-
公开(公告)号：CN114219581B
公开(公告)日：2025-05-09
申请号：CN202111669824.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: G06Q30/0601 , G06F16/906 , G06F16/9537
Abstract: 本发明涉及一种基于异构图的个性化兴趣点推荐方法及系统。其方法包括步骤：S1获取用户‑兴趣点签到记录；S2基于签到记录构建用户‑兴趣点‑时间异构子图、用户‑类别异构子图；S3基于异构子图计算用户对于兴趣点的兴趣点偏好概率、类别偏好概率；S4基于签到记录计算用户对于兴趣点的一般签到概率，并计算兴趣点流行度；S5根据兴趣点的经纬度和签到记录，计算在地理位置偏好影响下用户对于兴趣点的地理位置偏好签到概率；S6基于兴趣点偏好概率、类别偏好概率、兴趣点流行度、地理位置偏好签到概率，预测用户对兴趣点的总体签到概率；S7基于总体签到概率，对用户进行兴趣点推荐。在推荐兴趣点时综合考虑了多种重要因素，提高了兴趣点推荐的准确性。
-
公开(公告)号：CN114219581A
公开(公告)日：2022-03-22
申请号：CN202111669824.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: G06Q30/06 , G06F16/906 , G06F16/9537
Abstract: 本发明涉及一种基于异构图的个性化兴趣点推荐方法及系统。其方法包括步骤：S1获取用户‑兴趣点签到记录；S2基于签到记录构建用户‑兴趣点‑时间异构子图、用户‑类别异构子图；S3基于异构子图计算用户对于兴趣点的兴趣点偏好概率、类别偏好概率；S4基于签到记录计算用户对于兴趣点的一般签到概率，并计算兴趣点流行度；S5根据兴趣点的经纬度和签到记录，计算在地理位置偏好影响下用户对于兴趣点的地理位置偏好签到概率；S6基于兴趣点偏好概率、类别偏好概率、兴趣点流行度、地理位置偏好签到概率，预测用户对兴趣点的总体签到概率；S7基于总体签到概率，对用户进行兴趣点推荐。在推荐兴趣点时综合考虑了多种重要因素，提高了兴趣点推荐的准确性。
-
公开(公告)号：CN112784177B
公开(公告)日：2022-04-15
申请号：CN202110062234.9
申请日：2021-01-18
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06N7/00 , G06Q30/06
Abstract: 本发明公开了一种空间距离自适应的下一个兴趣点推荐方法。该方法结合马尔科夫链并且能够自适应用户个人偏好进行兴趣点推荐。使用马尔科夫链捕获用户签到序列的时序关系，并且为每个用户生成个性化的转移矩阵用于捕获用户个人偏好。引入张量分解模型解决数据集签到数据稀疏的问题，使每个转移矩阵都受到相似用户、相似兴趣点、用户潜在偏好的影响，生成更完善和高质量的用户转移矩阵，通过这个转移矩阵捕获完善的用户个人偏好和兴趣点之间的转移关系。通过用户签到序列学习用户的个性化潜在行为模式，从而捕获到有效的用户潜在个人偏好。通过融合空间距离的方法对用户长期潜在个人偏信息作出取舍，根据兴趣点间的距离自适应用户个人偏好。
-
公开(公告)号：CN116107619A
公开(公告)日：2023-05-12
申请号：CN202211534754.6
申请日：2022-12-02
Applicant: 杭州电子科技大学
IPC: G06F8/70 , G06F16/33 , G06F16/335 , G06N3/048 , G06N3/08 , G06F16/951
Abstract: 本发明提供了一种基于因子分解机的Web API推荐方法，包括如下步骤：从ProgrammableWeb网站爬取Mashup和Web API元数据来构建服务库数据集；对获得的Mashup和API功能文本描述进行预处理；将预处理后的文本输入Sentence‑BERT模型，获得句子的向量表示，并通过获得的句子向量与多特征提取组件计算API和Mashup之间的相似度；根据Mashup和API之间的交互记录，计算API的流行度以及API组合的兼容性；通过完全串联得到Mashup‑API的特征矩阵，作为AFMHN模型的输入；AFMHN模型的输出，给出的概率最高的Top‑k的Web APIs。该方法通过提取Web API元数据的不同特征，并使用深度神经网络来捕捉任意低阶和高阶非线性特征之间的相互作用，同时使用注意机制来捕捉特征间的不同重要性，从而能够让推荐的Web API符合开发者提出的开发Mashup的需求。
-
