-
公开(公告)号：CN117893274A
公开(公告)日：2024-04-16
申请号：CN202311755526.6
申请日：2023-12-19
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/006
Abstract: 本申请涉及基于高维多目标优化的商品推荐方法、装置、设备及介质，所述方法包括：线性组合三种基础推荐算法作为推荐模型使用的推荐算法；以混合推荐模型的权重为决策向量、推荐结果的准确率、召回率、多样性等评价指标为目标函数构造高维多目标优化问题，通过优化该问题提高混合推荐模型的推荐质量；设计一种基于分解的高维多目标进化算法求解构造的高维多目标优化问题，在用参考向量引导精英个体选择的基础上自适应填充种群的稀疏区域，提高了种群的多样性，从而能提供更多可选的混合权重组合。本申请能够克服单一推荐算法的局限性，生成综合质量更高的商品推荐结果。
-
公开(公告)号：CN112182948A
公开(公告)日：2021-01-05
申请号：CN202011088524.2
申请日：2020-10-13
Applicant: 华南农业大学
IPC: G06F30/25 , G06F111/06 , G06F119/12
Abstract: 本发明公开了一种基于向量角粒子群的农田多目标控制排水模型的求解方法，包括：获取待求解的农田多目标控制排水模型；基于粒子群算法，随机生成初始种群，并初始化种群参数；使用克隆操作外部存档，以生成新的解集；对外部存档和解集的并集进行存档更新操作，在完成存档更新后，更新种群；更新完成后，得到新的外部存档，至此完成一次循环；达到设定的循环条件后，输出最终的外部存档作为决策者参考的对象，该外部存档中包含控制时间及其对应的所述目标控制排水模型的解。相比于传统多目标粒子群优化算法，本发明处理了早熟收敛和难以选择引导种群引导者这两大问题，从而有效地模拟出最佳控制排水时间，为农田排水方法提供了科学管理的方法。
-
公开(公告)号：CN106022293B
公开(公告)日：2019-05-07
申请号：CN201610378683.3
申请日：2016-05-31
Applicant: 华南农业大学
Abstract: 本发明公开了基于自适应共享小生境进化算法的行人再识别方法，包括以下步骤：(1)设计自适应共享小生境：(2)设计基于自适应共享小生境的进化算法，该算法根据自适应共享小生境技术设计进化算子和适应值函数，并通过合理设置参数，人为控制搜索方向，以及维持种群多样性等手段改善传统进化算法；(3)将基于自适应共享小生境进化算法应用于行人再识别问题，优化特征选择与提取过程，指导相似性度量方法的设计，提升行人再识别的准确度。本发明解决了传统进化算法存在的收敛速度慢和易早熟两大缺陷，并在很大程度上提升了行人再识别的准确度。
-
公开(公告)号：CN103888250B
公开(公告)日：2017-04-05
申请号：CN201410111331.2
申请日：2014-03-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自反馈演化序列的密钥序列生成方法，本发明根据种群的频数适应值和序列适应值大小对种群中的个体进行排序，并在基于排名抽样的基础上建立繁殖池，通过繁殖池中的演化操作得到占优于其中最好个体的新个体，并采用新个体代替繁殖池以及种群中的最好个体，并将种群中的最好个体进行自反馈搜索和自反馈迁移，待种群达到最大迭代次数时，将种群中的最好个体作为最终的密钥序列，通过演化算法和自反馈选择出种群中最好的个体作为最终的密钥序列，具有安全性高和执行效率高以及随机向强的优点。
-
公开(公告)号：CN103888250A
公开(公告)日：2014-06-25
申请号：CN201410111331.2
申请日：2014-03-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自反馈演化序列的密钥序列生成方法，本发明根据种群的频数适应值和序列适应值大小对种群中的个体进行排序，并在基于排名抽样的基础上建立繁殖池，通过繁殖池中的演化操作得到占优于其中最好个体的新个体，并采用新个体代替繁殖池以及种群中的最好个体，并将种群中的最好个体进行自反馈搜索和自反馈迁移，待种群达到最大迭代次数时，将种群中的最好个体作为最终的密钥序列，通过演化算法和自反馈选择出种群中最好的个体作为最终的密钥序列，具有安全性高和执行效率高以及随机向强的优点。
-
Patent Agency Ranking
公开(公告)号：CN117372068A
公开(公告)日：2024-01-09
申请号：CN202311421729.1
申请日：2023-10-30
Applicant: 华南农业大学
