公开(公告)号：CN117033793A

公开(公告)日：2023-11-10

申请号：CN202311043022.1

申请日：2023-08-17

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  陈祥友 ,  肖刚 ,  程振波 ,  徐雪松

IPC: G06F16/9535 ,  G06N5/022 ,  G06N5/04 ,  G06N3/0442 ,  G06N3/092

Abstract: 一种基于强化学习和路径推理的可解释推荐方法，包括以下步骤：(1)从各类推荐数据抽取用户、项目、属性等各类实体以及它们之间的关系，构建完整的知识图谱；(2)构建强化学习框架，过程如下：构建了一个强化学习框架，该框架可以在知识图谱上使用户找到对应的推荐项目和推荐理由，包括知识图谱嵌入、强化学习环境和动作选择三个模块；(3)推荐模型训练，通过上述训练得到的推荐模型可以为用户推荐项目，并以知识图谱路径的方式给出推荐理由。本发明融合知识图谱和强化学习方法，在为用户推荐相应项目的基础上，以路径的方式给出推荐依据，提高了推荐系统的可解释性。

公开(公告)号：CN116861330A

公开(公告)日：2023-10-10

申请号：CN202310702406.3

申请日：2023-06-13

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  郑文博 ,  黄嘉诚 ,  肖刚 ,  程振波 ,  徐雪松

IPC: G06F18/2415 ,  G06N5/02 ,  G06N20/00

Abstract: 本发明公开了一种基于图注意力网络的装备健康状态评估方法，包括以下步骤：1)根据先验知识，采用知识图谱将装备部件的关联关系、监测数据依赖关系和先验信息等深度融合，构建出可以全面反映装备健康状态变化的图数据模型；2)基于构建的装备健康状态知识图谱，采用快速图变换网络提取健康状态知识图谱的特征信息，学习得到精确反映装备健康状态的表示向量；3)将装备健康状态表示向量经过全连接层得到健康状态分类预测概率，训练缩小与真实标签的损失值，得到健康状态评估结果。本发明能够通过提取各类数据的潜在数据特征，显著提高装备的健康状态评估的准确性。

公开(公告)号：CN116823716A

公开(公告)日：2023-09-29

申请号：CN202310373080.4

申请日：2023-04-10

Applicant: 浙江工业大学 ,  新凤鸣集团股份有限公司

Inventor： 高飞 ,  曹晓璐 ,  张元鸣 ,  程振波 ,  庄耀中 ,  章四夕 ,  沈孙强 ,  施耀飞

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及工业缺陷检测技术领域，具体公开了一种织物表面缺陷的检测方法，本发明首先对织物缺陷图像作预处理，采用CSP_Darknet53网络模型做初始的特征提取，再采用DCSPPF模块以保留更多缺陷信息，最后采用DCPANet模块实现进一步的特征融合，得到三张大小不同的特征图送入三个检测头，输出织物图像缺陷的检测框；本发明能够检测出织物表面的各种缺陷，能够在一定程度上克服小目标缺陷信息的丢失，也对多尺度的缺陷信息有更好的鲁棒性，从而实现织物缺陷检测精度的提升，降低织物成本的损失，这对织物生产有重要的意义。

公开(公告)号：CN116128920A

公开(公告)日：2023-05-16

申请号：CN202211489742.6

申请日：2022-11-25

Applicant: 浙江工业大学

Inventor： 叶永伟 ,  丁浩南 ,  程振波

IPC: G06T7/246 ,  G06V10/44 ,  G06T7/50 ,  G06T7/90

Abstract: 本发明公开了一种基于轮廓匹配的鱼体目标跟踪方法与装置，步骤1：采样视频图像帧，建立当前环境下的背景模型，利用背景差分和目标颜色特征提取目标轮廓；步骤2：将所有检测到的目标图像输入进遮挡检测器，若输出为一条则表示当前目标为独立状态，若输出为两条及以上则表示当前目标为遮挡状态；对于独立状态的鱼体目标进入步骤3处理，遮挡状态的鱼体目标进入步骤4处理；步骤3：获取独立目标轮廓的姿态方向；步骤4：对于遮挡检测器判断为遮挡的鱼体目标图像，使用模板匹配的方法确定遮挡图像中跟踪目标的位置和方向；步骤5：利用位置和方向相似度将检测目标和跟踪目标进行匹配；实现对遮挡目标的准确跟踪。

公开(公告)号：CN111475610B

公开(公告)日：2022-06-17

申请号：CN202010127369.4

申请日：2020-02-28

Applicant: 浙江工业大学

Inventor： 陆佳炜 ,  吴涵 ,  马超治 ,  徐俊 ,  程振波 ,  肖刚

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06K9/62

Abstract: 一种基于密度峰值检测的Mahsup服务聚类方法，所述方法包括以下步骤：第一步、对于所有参与聚类的Mashup服务的特征向量，进行局部密度、向量间距离和较高密度最近距离计算；第二步、基于第一步计算的密度信息，从所有Mashup服务特征向量中，筛选出聚类中心的候选点；第三步、对第二步所得的聚类中心候选点，进一步筛选出最为合适的K个初始聚类中心，进行K‑means聚类。本发明能够有效提升Mashup服务聚类精度，缩小服务搜索空间。

