公开(公告)号：CN118313508A

公开(公告)日：2024-07-09

申请号：CN202410407515.7

申请日：2024-04-07

Applicant: 扬州大学

Inventor： 何萍 ,  王书豪 ,  徐清源

IPC: G06Q10/04 ,  G06Q50/00 ,  G06F17/16 ,  G06F17/14 ,  G06F17/18

Abstract: 本发明公开了一种基于自回归非负矩阵分解的时序社交网络预测方法与系统。该方法旨在对时序社交网络进行非负矩阵分解，结合自回归方法，从而实现对时序社交网络的预测。首先，获取并处理特定时间段内多个用户之间的联系信息，生成时序社交网络数据集；然后，设计自回归非负矩阵分解方法对时序社交网络进行建模，使用已知的时序社交网络时间片进行训练，对参数进行优化更新；最后利用优化得到的参数，结合自回归模型，对未来的时序社交网络进行链接预测。该发明包括时序社交网络数据获取、自回归非负矩阵分解，目标函数的优化和网络的链接预测模块，最终实现对时序社交网络的预测。本发明能够提高社交网络预测的准确性和稳定性。

公开(公告)号：CN118247537A

公开(公告)日：2024-06-25

申请号：CN202410496346.9

申请日：2024-04-24

Applicant: 扬州大学

Inventor： 何萍 ,  喻鹏 ,  徐清源

IPC: G06V10/762 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于持续同调的流形自编码器图像聚类方法与系统，其主要技术思路是：首先使用去噪自编码器学习高维图像数据的初始低维表示，基于图像数据的潜在空间中的初始低维表达进行图像聚类。然后将自编码器与流形学习、持续同调相结合，利用重建损失函数、拓扑损失函数和聚类损失函数来优化流形的结构一致性和判别性。接着再通过对总损失函数的优化，调整网络参数，学习到高维图像数据的低维表示。最后使用学习到的模型对测试图像数据进行聚类。该方法有效地结合了自编码器、流形学习和持续同调，能够实现高维图像数据的降维和聚类，在图像、多媒体等领域具有良好的应用价值。