IPC: G06Q30/0201 , G06Q10/0637 , G06N3/049 , G06N3/0464 , G06N3/045
Abstract: 本申请涉及一种食用油价格预测方法、装置、设备及介质，方法包括：获取预设时长范围内的历史食用油价格序列数据以及第一分解模态数数组；基于预设的变分模态分解算法根据第一分解模态数数组对历史食用油价格序列数据进行处理确定多个不同模态数的模态子信号，基于稀疏表示算法对多个不同模态数的模态子信号进行优选，确定第二分解模态数；基于滑动窗口算法对第二分解模态数相对应的模态子信号数据序列进行切割确定训练集，将训练集输入至预设的食用油价格预测模型进行训练，直至食用油价格预测模型达到收敛状态；将历史食用油价格输入至训练好的食用油价格预测模型，确定指定时间范围内的食用油价格。本申请能够显著提高食用油价格的预测精度。
-
公开(公告)号：CN115392430A
公开(公告)日：2022-11-25
申请号：CN202210789777.5
申请日：2022-07-05
Applicant: 华南农业大学
Abstract: 一种基于精英和自适应进化算法的神经网络结构搜索方法，包括：S1、确定搜索空间；S2、将原始子网络的超参数编码为参数解；S3、确定个体和种群；S4、种群中基于第一评价指标和第二评价指标选择出多个精英个体并且分别存储在一个指导进化集和一个外部档案中；S5、基于进化算法使种群繁衍，将繁衍出的个体解码成优化子网络，将所有优化子网络组成过渡神经网络；S6、将测试样本输入到优化子网络中更新优化子网络的目标函数值；S7、当进化算法繁衍次数达到设置次数时终止并且输出种群；S8、将输出的种群中的个体解码为最终子网络，并且利用所有最终子网络组成为完整神经网络。本发明能够提高神经网络结构搜索过程的效率，并且实现难度低。
-
公开(公告)号：CN119991330A
公开(公告)日：2025-05-13
申请号：CN202411808636.9
申请日：2024-12-10
Applicant: 华南农业大学
Abstract: 本申请涉及一种区域农业种植结构优化方法、装置、设备及介质，方法包括：采用第一农业种植结构优化算法根据目标函数以及约束条件分别计算确定第一混合种群中的每个种群个体的第一适应度值以及第二混合种群中的每个种群个体的第二适应度值；当达到预设的迭代条件，输出第一种群的个体解集以及第二种群的个体解集；将第二种群的个体解集作为第三种群的个体解集，采用第二农业种植结构优化算法迭代第一种群的个体解集、第二种群的个体解集以及第三种群的个体解集，当迭代次数达到预设迭代次数时，输出第一种群中的非支配解作为最优的农业种植结构方案集。本申请能够使农业种植结构在确保节水、提高经济效益之间取得平衡。
-
公开(公告)号：CN112182948B
公开(公告)日：2023-03-03
申请号：CN202011088524.2
申请日：2020-10-13
Applicant: 华南农业大学
IPC: G06F30/25 , G06F111/06 , G06F119/12
Abstract: 本发明公开了一种基于向量角粒子群的农田多目标控制排水模型的求解方法，包括：获取待求解的农田多目标控制排水模型；基于粒子群算法，随机生成初始种群，并初始化种群参数；使用克隆操作外部存档，以生成新的解集；对外部存档和解集的并集进行存档更新操作，在完成存档更新后，更新种群；更新完成后，得到新的外部存档，至此完成一次循环；达到设定的循环条件后，输出最终的外部存档作为决策者参考的对象，该外部存档中包含控制时间及其对应的所述目标控制排水模型的解。相比于传统多目标粒子群优化算法，本发明处理了早熟收敛和难以选择引导种群引导者这两大问题，从而有效地模拟出最佳控制排水时间，为农田排水方法提供了科学管理的方法。
-
公开(公告)号：CN106022293A
公开(公告)日：2016-10-12
申请号：CN201610378683.3
申请日：2016-05-31
Applicant: 华南农业大学
CPC classification number: G06K9/00778 , G06K9/6218
Abstract: 本发明公开了基于自适应共享小生境进化算法的行人再识别方法，包括以下步骤：(1)设计自适应共享小生境：(2)设计基于自适应共享小生境的进化算法，该算法根据自适应共享小生境技术设计进化算子和适应值函数，并通过合理设置参数，人为控制搜索方向，以及维持种群多样性等手段改善传统进化算法；(3)将基于自适应共享小生境进化算法应用于行人再识别问题，优化特征选择与提取过程，指导相似性度量方法的设计，提升行人再识别的准确度。本发明解决了传统进化算法存在的收敛速度慢和易早熟两大缺陷，并在很大程度上提升了行人再识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.032 seconds)
