-
公开(公告)号：CN108470046B
公开(公告)日：2020-12-01
申请号：CN201810184478.2
申请日：2018-03-07
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/34
Abstract: 本发明涉及计算机技术领域，具体提供了一种基于新闻事件搜索语句的新闻事件排序方法及系统，旨在解决在考虑用户主观信息的情况下，如何实现新闻事件排序的技术问题。为此目的，本发明中的新闻事件排序方法，能够通过预设的新闻事件排序模型对预先获取的新闻事件搜索语句进行识别，得到按照相关度大小排序的新闻事件排序结果。其中，新闻事件搜索语句包含能够表征用户情感倾向的用户主观信息。基于此，本发明能够结合用户对新闻事件的情感倾向，按照新闻事件与用户偏好相关程度进行排序，从而提高新闻事件排序结果的准确性。同时，本发明中的系统能够执行并实现上述方法。
-
公开(公告)号：CN108805254A
公开(公告)日：2018-11-13
申请号：CN201810393788.5
申请日：2018-04-27
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明属于时序预测技术领域，具体提供了一种时序预测的参数优选系统，旨在解决现有技术对先验知识要求高、可拓展途径较低、时间复杂度高、实际可行度低以及鲁棒性差的技术问题。为此目的，本发明提供的参数优化系统包括参数优化模块，参数优化模块配置为基于预先构建的参数优化模型对预先获取的时序预测模型进行参数优化。其中，参数优化模块包括空间调控单元以及收敛调控单元；空间调控单元配置为基于第一权重函数调控参数优化模块的空间搜索范围；收敛调控单元配置为基于第二权重函数调控参数优化模块的收敛速率。本发明的系统增加了分布式表现，各个个体可以高效交流、协作，且提高了算法的性能。
-
公开(公告)号：CN108763319A
公开(公告)日：2018-11-06
申请号：CN201810396753.7
申请日：2018-04-28
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
CPC classification number: G06Q50/01 , G06N3/0454
Abstract: 本发明属于计算机技术领域，具体提供了一种融合用户行为和文本信息的社交机器人检测方法和系统。旨在解决现有技术手动选取特征、忽略社交媒体帖子之间的逻辑性和时序性以及忽略社交平台用户行为信息的问题，本发明的社交机器人的检测方法包括获取待检测社交媒体用户的历史网络数据和好友网络数据；基于上述数据得到用户文本特征向量、行为特征向量以及好友网络特征向量，并将其融合，得到待检测社交媒体用户的用户特征向量；对用户特征向量进行检测，输出检测结果。本发明的方法更加符合社交媒体自身的特性，从多个维度分析待检测社交媒体用户，提升了检测准确率。本发明的系统同样具有上述有益效果。
-
公开(公告)号：CN104320617B
公开(公告)日：2017-09-01
申请号：CN201410557880.2
申请日：2014-10-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于深度学习的全天候视频监控方法，该方法包括以下步骤：实时采集视频流，基于得到的视频流通过线采样获得多幅原始采样图样本，以及速度采样图样本；对于得到的速度采样图样本进行时空矫正；基于原始采样图和速度采样图，离线训练得到深度学习模型，所述深度学习模型包括分类模型和统计模型；利用得到的深度学习模型对于实时视频流进行人群状态分析。本发明对于不同环境、光照强度、天气情况以及摄像头角度均具有良好的适应性；对于大流量人群涌出等人群拥挤环境，可以保证较高的准确率；计算量小，可以满足实时视频处理的要求，能够广泛地应用于对于公交、地铁和广场等滞留人群密集的公共场所的监控和管理。
-
公开(公告)号：CN103679215B
公开(公告)日：2017-03-01
申请号：CN201310746795.6
申请日：2013-12-30
Applicant: 中国科学院自动化研究所
Abstract: 一种计算机实现的视频监控方法，包括步骤：接收由摄像机捕获的视频数据；根据接收到的视频数据建立群体性行为模型；估计所述群体性行为模型的参数，获得场景中存在的多种人群行为；使用得到的群体性行为模型获得不同人群的行为特征集；对得到的行为特征集进行转换，并使用转换的行为特征集来针对每种人群行为得到统计的人数值。根据本发明的方法，摄像头角度设置具有普遍适用性，可以用于开放出入口人数统计；并且计算量小，可以满足实时视频处理的要求。
-
Patent Agency Ranking
公开(公告)号：CN111859980B
公开(公告)日：2024-04-09
申请号：CN202010549951.X
申请日：2020-06-16
