公开(公告)号：CN119152572A

公开(公告)日：2024-12-17

申请号：CN202411225811.1

申请日：2024-09-03

Applicant: 暨南大学

Inventor： 林义尊 ,  刘致铄 ,  鲁嘉 ,  郑晓雯

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/25 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464

Abstract: 本发明提出了一种基于机器学习的人体动作识别方法，解决了健身训练中动作识别的问题。本方法使用Mediapipe框架处理视频，识别人体的关键点并构建人体模型；使用矩阵透视变换来纠正视频的失真，确保人体模型的准确性；使用SVM对Mediapipe提取的人体关键点作为特征对来对动作进行分类。本发明还借助YOLO‑v7模型来区分不同的训练对象，以适应多人同时锻炼的场景。本发明在动作分类上的高准确性和性能证明了它在健身训练中作为实时反馈和指导工具的潜力。通过准确识别和评估运动动作，能帮助个人改善其运动形态并预防运动损伤。这种准确的运动识别技术为个人提供了更好的健身指导和质量控制。

公开(公告)号：CN114155097A

公开(公告)日：2022-03-08

申请号：CN202111269673.3

申请日：2021-10-29

Applicant: 暨南大学

Inventor： 张学聪 ,  樊锁海 ,  鲁嘉

IPC: G06Q40/04 ,  G06Q40/06 ,  G06N3/12

Abstract: 本发明公开了股票预测与投资组合优化方法、系统、计算机及存储介质，采用基于禁忌搜索和微分进化的融合算法DETS，将历史数据与预测数据融合成为新的数据以改善历史数据集的缺陷，再通过融合算法DETS和Pareto排序理论相结合进行投资组合配置，从而解决预测难、组合优化难两大难点，规避现有的投资组合优化算法专注于历史数据且存在解的全局搜索能力低、时间复杂度高和解集收敛性低等缺点，在求解速度、解集的优化质量上都有较高提升，达到提高收益、降低风险的目的。

公开(公告)号：CN113935233A

公开(公告)日：2022-01-14

申请号：CN202111142614.X

申请日：2021-09-28

Applicant: 暨南大学

Inventor： 张学聪 ,  樊锁海 ,  鲁嘉

IPC: G06F30/27 ,  G06Q50/02 ,  G06F119/02

Abstract: 本发明公开了一种饲料配方优化方法、系统、计算机及存储介质，方法包括：首先结合实际情况选择饲料配方原料，通过查阅饲料成分及营养价值表获取选择得到的原料的营养成分含量，并根据喂养的动物结合参考文献确定该动物的营养需求量。接着，建立饲料配方优化模型，之后对建立的饲料配方优化模型进行求解。最后通过改进的禁忌搜索算法对求解得到的结果进行优化，最终得到最优的饲料配方。本发明在传统优化算法或智能优化算法所求结果的基础上，利用改进的禁忌搜索算法实现跳出局优全局搜索，找到更优解，得到的饲料配方既能满足限制性约束条件又能最大限度地降低成本。