-
公开(公告)号：CN116385930A
公开(公告)日：2023-07-04
申请号：CN202310352065.1
申请日：2023-04-04
Applicant: 华北水利水电大学
IPC: G06V20/40 , G06V20/70 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/049 , G06N3/0985
Abstract: 本发明提出了一种基于超参数优化的时间差分网络的异常行为检测方法，对异常行为视频进行标注构建短视频数据集；稀疏采样得到图像序列；将图像序列输入局部模型得到局部特征；将局部特征输入全局模型获得全局特征；通过加权平均对不同时间段的深度特征进行融合；选择可能性最高的分类作为最终的预测分类；通过超参数优化自动选择S‑TDM模块和L‑TDM模块的TDN网络的超参数和网络层数得到异常行为检测的最优化模型；使用最优化模型对任意视频进行切段处理得到每个视频小段对应的预测分类，从而实现对学生异常行为的实时监控。本发明采用可自动寻优的超参数优化技术，无需人为设置模型的超参数，实现对异常行为的识别与分类。
-
公开(公告)号：CN116795836A
公开(公告)日：2023-09-22
申请号：CN202310568907.7
申请日：2023-05-19
Applicant: 华北水利水电大学
IPC: G06F16/22 , G06F16/215 , G06F16/29 , G06F16/28 , G06F40/216 , G06N3/0464 , G06F16/335
Abstract: 本发明提出了一种基于异质图和图卷积神经网络的推特用户位置推断方法，步骤为：对收集的样本数据进行预处理；根据训练集的样本数据中的位置数据构建搜索树，对训练集中的用户进行位置类别分配；根据搜索树对测试集中的用户分配位置区域；计算用户节点与用户推文中单词节点之间的TF‑IDF值；计算单词节点之间的PPMI值；构建包含用户节点和单词节点的异质图；使用GCN来训练位置推断模型，通过训练后的GCN模型可以得到用户的向量嵌入表示，对于每个用户的向量嵌入表示使用softmax函数可以得到用户的位置类别概率。本发明基于异质图和图卷积神经网络学习用户社交文本的特征，有利于提高推特用户位置推断中基于文本的用户位置推断结果的准确性。
-
公开(公告)号：CN116701785A
公开(公告)日：2023-09-05
申请号：CN202310652386.3
申请日：2023-06-02
Applicant: 华北水利水电大学
IPC: G06F16/9537 , G06F16/9536 , G06F16/906 , G06F16/29
Abstract: 本发明提供一种基于CDN标记的社交媒体用户位置推断方法。该方法包括：步骤1：接收社交媒体客户端的媒体内容发布请求，使用CDN服务器和远程服务器按照预设的媒体内容发布方式对所述媒体内容进行发布以收集网络特征；步骤2：基于网络特征对具有相同网络特征的用户进行聚类；步骤3：根据聚类结果推断出目标用户的位置信息。本发明充分利用本地、异地CDN服务器的差异，从CDN服务器的处理日志中挖掘用户的网络特征，进而根据网络特征推断用户所在地理位置，摆脱对IP数据库的依赖，解决人为改变IP地址影响地理位置判定的问题。
-
公开(公告)号：CN117876141A
公开(公告)日：2024-04-12
申请号：CN202310749590.7
申请日：2023-06-25
Applicant: 华北水利水电大学
IPC: G06Q50/00 , G06F40/216 , G06F40/284 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于高斯核图注意力网络的社交用户定位方法，用以解决社交媒体用户定位精度较低的技术问题。本发明包括以下步骤：使用k‑d树算法进行地理区间划分，划分得到的每一个地理区间对应一个位置标签；对数据集中的数据进行预处理获取用户推文，利用用户推文中的“@”关系和二阶邻居关系构建社交关系网络；使用词频‑逆向文件算法获取用户推文的特征；以每个用户的推文特征为其在社交关系网络中对应节点的特征，输入高斯核图注意力网络提取出高阶特征；利用多层感知机和Softmax函数根据高阶特征预测每个用户属于每个位置标签的概率。本发明不仅预测结果精度较高，而且计算复杂度较低，训练速度快。
-
-
-
Search Results
4
records
(took 0.017 seconds)
