公开(公告)号：CN113222243A

公开(公告)日：2021-08-06

申请号：CN202110503614.1

申请日：2021-05-10

Applicant: 桂林理工大学

Inventor： 董明刚 ,  夏明明 ,  郑伟程 ,  廖晨 ,  刘德澳 ,  甘国军 ,  王越隆 ,  柯维威

IPC: G06Q10/04 ,  G06Q10/08 ,  G06Q50/30

Abstract: 本发明公开了一种多目标航空物流智能配载优化方法。本发明主要是将航空物流运输的实际问题转化为多目标约束优化问题，构造一个航空物流智能配载优化系统。只需要根据航空物流公司提供的信息，具体涉及客户提供的货物的相关信息、航空物流公司购买的运力资源及航空公司航班的运输信息等。系统主要考虑总成本的最小化以及货物的数量的最大化，其中总成本包括空运成本和始发港转运成本以及目的港转运成本，同时考虑每个航班中的货物的重量和体积不能超出限额的约束和剩余运力以及特殊货物的装载要求等因素。利用matlab技术进行数学模型建模，通过本系统智能优化推出的分配方案给出最优的配载，最终实现整体利益最大化。

公开(公告)号：CN114004333A

公开(公告)日：2022-02-01

申请号：CN202111251327.2

申请日：2021-10-26

Applicant: 桂林理工大学

Inventor： 董明刚 ,  廖晨 ,  叶威

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/764 ,  G06V10/82

Abstract: 一种基于多假类生成对抗网络的过采样方法。首先通过一个条件变分自编码器学习不平衡图像数据的特征；然后使用变分自编码器中的解码器初始化GAN中的生成器，帮助分别器更好的确定类别分布；然后使用不平衡数据集来训练多假类生成对抗网络，同时为多假类生成对抗网络添加梯度惩罚项，以提升GAN训练的稳定性，并保证样本生成多样性；将多假类生成对抗网络中的分类损失替换为焦点损失，使GAN在训练时更加侧重那些难于分对的样本；最后为训练后的GAN模型输入少数类别标签及随机噪声，即可生成高质量的少数类样本。本发明能够有效地为不平衡图像数据集中的少数类生成高质量的样本，使数据成为平衡数据集，并帮助分类器提高不平衡场景下的分类性能。

公开(公告)号：CN113971429A

公开(公告)日：2022-01-25

申请号：CN202110503287.X

申请日：2021-05-10

Applicant: 桂林理工大学

Inventor： 董明刚 ,  廖晨

IPC: G06K9/62 ,  G06N20/10

Abstract: 本发明公开了一种以One‑Class SVM作为监督机制的过采样方法，首先用数据集及其标签来训练条件生成对抗网络(Conditional Generative adversarialnetwork，CGAN)，然后用One‑Class SVM针对每一个小类训练一个单类训练模型，然后用CGAN的生成器以小类的标签作为输入合成新的样本点，在合成新样本点的过程中，通过其K近邻计算该样本是否为边界样本，若是则再用对应该类的SVM模型来判断该样本是否符合少数类的分布，最终找到高质量的合成样本点。本发明能提高合成样本点的质量，避免样本分布重叠、失真等问题，适用于在二类或多类不平衡数据集下提高过采样技术合成的样本点的拟合性和泛化性。