公开(公告)号：CN115795361A

公开(公告)日：2023-03-14

申请号：CN202211459197.6

申请日：2022-11-16

Applicant: 北京工业大学

Inventor： 刘博 ,  李金梦 ,  季新婵 ,  朱念

IPC: G06F18/241 ,  G06N3/126

Abstract: 一种基于特征选择和模型组合优化的分类方法属于基于机器学习的分类预测领域。本文从两个方面提升预测的准确率：(1)使用了集成特征选择的方法，筛选了在多数模型的都具有稳健分类能力的“公认”特征集，提升了特征集的质量，从而优化了模型的预测性能；(2)使用优化的遗传算法筛选了最优的子模型组合，进一步提升了最终集成模型的分类性能。

公开(公告)号：CN115618925A

公开(公告)日：2023-01-17

申请号：CN202211394775.2

申请日：2022-11-01

Applicant: 北京工业大学

Inventor： 刘博 ,  朱念 ,  王慧娜 ,  李金梦 ,  季新婵

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06F40/284

Abstract: 一种面向节点多维表征的图神经网络链接预测方法属于推荐系统技术领域。首先，利用中文语料库对节点属性特征信息进行中文分词，扩增节点的语义表征。同时，建立预训练直推式图卷积算法，得到另一维节点表征。然后，通过自定义初始化权重系数实现两节点特征向量的拼接，完成节点语义向量和预训练向量在用户侧和物品侧向量空间映射。运用归纳式图卷积神经网络算法SAGE实现邻居节点采样和聚合，在SAGE框架中添加了节点度的信息，提高度小的节点被采样的概率，降低度大的节点被采样的概率。利用机器学习分类算法LGB作为下游分类任务，进而实现多模态跨领域的链接预测任务。

公开(公告)号：CN115205930A

公开(公告)日：2022-10-18

申请号：CN202210724880.1

申请日：2022-06-24

Applicant: 北京工业大学

Inventor： 刘博 ,  季新婵 ,  王慧娜 ,  李金梦 ,  朱念

IPC: G06V40/16 ,  G06K9/00 ,  G06V10/80

Abstract: 一种基于决策融合的多模态情感分类方法属于情感分类技术领域。本发明通过对不同模态数据的特征提取和基于统计分析的特征筛选方式来建立单模态数据的特征集，然后将其输入分类模型并获得最优子分类器，然后在决策级别进行多个子分类器的融合。本发明综合考虑了所有子分类器，并根据各个分类器的性能来进行权重更新，在权重更新方式上，本发明通过计算各个分类器的累计损失来考量子分类器性能，对性能优越的分类器给予奖励，并对错分的分类器给予惩罚，实现一种综合子分类器的历史表现和当前迭代的表现来进行权重更新的方式，对各个分类器的权重赋值更加科学合理。本发明实现了更准确的多模态分类方法，综合多模态数据使模型更具解释性。