-
公开(公告)号：CN113342655B
公开(公告)日：2023-09-29
申请号：CN202110636475.X
申请日：2021-06-08
Applicant: 浙江工商大学
IPC: G06F11/36
Abstract: 本发明公开了一种面向众包系统的仿真测试用例生成方法及装置，该方法首先将众包平台获得样本输入到VAE的编码器中学习对真实样本标注的工人能力和任务难度的均值和方差，即得到对应的工人能力和任务难度的正态分布，同时生成所有参与标注的工人能力和任务难度的混合高斯分布；然后运用重构化技巧得到VAE的隐变量，将隐变量输入到VAE的解码器中，使用梯度下降训练解码器；最后将混合高斯分布随机生成的工人能力和任务难度输入到训练好的解码器中，生成与真实样本独立同分布的大量众包测试用例。本发明结合神经网络解决了由于成本而导致众包测试用例少及覆盖面窄，导致难于全面评估结果汇聚方法的问题，使众包结果汇聚方法可以得到全面有效评估。
-
公开(公告)号：CN101483779A
公开(公告)日：2009-07-15
申请号：CN200910095594.8
申请日：2009-01-22
Applicant: 浙江工商大学
Abstract: 本发明涉及一种二维矢量地图的压缩方法。现有的压缩方法运算量大，并且数据在转换过程中有损伤。本发明方法包括矢量数据文件压缩和属性数据文件压缩。矢量数据文件压缩是将矢量地图包含的矢量数据文件中的内容按图层类型分开进行处理，将相同类型的图层数据中的坐标数据与属性代码分开进行编码，对于属性代码采用消除冗余度的方法压缩数据量，对于坐标数据采用不规则系数预测编码方法进行压缩。属性数据文件压缩是将矢量地图包含的与矢量数据文件匹配的属性数据文件通过BWT算法进行压缩。本发明方法可以提高压缩效率，并降低编码解码复杂度。
-
公开(公告)号：CN114677736B
公开(公告)日：2024-12-27
申请号：CN202210305283.5
申请日：2022-03-25
Applicant: 浙江工商大学
IPC: G06V40/16 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于超椭球的人脸识别方法、装置及存储介质，首先，根据已知类别的人脸图像样本进行建模，生成对待识别人脸图像样本进行类别判断的超椭球分类器；然后，将待识别人脸图像样本输入训练好的超椭球分类器，判断待识别人脸图像样本的所属类别。具体地说，本发明将同类别的人脸图像在直角坐标系上所占据的区域建模成超椭球。为了提高建模的精度，本发明先把同一类别的人脸图像数据通过K‑means聚类算法细分成若干组，再由每个组独立地生成一个超椭球，以若干个超椭球来表征该类别的数据区域。与现有的人脸识别算法相比，本发明内在地支持增量学习，并且所需样本量少，性能稳定，能适合更广泛的应用场景。
-
公开(公告)号：CN114880215B
公开(公告)日：2024-08-20
申请号：CN202210439690.5
申请日：2022-04-25
Applicant: 浙江工商大学
Abstract: 本发明公开了一种面向众包系统的测试用例自动生成的方法。本发明以项目反应理论IRT作为基本模型，首先，针对真实的小数据集，利用机器学习的方法，通过联合极大似然函数估计工人的能力和任务的难度，获取工人的能力和任务的难度分布。其次，将估计得到的参数带入IRT中，计算答对的概率，并结合真实标签进行注释，自动生成面向众包系统的测试用例。本发明解决了由于成本受限导致的一系列问题，如平台获得的数据集不完整，众包系统的测试用例不均衡等问题。该方法基于项目反应理论，使用机器学习，为评估众包系统自动生成大量的测试用例。
-
公开(公告)号：CN114880215A
公开(公告)日：2022-08-09
申请号：CN202210439690.5
申请日：2022-04-25
Applicant: 浙江工商大学
Abstract: 本发明公开了一种面向众包系统的测试用例自动生成的方法。本发明以项目反应理论IRT作为基本模型，首先，针对真实的小数据集，利用机器学习的方法，通过联合极大似然函数估计工人的能力和任务的难度，获取工人的能力和任务的难度分布。其次，将估计得到的参数带入IRT中，计算答对的概率，并结合真实标签进行注释，自动生成面向众包系统的测试用例。本发明解决了由于成本受限导致的一系列问题，如平台获得的数据集不完整，众包系统的测试用例不均衡等问题。该方法基于项目反应理论，使用机器学习，为评估众包系统自动生成大量的测试用例。
-
Patent Agency Ranking
公开(公告)号：CN116760582A
