-
公开(公告)号：CN119248948A
公开(公告)日：2025-01-03
申请号：CN202411276167.0
申请日：2024-09-12
Applicant: 南京财经大学
IPC: G06F16/51 , G06F16/58 , G06F17/16 , G06N3/0464 , G06N3/042 , G06N3/096 , G06N3/088 , G06F18/213 , G06F18/22
Abstract: 本发明属于多模态信息检索领域，公开了深度语义引导的无监督多模态哈希检索方法，其教师模型采用VLP模型提供的强大模态交互信息，构建了一个相似矩阵和一个图卷积神经网络，弥补了实值空间和汉明空间之间的语义差距；采用知识蒸馏的方式将教师模型中丰富语义信息传递给学生模型，对学生模型进行优化，从而促进小型模型的高效学习；学生模型在继承教师模型的优点的同时，避免了大规模模型的超参数调整压力，从而更适用于实际应用中的大规模数据场景。设计汉明距离优化策略，确保在实值空间中的复杂语义关系在汉明空间中得到合理的量化和表达，避免实值空间到汉明空间的过度压缩。
-
公开(公告)号：CN113590710A
公开(公告)日：2021-11-02
申请号：CN202110731588.8
申请日：2021-06-30
Applicant: 南京财经大学
Abstract: 一种基于Spark内存计算的粮食质量分类方法，包括两个步骤，即粮库质量评价指标体系构建和基于Spark内存计算的粮食质量分类方法，具体内容如下：粮库质量评价指标体系构建，粮库中粮食(包括小麦、早籼稻谷、晚籼稻谷、籼糯稻谷、粳稻谷、粳糯稻谷)进行质量评价体系构建，然后，针对不同种类粮食存在等级严重不均衡以及数据量比较大的问题，提出了基于Spark内存计算的粮食质量分类方法，主要通过合成少数过采样技术解决每个Spark节点中类别的不均衡问题，并行计算则采用并行k最近邻方法；最后，通过不断的迭代实现每个未知粮库中不同仓中粮食的类别分类。
-
公开(公告)号：CN119226344A
公开(公告)日：2024-12-31
申请号：CN202411339357.2
申请日：2024-09-25
Applicant: 南京财经大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/22 , G06F18/213 , G06F18/25 , G06N3/088
Abstract: 本发明属于多模态信息处理领域，公开了大规模低质量多模态无监督哈希方法及动态流数据检索系统，为了充分挖掘大规模低质量多模态数据的强判别力哈希码，采取内层和外层组合的多层哈希码映射模式，构建了稀疏正则化多层哈希映射模型；为了融合低质量多模态数据中各种模态数据之间的独特特征内容和语义一致性特征内容，将不同模态映射对应的归约模态空间，并对各个归约模态空间内联耦合建模。本发明对上述申请方法进一步扩展到动态多模态流数据环境中，构建的动态流数据哈希函数求解器全局损失函数，能够逐步有序稳定的挖掘动态流数据语义信息，增强了低质量动态流数据哈希函数的学习判别力，实现对大规模低质量动态多模态流数据进行快速检索。
-
公开(公告)号：CN119149793A
公开(公告)日：2024-12-17
申请号：CN202411175702.3
申请日：2024-08-26
Applicant: 南京财经大学
IPC: G06F16/9035 , G06F16/901 , G06F16/41 , G06F16/435 , G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明属于多模态信息检索领域，公开了基于语义增强的在线多模态相似性检索方法及系统，通过对获取的多模态流数据集均等分组，得到若干批次的多媒体数据块，模拟在线多媒体数据流；构造全局目标优化函数，进行哈希码学习保存，并学习多媒体流数据投影到哈希码的哈希函数；利用哈希函数对查询样本进行解算得到查询二进制码，并将其与数据集中的哈希码进行海明距离解算，得到待检索样本对应的多模态检索结果。当大量流媒体数据动态融入数据库时，本发明能够有效降低模型学习时间复杂度和提高哈希码的判别能力，同时能够有效地解决离散二元约束问题以及在哈希码学习过程中保留更多的语义信息，实现快速精准的在线多模态语义相似性检索。
-
公开(公告)号：CN105528470B
公开(公告)日：2018-09-18
申请号：CN201510223661.5
申请日：2015-04-29
Applicant: 南京财经大学
IPC: G06F17/50
Abstract: 本发明属于流程工业能效评估技术领域，具体为一种不确定因素作用下流程工业能耗过程建模与仿真方法。其中建模方法充分考虑不确定因素和离散事件的影响，将三角模糊数引入混杂Petri网，以三角模糊数描述设备的瞬时激发速率，使用交互弧体现离散性信息与连续性能流、物流的交互。仿真方法中通过合理划分稳态运行区间对不确定因素和离散事件的发生做出及时反映；以三角模糊数互补判断矩阵描述各不确定因素间的比较关系，通过多属性决策的三角模糊数综合评价实现设备实际激发速率的动态计算。本发明方法充分考虑了不确定因素的动态影响，可为流程工业能效评估提供更为准确、合理的方法手段。本发明具有严格的理论基础，通用性强、便于灵活运用。
