-
公开(公告)号：CN114240180A
公开(公告)日：2022-03-25
申请号：CN202111565486.X
申请日：2021-12-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于混合蚁群算法的多企业共享单车联合调度方法，包括以下步骤：共享单车停放站点数据集建立；影响共享单车借还需求量特征分析；各个企业的共享单车借还需求量预测；基于混合蚁群算法的多企业联合调度；本发明从多个共享单车企业的全局角度入手，联合调度解决共享单车整体资源分配失衡所造成的问题，支持多企业联合调度同时也支持适用于传统的单个企业共享单车调度，不仅能够整体提高所有企业的共享单车利用率，还能够提高城市街道形象。本发明使用混合蚁群算法进行调度方案求解，比传统蚁群算法，迭代速度快，且结果更优。
-
公开(公告)号：CN116304332A
公开(公告)日：2023-06-23
申请号：CN202310266314.5
申请日：2023-03-20
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/28 , G06F18/22 , G06N5/02
Abstract: 本发明公开了一种知识图谱混合推荐方法，包括如下步骤：步骤S1：构建知识图谱，将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析结合，构建一个包含实体和关系的知识图谱，基于知识图谱的相似度计算模块，计算实体与实体之间的相似度，利用知识图谱中的实体之间的关系，通过皮尔逊相似度计算实体之间的相似度，基于用户的协同过滤相似度计算模块，与现有的先进模型进行对比，大量的实践数据证明，本申请中的模型比大多数序列推荐模型更加高效，另外共用其他模型的经验，避免造成内容分析的不完全或不精确，能够基于一些复杂的，难以表述的概念(如信息质量、个人品味)进行过滤。
-
公开(公告)号：CN108875916B
公开(公告)日：2021-07-16
申请号：CN201810675109.3
申请日：2018-06-27
Applicant: 北京工业大学
Abstract: 本发明公开一种基于GRU神经网络的广告点击率预测方法。在数据预处理时，构建了基于广告的时间序列数据，相比于用户序列数据，增强了序列数据之间的完整性和稳定性；然后通过one‑hot编码对文本特征进行数字化编码且只取映射值中bit值为1的下标作为字符的映射值，这样极大减少了特征的维度，提高了模型的训练速度。本发明采用了回归算法与深度学习算法相结合来形成最终的预测方法。首先用岭回归算法进行特征选择，减少了无效特征对模型训练的干扰，然后用基于LSTM神经网络改进的GRU神经网络来进行模型的训练与预测，GRU的预测模型相比于RNN的预测模型能提高预测的准确率，相比于LSTM的预测模型，它能在提升预测的准确率的同时，能更快速地进行模型的训练。
-
公开(公告)号：CN111309317A
公开(公告)日：2020-06-19
申请号：CN202010085490.5
申请日：2020-02-09
Applicant: 北京工业大学
Abstract: 一种实现数据可视化的代码自动化方法和装置属于软件效率工程领域。该方法包括两个部分：前端页面自动生成部分和后端数据一站式获取部分。第一部分包括：由终端设备发送代码自动化请求，拉取配置中心对应请求编号的配置；根据配置内容，通过抽象工厂初始化所需代码块列表；根据代码块的层级信息和优先级信息确定待生成页面的代码块顺序；按照顺序组合代码块，继而生成请求对应的前端页面。第二部分包括：根据前端页面发送的数据获取请求，拉取配置中心对应请求编号的配置；根据配置内容，通过抽象工厂初始化调用链路所需的节点类；通过模板方法连接各节点类的实现逻辑，继而获取数据包返回至前端页面。本发明可大幅缩短开发周期，提高开发效率。
-
公开(公告)号：CN111259808A
公开(公告)日：2020-06-09
申请号：CN202010050313.3
申请日：2020-01-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于改进SSD算法的交通标识检测识别方法，本发明主要创新点在于构建网络时采用ResNet18网络来作为前置网络代替原始算法中的VGG16网络，选取SeLU激活函数代替原本SSD算法的网络结构中使用的ReLU激活函数，增加了网络结构的鲁棒性。选择深度残差网络作为前置网络，增加多尺度融合特征层，将交通标识数据集输入到网络模型中训练，使用训练好的模型进行交通标识区域检测，获得交通标识区域后，该方法先扩展交通标识区域并对该区域进行自适应二值化操作，然后对二值化后的图像进行连通区域分析寻找到交通标识边框，采用随机抽样一致算法和Sobel算子分别判断交通标识的上下左右边界，实验结果表明本方法能达到对交通标识实时精确定位和识别的结果。
-
Patent Agency Ranking
