-
公开(公告)号：CN108182347B
公开(公告)日：2022-02-22
申请号：CN201810043836.8
申请日：2018-01-17
Applicant: 广东工业大学
IPC: G16B40/20
Abstract: 本发明公开了一种大规模跨平台基因表达数据分类方法，包括以下步骤：S1、获取训练集，初始化分类器；S2、对训练集进行数据转换；S3、根据训练集计算相对偏移表；S4、生成候选偏序对，并计算出候选偏序对中的top偏序规则r；S5、更新分类器和训练集；S6、判断样本量与最小支持度θ的大小；S7、设定分类器CL缺省类；S8、预测分类。本发明针对跨平台基因数据挖掘这个问题，通过数据转换，提出了新的偏序对规则挖掘算法和分类模式，可以处理跨平台基因数据的差异性，不仅可以应对更复杂的数据分布，并且通过相对偏移表进行规则预筛选，显著提升了挖掘效率，能够应用于大规模数据上。
-
公开(公告)号：CN108304489B
公开(公告)日：2021-12-28
申请号：CN201810009636.0
申请日：2018-01-05
Applicant: 广东工业大学
IPC: G06F16/332 , G06F16/33 , G06F40/30
Abstract: 本发明公开了一种基于强化学习网络的目标引导型个性化对话方法与系统，包括用于协调控制整个对话过程的控制器、对话训练以及对话识别；其中，所述控制器用于控制整个对话流程；所述对话训练用于训练迭代优化强化学习网络；所述对话识别利用强化学习网络识别输出相对应的对话策略动作。本发明利用强化学习网络形成策略梯度神经网络系统，在对话训练过程中根据模拟用户建立个性属性模型并迭代优化强化学习网络，在对话识别中获取对话信息以及用户个性化属性后输入到强化学习网络，然后强化学习网络能够结合用户的个性化属性搭建统一输出模型，解决了传统方法模型不能有效的对个性化进行建模的缺陷，提高了该对话系统的智能化效率。
-
公开(公告)号：CN109271496B
公开(公告)日：2021-12-24
申请号：CN201811005005.8
申请日：2018-08-30
Applicant: 广东工业大学
IPC: G06F16/332 , G06F16/36 , G06N5/02
Abstract: 本发明具体涉及一种基于文本、知识库及序列到序列的自然问答方法，包括如下：S1：用户输入一个问题；S2：初始化模型；S3：序列到序列模型中的编码器对问题进行编码，得到上下文向量；S4：利用用户问题来对知识进行检索得到与问题相关的知识候选集；S5：利用解码器当前状态和问题上下文向量，来决定生产回答中词的来源；S6：将上下文向量输入解码器，用于生产常用词；S7：利用解码器当前状态和问题上下文，知识候选集来匹配最终知识实体；S8：迭代执行步骤S5‑S7，直至最终输出自然答案。本发明克服了现有不能有效查询知识和所需知识不存在、不能有效的回答多个知识实体的缺陷，完全采用生成式，大量减少了人工干预。
-
公开(公告)号：CN113673609A
公开(公告)日：2021-11-19
申请号：CN202110977713.3
申请日：2021-08-24
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于线性隐变量的调查问卷数据分析方法，包括：收集填写后的调查问卷并进行预处理和标准化处理；构建测量模型，根据标准化处理后的观测变量，获得观测变量的聚类和隐变量的骨架图；枚举隐变量骨架图的等价类，进行三分体约束判断；若违背三分体约束，则拒接；若满足三分体约束，将每个隐变量分别作为根节点，对其余隐变量剔除来自根节点的影响，保留相应的等价类；对被保留等价类进行合并，根据合并结果输出隐变量的因果结构图，获得调查问卷中隐变量间的因果关系。本发明可以获得任意形式分布的隐变量间的因果关系，对调查问卷进行辅助分析，分析结果更准确，有助于做出正确决策。
-
公开(公告)号：CN113657527A
公开(公告)日：2021-11-16
申请号：CN202110971027.5
申请日：2021-08-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于贝叶斯非参模型的脑功能区划分方法，其包括步骤如下：S1：获取rs‑fMRI数据集中n个脑素的相对位置和时间序列；S2：对计算两两脑素之间的相对位置距离矩阵和时间序列距离矩阵；S3：将相对位置距离矩阵和时间序列距离矩阵进行处理和合并，组成新的距离矩阵，对新的距离矩阵进行重定义操作，得到最终的距离矩阵；S4：根据最终的距离矩阵依次计算每个脑素的先验分配和先验聚类，得到聚类结果；S5：根据聚类结果计算当前贝叶斯非参模型参数，根据当前贝叶斯非参模型参数依次对每个脑素计算分配概率，再分配，S6：判断是否达到指定轮次，若是，则反馈最终的脑素聚类结果以及相应的脑区划分结果，否则回到步骤S5继续执行。
