-
公开(公告)号：CN104967885B
公开(公告)日：2019-01-11
申请号：CN201510142208.1
申请日：2015-03-27
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/2668 , H04N21/234 , H04N21/235
Abstract: 本发明涉及一种基于视频内容感知的广告推荐方法，包括：A、镜头分割步骤，利用基于聚类的方法将源视频分割为独立的场景；B、对象检测步骤，对每个独立场景利用基于区域卷积特征探测获得视频中物体的相关信息；C、广告图片检索步骤，利用衣服检索和基于类别的策略在数据库中搜索匹配物体的广告对象；D、广告目标物体优化步骤，对搜索到的匹配物体的广告对象通过优化处理得到候选广告；E、广告插入位置优化步骤，优化广告和目标物之间的距离及广告与所有物体之间的重叠区域的面积。视频广告投放优化模型提高广告的吸引力，并降低了广告给用户带来的干扰。
-
Patent Agency Ranking
公开(公告)号：CN103605493A
公开(公告)日：2014-02-26
申请号：CN201310632348.8
申请日：2013-11-29
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F7/08
Abstract: 本发明提供了一种基于图形处理单元的并行排序学习方法及系统，该并行排序学习方法包括构建查询及文档偏序对：针对每个查询，根据训练集中文档与查询的相关度构建出文档偏序对，每一个文档偏序对为一个模型的训练样本；模型参数训练：估计评分函数中关于每个特征的权重参数取值；文档评分：根据模型参数训练步骤中估计出的模型参数和文档评分函数计算每个文档的得分；文档排序：根据每个文档的得分，选择排序算法对文档进行排序，然后把排序后的结果提供给查询用户。本发明的有益效果是本发明的基于图形处理单元的并行排序学习方法及系统，提高排序学习中数据计算速度。
-
公开(公告)号：CN103488662A
公开(公告)日：2014-01-01
申请号：CN201310112420.4
申请日：2013-04-01
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06N3/08
Abstract: 本发明涉及一种基于图形处理单元的并行化自组织映射神经网络的聚类方法及系统，相对传统的串行化聚类方法,本发明通过算法的并行化和基于图形处理单元的并行加速系统，能更快的实现大规模数据的聚类。本发明主要涉及两方面的内容：(1)首先，针对图形处理单元的高并行计算能力的特点，设计了一种并行化自组织映射神经网络的聚类方法，该方法通过并行化统计文档的关键词词频得到词频矩阵，通过并行化计算文本的特征向量生成数据集的特征矩阵，通过并行化的自组织映射神经网络聚类得到海量数据对象的簇结构；(2)其次，利用图形处理单元(GPU)和中央处理器(CPU)之间的计算能力的互补性,设计了一套基于CPU/GPU协作框架的并行化文本聚类系统。
-
公开(公告)号：CN103605493B
公开(公告)日：2016-09-28
申请号：CN201310632348.8
申请日：2013-11-29
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F7/08
Abstract: 本发明提供了一种基于图形处理单元的并行排序学习方法及系统，该并行排序学习方法包括构建查询及文档偏序对：针对每个查询，根据训练集中文档与查询的相关度构建出文档偏序对，每一个文档偏序对为一个模型的训练样本；模型参数训练：估计评分函数中关于每个特征的权重参数取值；文档评分：根据模型参数训练步骤中估计出的模型参数和文档评分函数计算每个文档的得分；文档排序：根据每个文档的得分，选择排序算法对文档进行排序，然后把排序后的结果提供给查询用户。本发明的有益效果是本发明的基于图形处理单元的并行排序学习方法及系统，提高排序学习中数据计算速度。
-
公开(公告)号：CN104967885A
公开(公告)日：2015-10-07
申请号：CN201510142208.1
申请日：2015-03-27
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/2668 , H04N21/234 , H04N21/235
CPC classification number: H04N21/23424 , G06K9/00362 , G06K9/00718 , G06K9/00744 , G06K9/00765 , G06K9/3233 , G06K9/4628 , G06K9/6218 , G06K9/627 , G06N3/02 , G06Q30/02 , H04N21/231 , H04N21/23109 , H04N21/23418 , H04N21/234318 , H04N21/251 , H04N21/812 , H04N21/8456
Abstract: 本发明涉及一种基于视频内容感知的广告推荐方法，包括：A、镜头分割步骤，利用基于聚类的方法将源视频分割为独立的场景；B、对象检测步骤，对每个独立场景利用基于区域卷积特征探测获得视频中物体的相关信息；C、广告图片检索步骤，利用衣服检索和基于类别的策略在数据库中搜索匹配物体的广告对象；D、广告目标物体优化步骤，对搜索到的匹配物体的广告对象通过优化处理得到候选广告；E、广告插入位置优化步骤，优化广告和目标物之间的距离及广告与所有物体之间的重叠区域的面积。视频广告投放优化模型提高广告的吸引力，并降低了广告给用户带来的干扰。
-
公开(公告)号：CN103593339A
公开(公告)日：2014-02-19
申请号：CN201310634080.1
申请日：2013-11-29
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种面向电子图书的语义空间表示方法及系统，该面向电子图书的语义空间表示方法包括如下步骤：A.文档分割：将电子图书按语义结构分成若干个语义单元；B.权重计算：首先构建全文的词汇表，从而电子图书的每一个语义单元用一个词频向量表示，整个电子图书用一个词频矩阵来表示；然后根据权重计算方法针对每个词计算其权重；C.关系图构建：根据电子图书的词频矩阵和词的权重构建一个词邻接关系图；D.多维压缩：用该低维语义空间模型表示电子图书。本发明的有益效果是本发明的低维空间表示可以更加有效的用于储存、分类、聚类等数据分析与挖掘。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
