-
公开(公告)号：CN113656707B
公开(公告)日：2024-09-17
申请号：CN202111027573.X
申请日：2021-09-02
Applicant: 济南大学
IPC: G06F16/9535 , G06F16/958 , G06F18/214 , G06F18/2413 , G06F18/23213 , G06Q40/06 , G06N3/0455 , G06N3/084
Abstract: 本发明属于理财产品推荐领域，提供了一种理财产品推荐方法、系统、存储介质及设备。其中，该方法包括获取理财用户数据；基于理财用户数据和训练完成的自编码神经网络模型，得到推荐理财产品类型；其中，自编码神经网络模型的训练过程为：采用理财用户数据预训练自编码神经网络模型；将理财用户数据及其若干个最近邻数据拼接构成训练数据；以预训练的自编码神经网络模型中的参数为初始值，利用训练数据继续训练自编码神经网络模型，直至到达最大迭代次数或者损失误差小于停止阈值。
-
公开(公告)号：CN113656707A
公开(公告)日：2021-11-16
申请号：CN202111027573.X
申请日：2021-09-02
Applicant: 济南大学
IPC: G06F16/9535 , G06F16/958 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q40/06
Abstract: 本发明属于理财产品推荐领域，提供了一种理财产品推荐方法、系统、存储介质及设备。其中，该方法包括获取理财用户数据；基于理财用户数据和训练完成的自编码神经网络模型，得到推荐理财产品类型；其中，自编码神经网络模型的训练过程为：采用理财用户数据预训练自编码神经网络模型；将理财用户数据及其若干个最近邻数据拼接构成训练数据；以预训练的自编码神经网络模型中的参数为初始值，利用训练数据继续训练自编码神经网络模型，直至到达最大迭代次数或者损失误差小于停止阈值。
-
公开(公告)号：CN118155221A
公开(公告)日：2024-06-07
申请号：CN202410578498.3
申请日：2024-05-11
Applicant: 济南大学
IPC: G06V30/19 , G06V30/18 , G06N3/0455 , G06N3/09
Abstract: 本发明公开一种基于多监督的印刷体公式识别方法，涉及公式识别技术领域,包括以下步骤：S1：构造数据集；S2：对数据集中图片，在不同尺度提取图片特征，并被编码为包含上下文语义的向量；S3：通过解码输出向量的LaTeX序列；S4：使用标准模型将所述S2及所述S3组合成一个端到端结构；S5：构造评价指标。本发明要解决的技术问题是实现对印刷体公式识别。
-
公开(公告)号：CN113688229B
公开(公告)日：2024-04-23
申请号：CN202111016193.6
申请日：2021-08-31
Applicant: 济南大学
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958
Abstract: 本发明属于文本推荐领域，提供了一种文本推荐方法、系统、存储介质和设备。其中，该方法包括获取待推荐文本的关键词；基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；其中，在聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。
-
公开(公告)号：CN113723540B
公开(公告)日：2024-04-19
申请号：CN202111027470.3
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于多视图的无人驾驶场景聚类方法及系统，包括以下步骤：获取无人驾驶车辆当前多视图数据，并进行标准化处理；基于迁移学习对每个视图进行聚类分析：(1)根据设定的类别数分别进行聚类分析，得到当前隶属度矩阵；(2)根据该视图与其他视图的当前隶属度矩阵，以及设定的迁移学习因子，对隶属度矩阵进行更新，得到新的聚类中心，并更新视图的权重；根据迁移学习前后的聚类结果，判断是否需要继续进行迁移学习，若是，更新迁移学习因子，对每个视图再次进行聚类分析，若否，聚类结束，得到无人驾驶场景的道路识别结果。本发明通过基于激光雷达数据和图像数据两个视图进行场景中道路的识别，数据的利用更为充分，识别精度高。
-
Patent Agency Ranking
公开(公告)号：CN113688934A
公开(公告)日：2021-11-23
申请号：CN202111026341.2
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。
-
公开(公告)号：CN113688229A
公开(公告)日：2021-11-23
申请号：CN202111016193.6
申请日：2021-08-31
Applicant: 济南大学
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958
Abstract: 本发明属于文本推荐领域，提供了一种文本推荐方法、系统、存储介质和设备。其中，该方法包括获取待推荐文本的关键词；基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；其中，在聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。
-
-
公开(公告)号：CN113723540A
公开(公告)日：2021-11-30
申请号：CN202111027470.3
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于多视图的无人驾驶场景聚类方法及系统，包括以下步骤：获取无人驾驶车辆当前多视图数据，并进行标准化处理；基于迁移学习对每个视图进行聚类分析：(1)根据设定的类别数分别进行聚类分析，得到当前隶属度矩阵；(2)根据该视图与其他视图的当前隶属度矩阵，以及设定的迁移学习因子，对隶属度矩阵进行更新，得到新的聚类中心，并更新视图的权重；根据迁移学习前后的聚类结果，判断是否需要继续进行迁移学习，若是，更新迁移学习因子，对每个视图再次进行聚类分析，若否，聚类结束，得到无人驾驶场景的道路识别结果。本发明通过基于激光雷达数据和图像数据两个视图进行场景中道路的识别，数据的利用更为充分，识别精度高。
-
公开(公告)号：CN113688934B
公开(公告)日：2024-06-07
申请号：CN202111026341.2
申请日：2021-09-02
Applicant: 济南大学
IPC: G06F18/23213 , G06F17/16 , G06F17/18 , G06N20/00
Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