-
Patent Agency Ranking
公开(公告)号：CN105528470A
公开(公告)日：2016-04-27
申请号：CN201510223661.5
申请日：2015-04-29
Applicant: 南京财经大学
IPC: G06F17/50
Abstract: 本发明属于流程工业能效评估技术领域，具体为一种不确定因素作用下流程工业能耗过程建模与仿真方法。其中建模方法充分考虑不确定因素和离散事件的影响，将三角模糊数引入混杂Petri网，以三角模糊数描述设备的瞬时激发速率，使用交互弧体现离散性信息与连续性能流、物流的交互。仿真方法中通过合理划分稳态运行区间对不确定因素和离散事件的发生做出及时反映；以三角模糊数互补判断矩阵描述各不确定因素间的比较关系，通过多属性决策的三角模糊数综合评价实现设备实际激发速率的动态计算。本发明方法充分考虑了不确定因素的动态影响，可为流程工业能效评估提供更为准确、合理的方法手段。本发明具有严格的理论基础，通用性强、便于灵活运用。
-
公开(公告)号：CN119226344B
公开(公告)日：2025-03-14
申请号：CN202411339357.2
申请日：2024-09-25
Applicant: 南京财经大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/22 , G06F18/213 , G06F18/25 , G06N3/088
Abstract: 本发明属于多模态信息处理领域，公开了大规模低质量多模态无监督哈希方法及动态流数据检索系统，为了充分挖掘大规模低质量多模态数据的强判别力哈希码，采取内层和外层组合的多层哈希码映射模式，构建了稀疏正则化多层哈希映射模型；为了融合低质量多模态数据中各种模态数据之间的独特特征内容和语义一致性特征内容，将不同模态映射对应的归约模态空间，并对各个归约模态空间内联耦合建模。本发明对上述申请方法进一步扩展到动态多模态流数据环境中，构建的动态流数据哈希函数求解器全局损失函数，能够逐步有序稳定的挖掘动态流数据语义信息，增强了低质量动态流数据哈希函数的学习判别力，实现对大规模低质量动态多模态流数据进行快速检索。
-
公开(公告)号：CN119167120B
公开(公告)日：2025-03-11
申请号：CN202411670524.1
申请日：2024-11-21
Applicant: 南京财经大学
IPC: G06F18/23 , G06F18/213 , G06F16/9535
Abstract: 本发明属于个性化推荐技术领域，公开了一种满足个性化推荐需求的跨尺度聚类方法，其综合考虑数据自身的尺度特征和用户个性化需求，首先通过基于多尺度因子的单链接层次聚类，挖掘数据属性特征的潜在分布规律，实现各属性的尺度划分并构建多尺度信息表；然后结合数据属性尺度的变换体现用户对不同属性的重视程度，在非均匀网格划分的基础上，实现微观和宏观相结合的跨尺度聚类，并依聚类结果获得更加贴近用户需求的个性化推荐方案。本发明不仅考虑了数据自身尺度特征对个性化推荐的影响，而且将用户需求作为个性化推荐的因素之一，其具有严格的理论基础，通用性强、便于灵活运用。
-
公开(公告)号：CN119167120A
公开(公告)日：2024-12-20
申请号：CN202411670524.1
申请日：2024-11-21
Applicant: 南京财经大学
IPC: G06F18/23 , G06F18/213 , G06F16/9535
Abstract: 本发明属于个性化推荐技术领域，公开了一种满足个性化推荐需求的跨尺度聚类方法，其综合考虑数据自身的尺度特征和用户个性化需求，首先通过基于多尺度因子的单链接层次聚类，挖掘数据属性特征的潜在分布规律，实现各属性的尺度划分并构建多尺度信息表；然后结合数据属性尺度的变换体现用户对不同属性的重视程度，在非均匀网格划分的基础上，实现微观和宏观相结合的跨尺度聚类，并依聚类结果获得更加贴近用户需求的个性化推荐方案。本发明不仅考虑了数据自身尺度特征对个性化推荐的影响，而且将用户需求作为个性化推荐的因素之一，其具有严格的理论基础，通用性强、便于灵活运用。
-
公开(公告)号：CN117314193A
公开(公告)日：2023-12-29
申请号：CN202311309176.0
申请日：2023-10-10
Applicant: 南京财经大学
IPC: G06Q10/0637 , G06N3/04 , G06N3/08 , G06N3/006
Abstract: 本发明属于工业生产预测分析技术领域，公开了一种工业生产率宏观预测与关键因素分析方法，其依据可信粒度准则，以工业生产输入数据的特性生成同时兼顾各变量覆盖度和特异性的信息粒，通过将该信息粒输入到已训练好的单隐层数值型神经网络上，并利用改进粒子群优化算法完成对变量信息粒度级别的优化分配，进而得到具有粒度输出的粒度神经网络模型，一方面通过模型的粒度输出解决工业生产率宏观性预测的需求；另一方面通过输入粒化分析挖掘影响工业生产率的关键输入因素。本发明具有严格的理论基础，通用性强、便于灵活运用。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.04 seconds)
