公开(公告)号：CN115232320A

公开(公告)日：2022-10-25

申请号：CN202210462939.4

申请日：2022-04-27

Applicant: 北京工业大学

Inventor： 李睿 ,  刘佳诺 ,  丁子晨 ,  范佳凝 ,  王一凡 ,  李建荣

IPC: C08G83/00 ,  B01J31/22 ,  B01J35/00 ,  B01J35/02 ,  B01J35/10

Abstract: 一种采用修饰剂系统调控晶体MOFs晶体尺寸和形貌的绿色方法，属于MOFs材料领域。以稳定性相对较好、制备成本相对较低且性能优势较为明显的多种经典ZIF系列晶体为研究对象，借助晶体生长修饰剂，简单、温和地调控晶体形貌和尺寸(径厚比)、开发具有特殊形貌的新型晶体。

公开(公告)号：CN113918722B

公开(公告)日：2024-08-02

申请号：CN202111343981.6

申请日：2021-11-14

Applicant: 北京工业大学

Inventor： 尹宝才 ,  贺霞霞 ,  王博岳 ,  王一凡 ,  孙艳丰

IPC: G06F16/35 ,  G06F18/2136 ,  G06F18/23213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了面向引文网络数据的基于稀疏图学习的图卷积聚类方法，该方法在图卷积网络的每个图卷积层前面嵌入了一个稀疏图结构学习层，挖掘高维数据中的低维结构从而构建更优的图结构。在模型优化时，交替更新图结构和节点表示，减少不准确的图结构对图卷积网络带来的负影响，最终对得到的节点表示执行K‑Means获得最终的聚类结果。相比于现有的固定图结构的图卷积深度聚类方法，不断更新的图结构对边攻击更加鲁棒。本发明从节点表示中学习自适应图来提高原始图结构的质量。所使用的持续更新的图结构可以有效地帮助生成更全面和更具有判别性的节点特征。最后，逐层交替的更新图结构和节点表示可以有效缓解图卷积网络中过平滑的问题。

公开(公告)号：CN115232320B

公开(公告)日：2023-10-27

申请号：CN202210462939.4

申请日：2022-04-27

Applicant: 北京工业大学

Inventor： 李睿 ,  刘佳诺 ,  丁子晨 ,  范佳凝 ,  王一凡 ,  李建荣

IPC: C08G83/00 ,  B01J31/22 ,  B01J35/00 ,  B01J35/02 ,  B01J35/10

Abstract: 一种采用修饰剂系统调控晶体MOFs晶体尺寸和形貌的绿色方法，属于MOFs材料领域。以稳定性相对较好、制备成本相对较低且性能优势较为明显的多种经典ZIF系列晶体为研究对象，借助晶体生长修饰剂，简单、温和地调控晶体形貌和尺寸(径厚比)、开发具有特殊形貌的新型晶体。

公开(公告)号：CN116304756A

公开(公告)日：2023-06-23

申请号：CN202310183587.3

申请日：2023-03-01

Applicant: 北京工业大学

Inventor： 王博岳 ,  王一凡 ,  贺霞霞 ,  刘洋 ,  胡永利

IPC: G06F18/23 ,  G06F18/22 ,  G06F18/2413 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464 ,  G06F16/35

Abstract: 本发明公开了一种面向引文数据聚类的多图卷积聚类方法，构造蕴含原始数据底层结构信息的K最近邻图，为了提取原始数据的底层结构信息，对每一个样本数据，将计算样本数据与不同样本数据之间的余弦相似度。基于构建K最近邻图，获取到原始数据的底层结构信息，用自编码模块增强的数据表证，引入更多已经构建的关系图；经过多图卷积模块，得到了经过不同图卷积操作的特征表示。受到自注意力机制的启发，寻求在每一个节点之间学习相对应的自适应权重。通过融合各个视图的信息来获得丰富的判别信息，同时使得聚类效果得到提升。本发明通过利用多图数据，降低了对单图质量的依赖性，与现有的图卷积聚类方法相比，模型更具鲁棒性。

公开(公告)号：CN115099088A

公开(公告)日：2022-09-23

申请号：CN202210714275.6

申请日：2022-06-23

Applicant: 北京工业大学

Inventor： 李蔚然 ,  靖博涵 ,  王一凡

IPC: G06F30/23 ,  G06F30/25 ,  G06T17/20 ,  G06F111/04 ,  G06F119/14

Abstract: 一种基于位置动力学的艺用解剖交互展示方法，属于计算机图形学领域，用于实时模拟人体骨骼肌、骨骼等组织的运动形态，产生具有教学意义的艺用解剖交互展示效果。包括以下步骤：基于真实人体结构构建三角形网格；基于位置动力学将三角形网格处理为由约束连接的粒子结构；基于肌丝滑行学说沿肌原纤维走向设置肌肉粒子间的距离约束；基于艺用解剖学数据设置关节旋转角度与约束参数；改变距离约束参数控制骨骼肌运动；解算器对当前帧的粒子数据进行迭代计算，得到下一帧的粒子数据并更新显示状态。

公开(公告)号：CN113918722A

公开(公告)日：2022-01-11

申请号：CN202111343981.6

申请日：2021-11-14

Applicant: 北京工业大学

Inventor： 尹宝才 ,  贺霞霞 ,  王博岳 ,  王一凡 ,  孙艳丰

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了面向引文网络数据的基于稀疏图学习的图卷积聚类方法，该方法在图卷积网络的每个图卷积层前面嵌入了一个稀疏图结构学习层，挖掘高维数据中的低维结构从而构建更优的图结构。在模型优化时，交替更新图结构和节点表示，减少不准确的图结构对图卷积网络带来的负影响，最终对得到的节点表示执行K‑Means获得最终的聚类结果。相比于现有的固定图结构的图卷积深度聚类方法，不断更新的图结构对边攻击更加鲁棒。本发明从节点表示中学习自适应图来提高原始图结构的质量。所使用的持续更新的图结构可以有效地帮助生成更全面和更具有判别性的节点特征。最后，逐层交替的更新图结构和节点表示可以有效缓解图卷积网络中过平滑的问题。