-
公开(公告)号：CN109615075B
公开(公告)日：2022-08-19
申请号：CN201811535782.3
申请日：2018-12-14
Applicant: 大连海事大学
IPC: G06V10/762 , G06N5/02 , G06N3/00
Abstract: 本发明提供一种基于多层聚类模型的居民日常行为识别方法，包括：对训练集中的传感器事件流根据日常行为实例进行分割；通过K近邻算法进行聚簇，统计样本在每个簇下的分布；判断任意两个日常行为是否存在耦合；计算耦合集中日常行为的耦合度，降序排列；去除训练集中耦合度最大的行为实例；判断训练集是否存在耦合；使用分类模型对测试集中的行为实例进行分类；判断训练子集与原始的训练集间关系。本发明提出的多层聚类模型的行为分类方法对行为实例进行聚类，根据日常行为的耦合度对行为实例进行分步识别，克服了单层的分类方法由于行为实例耦合度较高导致分类性能较差的问题。从理论上讲，使用本发明将显著地提升居民日常行为的准确率和召回率。
-
公开(公告)号：CN111291175B
公开(公告)日：2022-07-22
申请号：CN202010075692.1
申请日：2020-01-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于策略梯度算法的自动生成提交需求摘要的方法，包括：提取提交需求关系中的提交信息和源代码注释和其对应的文本语义树结构，通过双向循环神经网络编码器编码到隐藏状态中，映射成固定长度的向量序列，使用指针生成器通过词汇的生成概率对从词汇表中选择的单词和从源序列中复制的单词之间进行一个软控制，得到最终的词汇分布。利用带有基线的策略梯度算法结合N次蒙特卡洛搜索，通过N次蒙特卡洛搜索计算包含一个动作的序列的平均奖励，找到平均奖励最大的动作序列，则该动作就是要选择的动作，依此进行，得到完整序列，利用蒙特卡洛搜索出的序列和基线序列的差值来更新策略梯度，最终生成提交需求摘要。
-
公开(公告)号：CN110909047B
公开(公告)日：2022-05-17
申请号：CN201911219849.7
申请日：2019-11-28
Applicant: 大连海事大学
IPC: G06F16/2458 , G06F16/2455
Abstract: 本发明提供一种面向指定时刻的日常行为识别方法，包括以下步骤：输入数据；提取下/第一条已标注日常行为类别的传感器事件流S+；在所述传感器事件流S+中提取包含t的日常行为实例及与所述包含t的日常行为实例相应的传感器事件流S*；提取与所述实例相应的传感器事件流S*的开始时刻bt、结束时刻ot、开始传感器bs、结束传感器os；在所述传感器事件流S‑中遍历传感器事件e1；S6：在S‑中搜索一个传感器事件e2；提取在e1和e2之间的传感器事件流See；计算See与S*的序列相似度sim；如果sim>max，那么将sim的值赋值给max，保存S*的行为类别；将S*的行为类别作为t时刻发生的行为。
-
公开(公告)号：CN111291175A
公开(公告)日：2020-06-16
申请号：CN202010075692.1
申请日：2020-01-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于策略梯度算法的自动生成提交需求摘要的方法，包括：提取提交需求关系中的提交信息和源代码注释和其对应的文本语义树结构，通过双向循环神经网络编码器编码到隐藏状态中，映射成固定长度的向量序列，使用指针生成器通过词汇的生成概率对从词汇表中选择的单词和从源序列中复制的单词之间进行一个软控制，得到最终的词汇分布。利用带有基线的策略梯度算法结合N次蒙特卡洛搜索，通过N次蒙特卡洛搜索计算包含一个动作的序列的平均奖励，找到平均奖励最大的动作序列，则该动作就是要选择的动作，依此进行，得到完整序列，利用蒙特卡洛搜索出的序列和基线序列的差值来更新策略梯度，最终生成提交需求摘要。
-
公开(公告)号：CN109685125A
公开(公告)日：2019-04-26
申请号：CN201811537184.X
申请日：2018-12-14
Applicant: 大连海事大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06K9/66
Abstract: 本发明提供一种基于频繁传感器事件序列的日常行为特征挖掘及计算方法，包括：识别模型训练和行为识别测试两阶段；识别模型训练包括：通过设置的多个非入侵式传感器采集居民日常行为按照时间顺序连续地触发的传感器事件序列；对采集到的传感器事件序列进行预处理，预处理将传感器事件序列分割为多个以日常行为为单位的子序列；挖掘频繁出现的传感器事件序列，作为居民日常行为的特征；计算居民日常行为在特征上的取值。本发明克服了预定义特征和离散特征的缺点，使用频繁序列模式挖掘方法全面有效地挖掘到居民日常行为的连续特征，并且提出了特征值的计算算法，因此从理论上讲，使用本发明挖掘出的特征将显著地提升居民日常行为的精确率和召回率。
-
