-
Patent Agency Ranking
公开(公告)号：CN109523012A
公开(公告)日：2019-03-26
申请号：CN201811184604.0
申请日：2018-10-11
Applicant: 上海交通大学
Abstract: 本发明提供一种基于变分解耦合方式对符号有向网络的表达学习方法，读取社交网站的符号有向网络数据，符号有向网络数据主要包括节点间边正负和方向的网络数据；令符号有向网络数据根据符号进行分离，得到正无向图、负无向图，所述正无向图用邻接矩阵A+表示，所述负无向图用邻接矩阵A-表示；令邻接矩阵A+、A-输入至变分解耦合编码器，进行节点编码后的向量表达学习，记为学习后向量表达；基于符号有向网络中节点间的关系构建结构解码器，依照目标损失函数进行修正，得到优化后向量表达；令优化后向量表达应用于设定的数据挖掘任务。通过分离符号有向网络形成正无向网络、负无向网络，学习节点的符号化局部连续性特征，充分挖掘节点间的依赖性模式，适合于社交网络中用户推荐。
-
公开(公告)号：CN111199216A
公开(公告)日：2020-05-26
申请号：CN202010014577.3
申请日：2020-01-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向人体骨架的运动预测方法及系统，包括：数据获取步骤：获取人体骨架数据；人体多尺度图构建步骤：根据人体骨架数据构建多尺度人体，并基于多尺度人体构建以身体部位为点，以部位之间关系为边的人体多尺度图；人体运动特征提取步骤：将人体多尺度图引入由空间多尺度图卷积构成的深度模型中，提取多尺度人体的综合动作语义信息；动作分析与预测步骤：根据综合动作语义信息，实现动作预测。本发明利用自适应的、动态的图结构和DMGNN，可以提取动作的高层语义信息，利用高层语义信息实现了动作的预测。
-
公开(公告)号：CN111199216B
公开(公告)日：2022-10-28
申请号：CN202010014577.3
申请日：2020-01-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向人体骨架的运动预测方法及系统，包括：数据获取步骤：获取人体骨架数据；人体多尺度图构建步骤：根据人体骨架数据构建多尺度人体，并基于多尺度人体构建以身体部位为点，以部位之间关系为边的人体多尺度图；人体运动特征提取步骤：将人体多尺度图引入由空间多尺度图卷积构成的深度模型中，提取多尺度人体的综合动作语义信息；动作分析与预测步骤：根据综合动作语义信息，实现动作预测。本发明利用自适应的、动态的图结构和DMGNN，可以提取动作的高层语义信息，利用高层语义信息实现了动作的预测。
-
公开(公告)号：CN109523012B
公开(公告)日：2021-06-04
申请号：CN201811184604.0
申请日：2018-10-11
Applicant: 上海交通大学
Abstract: 本发明提供一种基于变分解耦合方式对符号有向网络的表达学习方法，读取社交网站的符号有向网络数据，符号有向网络数据主要包括节点间边正负和方向的网络数据；令符号有向网络数据根据符号进行分离，得到正无向图、负无向图，所述正无向图用邻接矩阵A+表示，所述负无向图用邻接矩阵A‑表示；令邻接矩阵A+、A‑输入至变分解耦合编码器，进行节点编码后的向量表达学习，记为学习后向量表达；基于符号有向网络中节点间的关系构建结构解码器，依照目标损失函数进行修正，得到优化后向量表达；令优化后向量表达应用于设定的数据挖掘任务。通过分离符号有向网络形成正无向网络、负无向网络，学习节点的符号化局部连续性特征，充分挖掘节点间的依赖性模式，适合于社交网络中用户推荐。
-
公开(公告)号：CN110490035A
公开(公告)日：2019-11-22
申请号：CN201910411801.X
申请日：2019-05-17
Applicant: 上海交通大学
Abstract: 本发明提供了一种人体骨架动作识别方法、系统及介质，包括：数据获取步骤：获取人体骨架数据；动作结构图推断步骤：根据获取的人体骨架运动数据，推断不同关节之间的连接关系，构建以关节为点和以连接关系为边的动作结构图；动作结构特征提取步骤：将获得的动作结构图引入由空间图卷积和时间卷积构成的深度模型中，提取关节的动作语义信息；动作分析与识别步骤：根据提取的关节地动作语义信息，实现动作识别。本发明建模节点在动作中的关系，从而更好地捕捉运动模式，不仅局限于人体的骨架结构，本发明挖掘了动作中关节在运动时的关系，以及关节与生物结构中远距离节点之间的关系，泛化了图结构。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