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/30 , G06F40/289 , G06F16/9536 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及一种讽刺类型的文本识别方法、装置、设备及计算机可读介质。该方法包括：获取待处理文本，待处理文本来自于社交媒体网络平台；采用多种方式提取待处理文本的目标特征信息，目标特征信息为从特征集合中选择出来的多个特征信息的加权和表示；根据第一神经网络模型对目标特征信息的识别结果确定待处理文本的文本类型，第一神经网络模型是采用具有标记信息的训练数据对第二神经网络模型进行训练后得到的，标记信息用于标记训练数据是否为目标类型。本申请从多个维度捕获词间关联特征，并从讽刺文本的情感倾向转换出发，挖掘词语间的冲突性，进而充分体现句子中地所蕴含的讽刺含义，最终准确、合理地识别讽刺文本。
-
公开(公告)号：CN114618802A
公开(公告)日：2022-06-14
申请号：CN202210266769.2
申请日：2022-03-17
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 中国科学院自动化研究所 , 国网山东省电力公司
Abstract: 本发明提供一种GIS腔体作业装置与GIS腔体作业方法，GIS腔体作业装置包括：安装部，包括相互铰接的安装端以及连接端；运动感知部，设于所述安装部，所述运动感知部用于获取所述GIS腔体作业装置在GIS腔体内的位置；除尘部，设于所述安装部，所述除尘部用于吸附所述GIS腔体内的灰尘；视觉感知部，设于所述安装部，所述视觉感知部用于获取所述GIS腔体内的环境情况；清洁部，设于所述安装部，所述清洁部用于清洁所述GIS腔体；以及，控制单元，与所述运动感知部以及所述视觉感知部电连接。本发明提供的GIS腔体作业装置，有效提高了GIS腔体作业任务的执行效率，减少了人力的投入，降低了人工检修所带来的安全风险。
-
公开(公告)号：CN114330321A
公开(公告)日：2022-04-12
申请号：CN202111666897.8
申请日：2021-12-31
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/279 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/02
Abstract: 本发明公开了一种用户先验知识增强的文本风格迁移方法、装置及电子设备，所述方法包括：获取用户先验知识数据，并基于所述用户先验知识数据构建预设神经网络模型；获取用户输入数据，并将所述用户输入数据映射至所述预设神经网络模型中，生成与所述用户输入数据的表达方式不同的目标文本内容表示；获取用户关注领域表示，并结合所述目标文本内容表示和用户关注领域表示，生成目标文本内容。本发明不仅可以实现文本风格的转换，还提升了转换文本内容与用户要求的相关性。
-
公开(公告)号：CN110083699B
公开(公告)日：2021-01-12
申请号：CN201910202638.6
申请日：2019-03-18
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35
Abstract: 本发明提出了一种基于深度神经网络的新闻流行度预测模型训练方法，包括：获取特定主题设定时间段的新闻文章数据，用Pandas进行数据清洗后按照设定时间长度进行顺次分组，获取按时间顺序排列得到新闻流行度序列；依据所述新闻流行度序列，从第一个流行度开始依次按照采样长度为w的连续序列作为输入样本，并采样其之后一期的数据作为输出样本，构建训练样本集；随机从训练样本集中选择训练样本对基于LSTM网络的新闻流行度预测模型进行训练，并采用Pearson相关系数进行关联性分析删除不良的训练样本，循环训练过程至训练结束。本发明可以获得用来对无趋势性、无季节性及非线性新闻流行度进行较高准确率预测的新闻流行度预测模型。
-
公开(公告)号：CN105279485B
公开(公告)日：2018-12-07
申请号：CN201510655615.2
申请日：2015-10-12
Applicant: 江苏精湛光电仪器股份有限公司 , 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公开了视频监控领域内的激光夜视下监控目标异常行为的检测方法，包括以下步骤：1）建立模型：在cifar10数据库上预训练CNN模型，CNN模型包括3个卷积层、1个全连接层和1个输出层；2）视频表达：将视频图像表达为维度特征；3）事件重建：将正常事件以及异常事件进行区分，本发明提高了检测的精度，提高异常事件识别率，可用于视频监控中。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.045 seconds)
