-
公开(公告)号：CN118965298B
公开(公告)日：2024-12-31
申请号：CN202411455417.7
申请日：2024-10-18
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F18/27 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于模型融合的天然气流量预测方法、系统及电子设备，属于时序数据预测领域。该方法设计了一种基于模型融合的天然气流量预测模型，其中，分段图卷积模块用于从基于相似度的图结构中提取序列之间动态变化的分段关联信息，开集识别嵌入图卷积层用于从基于类别的图结构中提取序列之间的类别关联信息，时间膨胀卷模块用于提取序列内部的时间特征并对序列进行降维，天然气流量预测模型的输出部分设计了一个基于两阶段注意机制的时间信息增强模块，用于聚合序列内时序特征。利用训练后的天然气流量预测模型，可实现对天然气时间序列未来某个时间步的预测，且具有较高的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118965298A
公开(公告)日：2024-11-15
申请号：CN202411455417.7
申请日：2024-10-18
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F18/27 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于模型融合的天然气流量预测方法、系统及电子设备，属于时序数据预测领域。该方法设计了一种基于模型融合的天然气流量预测模型，其中，分段图卷积模块用于从基于相似度的图结构中提取序列之间动态变化的分段关联信息，开集识别嵌入图卷积层用于从基于类别的图结构中提取序列之间的类别关联信息，时间膨胀卷模块用于提取序列内部的时间特征并对序列进行降维，天然气流量预测模型的输出部分设计了一个基于两阶段注意机制的时间信息增强模块，用于聚合序列内时序特征。利用训练后的天然气流量预测模型，可实现对天然气时间序列未来某个时间步的预测，且具有较高的预测精度。
-
公开(公告)号：CN108616757A
公开(公告)日：2018-10-02
申请号：CN201810438933.7
申请日：2018-05-09
Applicant: 电子科技大学
IPC: H04N19/467 , H04N19/625
Abstract: 本发明公开了一种翻拍后能提取水印的视频水印嵌入与提取方法，属于视频数字水印技术领域。本发明的嵌入方法包括如下步骤：读取原视频文件，根据读取到的原视频信息调整水印；对原视频进行随机采样，确定嵌入阈值；逐帧读取原视频的帧图像信息，判断该帧是否需要嵌入水印；嵌入水印；将合成序列中的所有帧按照原视频帧率合成新视频，即含水印的视频。本发明的提取方法包括如下步骤：确定视频有效区；确定提取通道；对单帧提取水印；将合成序列中的所有帧按照原视频帧率合成新视频，即提取结果。本发明在翻拍后能够提取出较为清晰的水印，并兼顾了画面观感；提取水印不需要原始视频，属于盲水印方法。
-
公开(公告)号：CN117909823A
公开(公告)日：2024-04-19
申请号：CN202410066013.2
申请日：2024-01-16
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于深度学习的天然气用气类型识别方法及系统。该方法的设计了一种基于自注意力混合卷积和自适应阈值的天然气流量开集识别模型，上述天然气流量开集识别模型分为已知类别分类和开集识别两部分，其中前者包含自注意力混合卷积模块和时序变化感知模块，分别用于提取天然气流量序列的关键局部特征和全局时序特征，并将其处理成低维的类别激活向量，后者用于拟合每个已知类别的韦布尔分布并自动搜索相应的未知类判断阈值，在开集测试中修正样本的类别激活向量，将小于相应阈值的天然气流量序列标识为未知类别。利用上述天然气用气类型识别方法，可实现在分类已知类别天然气类型的同时识别未知类别的流量序列，且具有较高的精度。
-
公开(公告)号：CN116401461A
公开(公告)日：2023-07-07
申请号：CN202310454568.X
申请日：2023-04-25
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/901 , G06N3/0464 , G06N3/08 , G06N3/049 , G06N3/0442 , G06F18/214
Abstract: 本发明公开了一种基于多活跃区域感知网络的下一个兴趣点推荐方法。该方法充分利用用户行为轨迹在空间上的聚集性，通过分析用户的历史活动轨迹对用户的活跃区域中心进行筛选，并根据距离进行划分、聚合，实现活跃区域内长期稳定的用户偏好特征的获取。同时该方法基于邻居地区的负样本采样方法，通过用户的活动区域对兴趣点进行筛选，充分利用地理位置特性，获取信息更加丰富的样本信息。本发明基于用户的历史签到数据以及其他多模态信息，通过深度学习方法构建网络模型，提取用户偏好特征来预测当前用户下一个最有可能访问的地点，具有准确度高、可扩展性强等特点，可以及时掌握用户行为走向，为用户行为轨迹预测人员提供指导。
-
公开(公告)号：CN108616757B
公开(公告)日：2020-10-23
申请号：CN201810438933.7
申请日：2018-05-09
Applicant: 电子科技大学
IPC: H04N19/467 , H04N19/625
Abstract: 本发明公开了一种翻拍后能提取水印的视频水印嵌入与提取方法，属于视频数字水印技术领域。本发明的嵌入方法包括如下步骤：读取原视频文件，根据读取到的原视频信息调整水印；对原视频进行随机采样，确定嵌入阈值；逐帧读取原视频的帧图像信息，判断该帧是否需要嵌入水印；嵌入水印；将合成序列中的所有帧按照原视频帧率合成新视频，即含水印的视频。本发明的提取方法包括如下步骤：确定视频有效区；确定提取通道；对单帧提取水印；将合成序列中的所有帧按照原视频帧率合成新视频，即提取结果。本发明在翻拍后能够提取出较为清晰的水印，并兼顾了画面观感；提取水印不需要原始视频，属于盲水印方法。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
