一种基于人才流动的学校和公司共同排名方法及装置

    公开(公告)号:CN106875129A

    公开(公告)日:2017-06-20

    申请号:CN201710142777.5

    申请日:2017-03-10

    CPC classification number: G06Q10/06393

    Abstract: 本发明公开了一种基于人才流动的学校和公司共同排名方法。本方法为:对学历分类为本科、硕士、博士和其他;学校分类为985、211和其他;工作岗位分级;企业映射处理;分析低学历向高学历跳转对应学校跳转;分析低级工作向高级工作跳转对应公司跳转;分析第一份工作的学校和单位的跳转;初始化学校得分;初始化公司得分;统计每个公司入度值;根据入度值分配初始得分;根据支持度更新学校得分;根据学校排名和学校对公司支持度分别调整其得分;根据公司支持度更新其得分;根据公司对学校支持度更新学校得分;统计学校得分;补充人才;计算学校和公司得分,以学校和公司最终得分对其排名。本发明还公开了一种基于人才流动的学校和公司共同排名装置。

    一种基于K近邻的贝叶斯个性化推荐方法及装置

    公开(公告)号:CN107025311A

    公开(公告)日:2017-08-08

    申请号:CN201710351281.9

    申请日:2017-05-18

    Abstract: 本发明公开了一种基于K近邻的贝叶斯个性化推荐方法,包括:1)通过用户的行为数据寻找用户的K近邻;2)根据观测到的用户正反馈项目以及由该用户的k近邻用户组成的用户群的正反馈项目,对项目集合进行划分;3)确定用户对项目的对级别偏好关系;4)最大化所有用户在项目集合上的概率得到目标函数;用户对项目的预测采用矩阵分解模型实现;采用随机梯度下降法对目标函数中的参数进行求解。本发明还公开了一种基于K近邻的贝叶斯个性化推荐装置。本发明考虑了用户之间的相互影响,并通过该影响对项目集合进行划分,减少了未观测项目的个数,有效地缓解了推荐过程中数据不平衡和数据稀疏性带来的负面影响。

    针对Intel移动平台的实时AVS软编码方法

    公开(公告)号:CN104168481B

    公开(公告)日:2017-08-04

    申请号:CN201410355678.1

    申请日:2014-07-24

    Applicant: 北京大学

    Abstract: 本发明公开了一种针对Intel移动平台的实时AVS软编码方法。本方法为:1)AVS编码器检测当前待编码宏块的类型,调用相应的I帧编码单元或P帧编码单元进行编码;2)在进行I帧宏块编码时,通过利用预测模式的匹配代价均值作为阈值实现预测模式遍历的提前终止;3)在进行P帧宏块编码时,通过利用匹配代价的最小值来作为阈值实现参考帧和预测模式遍历的提前终止。在计算当前宏块和预测宏块之前的匹配代价(SAD值)时,采用Intel移动平台特有的SSE指令技术实现。本发明大大提高了处理器利用率,实现了每秒10帧的视频采集和编码。

    一种手持设备遥感图像快速浏览方法

    公开(公告)号:CN101325697A

    公开(公告)日:2008-12-17

    申请号:CN200710179524.1

    申请日:2007-12-14

    Abstract: 本发明公开了一种手持设备遥感图片快速浏览方法,其步骤为:1)对整个图像数据进行分块,建立记录数据块数据信息的码流数据表;2)根据要显示的区域查找码流数据表,确定要解码的数据块;3)根据缩放比例对要解码的数据块进行解码,同时在缩放比例为8的倍数的情况下,充分运用JPEG文件中直流系数信息,不需要做Huffman解码和IDCT变换;从而实现图片快速浏览。本发明的方法可以实现解码非常大的JPG文件,具有解码速度快、满足实时应用需要、解码占用的内存资源小、浏览图片任意区域、任意缩放图像任意区域的特点。