公开(公告)号：CN108875916A
公开(公告)日：2018-11-23
申请号：CN201810675109.3
申请日：2018-06-27
Applicant: 北京工业大学
Abstract: 本发明公开一种基于GRU神经网络的广告点击率预测方法。在数据预处理时，构建了基于广告的时间序列数据，相比于用户序列数据，增强了序列数据之间的完整性和稳定性；然后通过one‑hot编码对文本特征进行数字化编码且只取映射值中bit值为1的下标作为字符的映射值，这样极大减少了特征的维度，提高了模型的训练速度。本发明采用了回归算法与深度学习算法相结合来形成最终的预测方法。首先用岭回归算法进行特征选择，减少了无效特征对模型训练的干扰，然后用基于LSTM神经网络改进的GRU神经网络来进行模型的训练与预测，GRU的预测模型相比于RNN的预测模型能提高预测的准确率，相比于LSTM的预测模型，它能在提升预测的准确率的同时，能更快速地进行模型的训练。
-
公开(公告)号：CN116383479A
公开(公告)日：2023-07-04
申请号：CN202310026743.5
申请日：2023-01-09
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/587 , G06F16/29 , G06F16/2458 , G06V10/764
Abstract: 本发明公开了一种融合多因素的兴趣点推荐方法及推荐系统，具体包括以下步骤：S1、信息采集单元中的用户名采集模块对用户ID进行识别，位置采集模块对用户ID下签到打卡的位置信息进行采集，图片扫描模块对打卡的图片信息进行扫描识别，位置分类模块根据图片扫描的信息对打卡的地点进行分类识别，然后采集的数据传输至分析单元中，本发明涉及兴趣点推荐技术领域。该融合多因素的兴趣点推荐方法及推荐系统，根据用户评分、兴趣点显示时间、地点流行度、兴趣点空间距离以及用户的点赞记录等因素出发对用户个人偏好进行获取，从而对兴趣点进行推荐，通过多方面的因素挖掘使得推荐准确度更高，推荐效率高，缩短用户选择的时间。
-
公开(公告)号：CN116309223A
公开(公告)日：2023-06-23
申请号：CN202310266316.4
申请日：2023-03-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于乳腺癌患侧上肢淋巴水肿的图像提取方法及系统；包括获取乳腺癌患侧上肢的水肿部位的MRI图像和激光散斑图像；其中，获取乳腺癌患侧上肢的水肿部位的激光散斑图像包括：使用激光照射乳腺癌患侧上肢的水肿部位生成多个第一反射图像；使用白光照射乳腺癌患侧上肢的水肿部位生成多个第二反射图像；对多个第一反射图像与多个第二反射图像进行特征提取生成激光散斑图像；从MRI图像中提取出乳腺癌患侧上肢第一淋巴图像，从激光散斑图像中提取出乳腺癌患侧上肢第二淋巴图像；将第一淋巴图像与第二淋巴图像进行特征提取合并生成乳腺癌患侧上肢的水肿图像或血肿图像；从而提高了图像特征分类的提取精度，进而提高了用户体验。
-
公开(公告)号：CN116187561A
公开(公告)日：2023-05-30
申请号：CN202310163385.2
申请日：2023-02-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于空间时域卷积网络的PM10浓度精细化预测方法，本发明考虑了空气监测站点间的时空异质性，分析了对PM10的输送演化有重要影响的因素，利用因果卷积网络提取空间、时域依赖特征对PM10进行预测。本发明提出了可接入多源影响因素的时序预测框架，考虑空间站点间的时空异质性特征、空气污染物间的相互影响和气象因素对PM10的演化驱动作用，对PM10进行预测。本发明的建模方法克服了传统时序预测建模方法的弊端，并将多种模型优化方法应用于提升本发明的预测性能，为后续PM10浓度预测研究提供有效的指导框架。
-
公开(公告)号：CN113722596A
公开(公告)日：2021-11-30
申请号：CN202111025375.X
申请日：2021-09-02
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06N3/02
Abstract: 本发明公开了基于深度学习的神经协同过滤推荐模型优化系统。本发明中，先进行数据的处理，收集相关数据集，并对目前现有的数据集进行清洗、打标签等一系列的数据处理，使之适合于推荐系统问题；为以后的实验提供优质的数据；步骤S1中，首先对国内外现有的各种预处理方法进行分析和比较，了解各自的优缺点以及适用场景，并选择合适的方法对实验数据进行预处理，提出对NCF模型进行改进方法，以提高推荐的准确率，引入更多特征增加传统NCF模型的表达能力，引入注意力机制以提升推荐准确率，从而使得过滤推荐的准确性得到了极大的提高，为使用者带来了更多的便利。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
