82 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于神经网络与多尺度特征约束的水泥微结构设计方法，包括获取水泥微结构二维图像，建立水泥微结构数据集；根据预定约束尺度数目，得到随机步数的超参数组，根据约束规则和超参数组训练神经网络模型，得到微结构特征重构算子；根据约束规则建立重构算法，对神经网络模型进行测试，选择符合预设模型的神经网络模型并保存；使用重构算法和微结构特征重构算子，经过预定约束尺度数目重构后得到水泥微结构。本发明使用重构算法和微结构特征重构算子，重构水泥微结构，并支持水泥微结构中物相分布的灵活定制，打破了水泥水化模型初状态合成中神经网络方法的技术壁垒，显著节省水泥制造行业的时间与人力成本、降低碳排放。
-
Patent Agency Ranking
公开(公告)号：CN119251073A
公开(公告)日：2025-01-03
申请号：CN202411782968.4
申请日：2024-12-06
IPC: G06T5/60 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种水泥水化微结构图像的跨设备风格化增强方法及系统，属于数字图像处理技术领域。包括：获取第一水泥水化微结构图像和第二水泥水化微结构图像，第一水泥水化微结构图像通过低配置的CT设备采集，第二水泥水化微结构图像通过高配置的CT设备采集；将第一水泥水化微结构图像和第二水泥水化微结构图像输入跨设备图像增强模型进行处理，通过输入层、表示层和输出层，分别对两种图像计算特征位置编码、特征提取、融合和上采样还原，最终获取跨设备风格化增强后的水泥水化微结构图像。能够得到逼近高配置的CT设备成像质量的水泥水化微结构图像，解决了水泥水化微结构图像跨设备增强的问题。
-
公开(公告)号：CN115147399B
公开(公告)日：2024-10-25
申请号：CN202210906370.6
申请日：2022-07-29
Applicant: 济南大学 , 山东秋淇分析仪器有限公司
IPC: G06T7/00 , G06T5/70 , G06T3/4007 , G06T3/4046 , G06N3/04 , G06N3/08 , G06N3/126
Abstract: 本发明公开了水泥微观图像像素点的元素含量预测方法及系统；所述方法，包括：获取待预测水泥的微观结构图像；对获取的微观结构图像进行预处理；将预处理后的微观结构图像，输入到对应的训练后的神经网络模型中，得到每个像素点的化学元素的含量。该方法从图像本身出发，直接找到水泥微观结构图像和内在元素含量之间的关系，直接预测得到每个像素点处的元素含量。
-
公开(公告)号：CN114863341B
公开(公告)日：2024-05-31
申请号：CN202210535724.0
申请日：2022-05-17
Applicant: 济南大学
IPC: G06V20/40 , G06V10/764 , G06V10/80 , G06N3/126 , G06Q50/20
Abstract: 本发明涉及人工智能技术领域，提供了一种在线课程学习监督方法及系统，包括：采集待监督用户的退课预测数据；对所述退课预测数据进行预处理和特征提取后，得到退课特征，输入加权软投票集成分类模型，得到待监督用户对所选课程的退课概率；若退课概率超出设定值，则向待监督用户发送提醒信息；其中，加权软投票集成分类模型集成若干个基分类器，并由遗传算法确定每个基分类器的权重，各基分类器的结果经过加权求和得到模型输出的退课概率。提高了模型对不同数据的泛化能力，提高线课程学习监督的精度。
-
公开(公告)号：CN115100664B
公开(公告)日：2024-04-09
申请号：CN202210699828.5
申请日：2022-06-20
Applicant: 济南大学
IPC: G06V30/19 , G06V30/18 , G06V30/262 , G06V10/82 , G06F16/35
Abstract: 本发明提供了一种基于相关性信息扩展的多模态虚假新闻识别方法及系统，所述方案包括：获取目标新闻的新闻文本及图像；提取所述目标新闻图像的语义表示以及颜色直方图向量，并进行融合，获得视觉融合特征；基于所述目标新闻的新闻文本进行特征提取，获得新闻文本特征；提取目标新闻图像的OCR文本，并基于OCR文本提取OCR文本特征；计算所述新闻文本特征和OCR文本特征的文本相关性特征；并计算所述新闻文本特征及视觉融合特征的相似度特征；将所述新闻文本特征、OCR文本特征、图像的语义表示、文本相关性特征和相似度特征进行拼接，输入预先训练的分类器，获得目标新闻是否为假新闻的判别结果。
-
公开(公告)号：CN116361785B
公开(公告)日：2024-04-05
申请号：CN202310357449.2
申请日：2023-03-31
Applicant: 济南大学
IPC: G06F21/55 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的基于深度学习的推荐系统恶意攻击检测方法及系统，包括：获取目标点击行为对应的用户编号、商品编号、用户特征和商品特征；根据用户编号、商品编号和基于GCN的嵌入表示模型，获得用户嵌入和商品嵌入；根据用户嵌入、商品嵌入、用户特征、商品特征和训练好的恶意攻击识别分类器，获得目标点击行为的识别结果，其中，恶意攻击识别分类器以用户嵌入、商品嵌入、用户特征和商品特征为输入，以目标点击行为的识别结果为输出，通过集成学习构建获得。在提高目标点击行为识别准确率的基础上，能够有效解决不平衡分类问题。
-
-
-
-
-
-
-
-
-
Search Results
210
records
(took 0.115 seconds)