    基于重构和多原型学习的弱监督异常检测方法及设备

    公开(公告)号:CN119475147A

    公开(公告)日:2025-02-18

    申请号:CN202411438195.8

    申请日:2024-10-15

    Applicant: 北京大学

    Abstract: 本发明公开一种基于重构和多原型学习的弱监督异常检测方法及设备,属于异常检测技术领域。所述方法包括:将数据实例输入到异常检测模型,得到该数据实例xi的异常检测结果;其中,所述异常检测模型包括:重构学习模块,用于计算数据实例的潜在表示和重构误差;多正常原型学习模块,用于生成多个正常原型,并计算所述潜在表示与所有正常原型之间的相似度后,选择最大相似度;统一异常评分模块,用于将所述潜在表示、所述重构误差和所述最大相似度连接成一特征向量,并基于该特征向量得到所述数据实例的异常检测结果。本发明可以结合少量标记异常样本和大量未标记数据来进行异常检测,并提高了异常检测精度。

    基于异构信息网络和贝叶斯个性化排序的推荐方法及装置

    公开(公告)号:CN106934071A

    公开(公告)日:2017-07-07

    申请号:CN201710286010.X

    申请日:2017-04-27

    Abstract: 本发明公开了一种基于异构信息网络和贝叶斯个性化排序的推荐方法及装置。所述方法使用异构信息网络来描述用户、物品及有关的信息,并使用基于带重启的随机游走的迭代方法来计算用户对每个物品的评分。对于异构信息网络中的各边的权重,本方法使用基于贝叶斯个性化排序的机器学习方法自动学习。在学习的过程中,本方法通过多次迭代求解,并从多轮迭代得到的多个候选解中选择最优的解。本发明还公开了一种基于异构信息网络和贝叶斯个性化排序的推荐装置。本发明中的推荐方法及装置,不仅可以自动的从数据中学习各异构信息网络中边的权重,从而大大提高对不同数据的适应能力,还可以更好的对用户偏好进行刻画,从而得到更好的个性化推荐结果。

    一种分水岭图象分割处理方法

    公开(公告)号:CN101106716A

    公开(公告)日:2008-01-16

    申请号:CN200710120550.7

    申请日:2007-08-21

    Abstract: 本发明公开了一种分水岭图像分割处理方法,其主要分三步完成,即分水岭算法的前处理过程,滤掉不必要的噪声点;分水岭处理过程,对象素点进行排序和标号扩展;分水岭后处理过程,来减小过渡分割的影响;该方法速度比VINCENT-SOILLE方法快2倍,分割效果与其相当,同时保留了大部分对图像分割有益的信息,因此在对分割时间有严格限制的场合中,尤其在实时视频对象提取中,会有较大的应用价值。

    一种基于类别感知注意力的分类方法及系统

    公开(公告)号:CN119577504A

    公开(公告)日:2025-03-07

    申请号:CN202411409783.9

    申请日:2024-10-10

    Applicant: 北京大学

    Abstract: 本发明公开一种基于类别感知注意力的分类方法及系统,属于机器学习和数据科学领域。所述方法包括:将测试实例经过归一化后输入由多个基分类器构成的分类模型,得到该测试实例属于不同类别的置信度分数;其中,所述分类模型将测试实例嵌入到潜在空间中后,利用类别注意力头将测试实例的嵌入表示映射到每一类别特定空间,并结合该类别特定空间中所有基分类器的注意力权重,得到该测试实例属于该类别的置信度分数;基于该测试实例属于不同类别的置信度分数,得到所述测试实例的分类结果。本发明可以更准确地对数据进行分类。

    一种基于主动学习和模型剪枝的集成学习方法及装置

    公开(公告)号:CN106779086A

    公开(公告)日:2017-05-31

    申请号:CN201611060500.X

    申请日:2016-11-28

    CPC classification number: G06N20/00

    Abstract: 本发明公开了一种综合了主动学习技术和模型剪枝技术的集成学习方法及装置。所述集成学习方法包括:通过度量未标注样本对集成模型的适用程度,自动的从未标记样本集合中选择关键样本,交给人工标注,并用以重新训练集成模型,从而提高集成模型的准确度;通过度量某个模型集合对一组已标注数据的适用程度,对已有的模型集合做筛选,得到一个更优的子集;将最终保留的模型集合集成起来,形成最终的集成模型。本发明还公开了一种综合了主动学习技术和模型剪枝技术的集成学习装置。本发明不仅可以利用未标注数据,还降低了人工标注成本,同时降低了集成模型的复杂度,提高了集成模型的性能。

Patent Agency Ranking