-
Patent Agency Ranking
公开(公告)号：CN113409190A
公开(公告)日：2021-09-17
申请号：CN202110528164.1
申请日：2021-05-14
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多帧分组与反馈网络的视频超分辨率方法，包括：构建初始超分辨率网络模型，获取训练视频数据集；确定需超分的目标帧，对其进行上采样，获得初步超分视频帧；将训练视频数据包含的视频帧序列分组；提取分组的视频帧序列的特征图，并对其进行对齐、融合操作，获得LR特征图；对LR特征图进行逐步反馈超分，获得超分特征图序列；对超分特征图序列进行重建，获得重建超分残差信息序列，并与初步超分视频帧相加，获得目标帧的最终超分视频帧序列；设置损失函数，对初始超分辨率网络模型进行训练，获得训练好的超分辨率网络模型；本发明提高了视频超分辨率效果，重建出的视频帧细节保持效果明显提高。
-
公开(公告)号：CN109446339B
公开(公告)日：2021-08-06
申请号：CN201811183372.7
申请日：2018-10-11
Applicant: 广东工业大学
IPC: G06F16/36
Abstract: 本发明涉及深度学习技术领域，具体是一种基于多核高斯分布的知识图谱表示方法，包括负样本采样、多核高斯分布的实体、关系表示，利用基于翻译思想的平移距离模型对实体和关系的表示进行学习，本发明通过使用多核高斯分布表示知识图谱中的每一个实体，考虑了实体具有多语义的特性和每一语义都具有语义范围的天然属性，在一定程度上解决了知识图谱中实体因为多语义特性引起的语义歧义的问题，也在一定程度上改进了传统方法没有考虑语义范围的缺点。同时，对比其他方法，这种方法训练过程简单，效果更佳。
-
公开(公告)号：CN113159233A
公开(公告)日：2021-07-23
申请号：CN202110560658.8
申请日：2021-05-21
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明提出一种谱聚类加速方法、系统、计算机设备及存储介质，解决了当前谱聚类方法中，优秀锚点选取和K均值计算耗时长的问题，本发明提出一种谱聚类加速方法、系统、计算机设备及存储介质，相对于传统近似谱聚类通过选取的锚点和原始数据点构建的稀疏表示矩阵Z构建ZZT来近似表示拉普拉斯图矩阵，然后获得其相对应的特征向量进行K均值聚类，获得最终聚类结果矩阵的方法，本发明不须最后的K均值聚类，实际在待谱聚类的原始数据规模较大时，K均值聚类耗费时间长，本发明将K均值运算规模从所有点变成了锚点，减少优秀锚点的获取时间，在保证一定准确率的前提下，减少谱聚类近似算法计算时间，特别是大规模谱聚类问题，能大幅减少运算时间。
-
公开(公告)号：CN107133104B
公开(公告)日：2020-07-21
申请号：CN201710338078.8
申请日：2017-05-15
Applicant: 广东工业大学
Abstract: 本发明提供一种分布式流数据处理应用在减载下资源感知的方法。本发明通过对减载情况下的分布式流式数据处理应用的实际负载的建模与分析，预测该应用在不进行减载操作情况下的真实负载。基于真实负载，本发明能够辅助分布式流式数据处理处理系统的资源管理和调度框架对应用所需要的计算、储存等资源做出正确的测量与分配。
-
公开(公告)号：CN107169031B
公开(公告)日：2020-05-19
申请号：CN201710248113.7
申请日：2017-04-17
Applicant: 广东工业大学
IPC: G06F16/9535 , G06F16/583 , G06N3/08
Abstract: 本发明涉及数据挖掘、机器学习及神经网络技术领域，更具体地，涉及一种基于深度表达的图片素材推荐方法，在基于反向传播技术的神经网络模型下，利用Show And Tell技术、Doc2Vec技术及Image2Vec技术对文章及图片进行深度表达处理，并构建一个用于计算文章和图片匹配度的神经网络并对其进行训练和测试，最终得到一个准确率高的计算文章和图片匹配度的神经网络，将一篇文章和多张图片组成多个组合(D，I)，将多个组合一一输入该神经网络计算出各个组合的匹配度，即能为该篇文章推荐出匹配度最高的一幅图片，减轻使用者的劳动强度，为使用者带来便利。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.025 seconds)