公开(公告)日：2023-09-15
申请号：CN202310647820.9
申请日：2023-06-02
Applicant: 浙江工商大学
IPC: H04L9/40 , G06Q30/018 , G06F18/24
Abstract: 本发明公开了一种分析众包中恶意行为有效性的方法，该方法首先在众包平台中收集疑似受到恶意行为的数据，并且对恶意行为做详细的恶意行为分类，然后根据本发明提出的方法针对众包中不同的恶意行为对其有效性进行分析。本发明解决了众包中恶意行为有效性判断的问题，并且对于恶意行为的影响做了进一步分析，使得众包中的恶意行为研究变得更加系统化和全面化。
-
公开(公告)号：CN114758401A
公开(公告)日：2022-07-15
申请号：CN202210487416.5
申请日：2022-05-06
Applicant: 浙江工商大学
IPC: G06V40/16 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于超矩形的人脸识别方法、装置及存储介质，首先，根据已知类别的人脸图像样本进行建模，生成对待识别人脸图像样本进行类别判断的超矩形分类器；然后，将待识别人脸图像样本输入训练好的超矩形分类器，判断该待识别人脸图像样本的所属类别。具体地说，本发明将同一类别的人脸图像在直角坐标系上所占据的区域建模成若干个超矩形。与现有的人脸识别算法相比，本发明模型学习过程简单、收敛速度快、具有接近线性的时间和空间复杂度，性能稳定，识别率高，适合运算能力受限的计算环境，而且方法的建模过程、建模结果、模型使用的物理意义明确、容易理解，具有很强的可解释性。
-
公开(公告)号：CN113342655A
公开(公告)日：2021-09-03
申请号：CN202110636475.X
申请日：2021-06-08
Applicant: 浙江工商大学
IPC: G06F11/36
Abstract: 本发明公开了一种面向众包系统的仿真测试用例生成方法及装置，该方法首先将众包平台获得样本输入到VAE的编码器中学习对真实样本标注的工人能力和任务难度的均值和方差，即得到对应的工人能力和任务难度的正态分布，同时生成所有参与标注的工人能力和任务难度的混合高斯分布；然后运用重构化技巧得到VAE的隐变量，将隐变量输入到VAE的解码器中，使用梯度下降训练解码器；最后将混合高斯分布随机生成的工人能力和任务难度输入到训练好的解码器中，生成与真实样本独立同分布的大量众包测试用例。本发明结合神经网络解决了由于成本而导致众包测试用例少及覆盖面窄，导致难于全面评估结果汇聚方法的问题，使众包结果汇聚方法可以得到全面有效评估。
-
公开(公告)号：CN106126609A
公开(公告)日：2016-11-16
申请号：CN201610454625.4
申请日：2016-06-21
Applicant: 浙江工商大学
IPC: G06F17/30
CPC classification number: G06F16/904
Abstract: 本发明公开了一种基于几何结构调整用于降低数据非线性关系的方法，其首先通过近邻图建模数据集的几何形状，再通过一条空间折线表征其整体弯曲程度，然后据此对数据集中的点分别进行平移，使得数据集在保持点间近邻关系基本不变的前提下尽可能地展开、平坦化，从而降低数据集的非线性性，提高数据质量。
-
公开(公告)号：CN117933359A
公开(公告)日：2024-04-26
申请号：CN202311593196.5
申请日：2023-11-27
Applicant: 浙江工商大学
IPC: G06N3/096 , G06N3/084 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N5/04 , G06F18/214 , G06Q10/0631 , G06Q10/101
Abstract: 本发明公开了一种基于多任务学习的众包真值推理增强方法、设备及存储介质。本发明不需要其它的方法来汇聚任务的真值在用于训练深度学习模型，而是直接利用工人对任务的回答与任务的特征。基于不同的工人对任务的认知不同，为每个工人刻画一个专属的门控网络模块，从而可以对不同的任务进行选择。该方法直接将众包弱监督的范式改为多任务学习的监督学习范式，充分利用了任务特征和工人的能力建立深度学习模型，通过深度学习对每个工人对样本特征的认知行为进行学习。在学习模型的基础上进行工人回答矩阵的填充，能够有效的实现众包数据的增强。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