Patent Agency Ranking
公开(公告)号：CN110472247A
公开(公告)日：2019-11-19
申请号：CN201910770984.4
申请日：2019-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种多语义信息融合网络预测帖子回答时间的方法，包括如下步骤：选取N条帖子并提取每个帖子的数据特征，其中数据特征包括帖子的问题描述、帖子的标题，帖子的标签，帖子的创建时间和帖子的星期特征信息，利用帖子的数据特征预测帖子的回答时间；利用doc2vec模型将帖子的数据特征转换为向量、并将向量输入至全连接神经网络模型内利用sigmoid函数预测帖子的回答时间。该方法在预测的过程中，考虑了帖子的描述信息、标题信息以及标签等特征信息，相比于只考虑单一特征的方法预测的更加准确。
-
公开(公告)号：CN119625258A
公开(公告)日：2025-03-14
申请号：CN202411683790.8
申请日：2024-11-22
Applicant: 大连海事大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明一种复杂航行环境中的轻量级水上船舶目标检测方法，包括以下步骤：获取待检测水上船舶的图片，构成数据集；将数据集划分为训练集和测试集；基于改进的YOLOv8网络，构建增强且轻量级的船舶检测模型；基于训练集数据，对增强且轻量级的船舶检测模型进行训练，得到训练好的增强且轻量级的船舶检测模型；将测试集数据输入到训练好的增强且轻量级的船舶检测模型中，实现复杂航行环境中水上船舶目标的检测，本申请将GELAN模块与原本的PANet网络结合，设计了一个更加高效且轻量的颈部网络，实现更加高效的特征融合。此外，使用MPDIOU损失函数优化模型梯度增益分配策略，使得网络得到更快的收敛。
-
公开(公告)号：CN119622305A
公开(公告)日：2025-03-14
申请号：CN202411683798.4
申请日：2024-11-22
Applicant: 大连海事大学
IPC: G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/0442
Abstract: 本发明一种复杂通航环境下多船航行的轨迹预测方法，包括以下步骤：获取N条船舶的AIS轨迹数据；对N条船舶的AIS数据进行数据清洗操作，得到预处理之后的AIS数据；将预处理之后的AIS数据构成的数据集划分为训练集和测试集；构建端到端的图卷积神经网络预测模型；基于训练集数据，对端到端的图卷积神经网络预测模型进行训练，得到训练好的端到端的图卷积神经网络预测模型；将测试集数据输入到训练好的端到端的图卷积神经网络预测模型中，实现N条船舶的未来轨迹的预测。基于船舶的AIS数据构造图结构的特征表示，然后使用时空图卷积网络作为编码器提取船舶轨迹的时空特征，输入到由卷积神经网络和残差连接构成的解码器中，以实现内河船舶的轨迹预测。
-
公开(公告)号：CN110413792A
公开(公告)日：2019-11-05
申请号：CN201910728451.X
申请日：2019-08-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种高影响力缺陷报告识别方法，本方法将不平衡学习技术与多类分类方法相结合，解决了错误报告组件分类问题。使用四种不平衡处理策略RUS、ROS、SMOTE和Adacost算法来处理数据并获得平衡的数据集。然后使用基于NBM，KNN和SVM分类器的OVO和OVA多类别分类方法对平衡之后的数据集进行错误报告组件分类。通过探究不平衡学习策略和分类别分类算法的不同组合，找到具有错误报告组件分类最佳性能的变体。通过使用错误组件分类来确定为错误报告分配合适的开发人员，从而更好地解决了错误报告的分类问题。该方法不仅可以减少原始训练集的单词维度，提高训练集的质量，也提高错误报告的分类性能。
-
公开(公告)号：CN109615013A
公开(公告)日：2019-04-12
申请号：CN201811535743.3
申请日：2018-12-14
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明提供一种基于行为特征概率分布约束的传感器事件流分割方法，包括：计算行为概率特征；以天为单位，计算训练集中任意两个行为的转移概率分布；计算每个行为每天出现次数的概率分布；计算每个所述行为触发传感器的个数的概率分布；计算每个行为触发传感器的种类数量的概率分布；计算每个簇的行为实例数的概率分布；计算每个簇的行为实例数的概率分布；构成行为的概率特征集以及分割传感器事件流。本发明提出的基于行为特征概率分布约束的居民日常行为识别方法通过计算多种行为特征的概率分布，并应用概率约束求解的方法可以求得满足特征集概率分布的最优传感器事件的行为实例分割结果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