Patent Agency Ranking
公开(公告)号：CN112950954B
公开(公告)日：2022-05-20
申请号：CN202110204996.8
申请日：2021-02-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于高位摄像头的智能停车车牌识别方法，解决了现有街道路边停车的人工收费造成的费时费力的问题，通过视频帧队列保存车辆停车过程事件的一段视频，解决了停车过程中车牌遮挡问题；通过车辆是否越过车位线解决了车辆停车问题；通过垂直俯仰角近似旋转变换和透视变换矫正方法解决摄像头下车牌倾斜的问题，通过车牌识别神经网络识别车牌解决了车牌识别的问题，加上多尺度特征融合方法解决了小分辨率车牌识别的问题。
-
公开(公告)号：CN112950954A
公开(公告)日：2021-06-11
申请号：CN202110204996.8
申请日：2021-02-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于高位摄像头的智能停车车牌识别方法，解决了现有街道路边停车的人工收费造成的费时费力的问题，通过视频帧队列保存车辆停车过程事件的一段视频，解决了停车过程中车牌遮挡问题；通过车辆是否越过车位线解决了车辆停车问题；通过垂直俯仰角近似旋转变换和透视变换矫正方法解决摄像头下车牌倾斜的问题，通过车牌识别神经网络识别车牌解决了车牌识别的问题，加上多尺度特征融合方法解决了小分辨率车牌识别的问题。
-
公开(公告)号：CN112784177A
公开(公告)日：2021-05-11
申请号：CN202110062234.9
申请日：2021-01-18
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06N7/00 , G06Q30/06
Abstract: 本发明公开了一种空间距离自适应的下一个兴趣点推荐方法。该方法结合马尔科夫链并且能够自适应用户个人偏好进行兴趣点推荐。使用马尔科夫链捕获用户签到序列的时序关系，并且为每个用户生成个性化的转移矩阵用于捕获用户个人偏好。引入张量分解模型解决数据集签到数据稀疏的问题，使每个转移矩阵都受到相似用户、相似兴趣点、用户潜在偏好的影响，生成更完善和高质量的用户转移矩阵，通过这个转移矩阵捕获完善的用户个人偏好和兴趣点之间的转移关系。通过用户签到序列学习用户的个性化潜在行为模式，从而捕获到有效的用户潜在个人偏好。通过融合空间距离的方法对用户长期潜在个人偏信息作出取舍，根据兴趣点间的距离自适应用户个人偏好。
-
公开(公告)号：CN111046803A
公开(公告)日：2020-04-21
申请号：CN201911283030.7
申请日：2019-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的车辆检测及落地点定位方法，该方法包括：搭建针对车辆检测的神经网络，获取检测网络得到的检测框，对检测中图像计算Y轴-像素和的直方图，平滑滤波之后最低点就是车辆的落地点。本发明采用了基于YOLOV3-tiny改进的目标检测网络，计算量小，能够在能力较弱的嵌入式硬件平台上完成实时性的运算。加强了对中等大小车辆的检测，提高了车辆的检测精度，运用直方图的形式再次对着地点进行确认，增加了鲁棒性。
-
公开(公告)号：CN110414577A
公开(公告)日：2019-11-05
申请号：CN201910639585.4
申请日：2019-07-16
Applicant: 电子科技大学
Inventor： 邓建华 , 余坤 , 申睿涵 , 孙一鸣 , 周群芳 , 钱璨 , 王云 , 何子远 , 俞泉泉 , 常为弘 , 陈翔 , 罗凌云 , 魏傲寒 , 俞婷 , 肖正欣 , 邓力恺 , 王韬 , 杨远望 , 游长江
Abstract: 本发明公开了一种基于深度学习的激光雷达点云多目标地物识别方法，涉及点云识别方法领域；其包括：将点云场景依次进行区域分割、特征表示和标记标签后，获得包括若干个三维空间的点云数据；建立包括输入层、N层卷积层、全连接层和Softmax函数的网络模型，输入数据集中的测试集，训练上述模型获取最优模型后，将数据集中测试集输入最优模型获得识别结果；根据深度信息和高层差、电力塔在电力线旁边的空间关系和相邻三维空间之间的关系，查找疑似误分类的点后重新进行分类，获取最终的识别结果；本发明解决现有神经网络因点云具有海量性、稀疏性和无序性导致计算量大、特征提取困难、识别准确率低的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