公开(公告)号：CN114265924A

公开(公告)日：2022-04-01

申请号：CN202111586986.1

申请日：2021-12-23

Applicant: 浙江工业大学

Inventor： 刘星光 ,  程振波 ,  肖刚 ,  孟航程 ,  李琴 ,  孙力 ,  张皓鑫 ,  王亚明 ,  徐雪松 ,  陆佳炜 ,  张元鸣

IPC: G06F16/332 ,  G06F16/33 ,  G06F40/216 ,  G06F40/289

Abstract: 本申请所述方法针对表格问答系统中表格检索部分，提出了一种利用问句实现关联表格检索的方法与装置，该方法可以为问句匹配出最相关的表格。方法包括：根据问句和表格，分别计算问句中的词在表格中出现的频率，及表格中的词在问句中出现的频率；对问句和表格进行词嵌入向量表示；将问句与表格的词嵌入表示向量和计算频率进行融合，进而得到问句与表格的融合向量；最后融合向量将被用于计算问句与表格的相似性。

公开(公告)号：CN110472591B

公开(公告)日：2022-03-25

申请号：CN201910765422.0

申请日：2019-08-19

Applicant: 浙江工业大学

Inventor： 高飞 ,  金一鸣 ,  卢书芳 ,  张元鸣 ,  程振波 ,  肖刚

IPC: G06V40/10 ,  G06V10/75 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种基于深度特征重构的遮挡行人重识别方法，包括如下步骤，步骤1.1：给定待匹配的带遮挡行人的图像；步骤1.2：设计特征提取网络FPSN；步骤1.3：给待匹配图像Pd和Pc中的行人进行姿态预测，得到行人骨架；步骤2.1：根据骨架将图像Pd和Pc中的行人划分为头部，左右躯干以及上下腿部五个子图部分；步骤3.1：将图像Pdb和Pcb行分别放入FPSN网络中进行特征提取；步骤3.3，用Y中的块yj对X中任意的小块xi进行稀疏重构；步骤4.1：计算xi与yj的余弦相似度tij；步骤4.2：计算xi与Y之间的距离di；步骤4.3：根据式(1)计算图像Pd和Pc之间相似度；本发明的优点是：利用行人姿态估计，深度学习以及特征重构的方法，将行人图像进行子区域划分和遮挡部分处理。

公开(公告)号：CN111079543B

公开(公告)日：2022-02-15

申请号：CN201911143268.X

申请日：2019-11-20

Applicant: 浙江工业大学

Inventor： 高飞 ,  董信阳 ,  李帅 ,  卢书芳 ,  张元鸣 ,  程振波 ,  肖刚

IPC: G06V20/58 ,  G06V10/56 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的高效车辆颜色识别方法。它包括：将车辆图像的测试样本与训练样本归一化到224×224像素；使用训练样本训练卷积神经网络，提取车辆图像的深层颜色特征信息；使用深层颜色特征训练分类器识别测试样本的车辆颜色，通过车辆颜色识别可以更好的用于车辆的识别和追踪，可以为快速行动的执法提供直观的视觉提示，为视频监控和执法部门提供了重大的帮助。本发明能够提高车辆颜色识别的准确率，精简结构参数，缩减模型内存体积，实现在CPU设备上实时分析，适用于低性能设备的车辆颜色检测。

公开(公告)号：CN113704500A

公开(公告)日：2021-11-26

申请号：CN202111044470.4

申请日：2021-09-07

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  肖士易 ,  肖刚 ,  陆佳炜 ,  程振波

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种基于图神经网络的知识图谱社区划分方法，包括以下步骤：1)构建知识图谱及其邻接矩阵；2)利用图神经网络将知识图谱中的节点进行表示学习，得到节点的向量表示；3)基于余弦相似度计算节点间的相似度；4)根据同类型的节点间的邻接关系以及节点相似度构建一个无向有权节点关系网络；5)设置模块度评估社区内部的内聚程度；6)通过社区划分算法将知识图谱中目标节点进行社团划分。本发明通过图神经网络学习知识图谱的节点特征，然后在向量空间中以节点相似度为基准进行社区划分，提高了社区划分的准确率。

公开(公告)号：CN113592893A

公开(公告)日：2021-11-02

申请号：CN202110999574.4

申请日：2021-08-29

Applicant: 浙江工业大学

Inventor： 陆佳炜 ,  朱冰倩 ,  陈纬鉴 ,  姜钦凯 ,  董振兴 ,  朱明杰 ,  程振波

IPC: G06T7/194 ,  G06T7/12 ,  G06T7/90 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种确定主体和精准化边缘相结合的图像前景分割方法，将用于定位显著性区域的确定主体过程和精准分割目标的边缘精准化过程相结合，首先确定主体部分设计了上下文感知金字塔特征提取模块得丰富的上下文特征，结合上下文感知金字塔特征提取模块特征映射后的通道注意机制CA模块和低层次特征映射后的空间注意机制SA模块，用一种使用交叉熵损失来监督显著边界定位信息的生成从而得到定位信息；然后精准化边缘过程，以光谱消光技术为基础获取图像中非局部颜色特征，用ResNet‑101深度残差网络获取高级语义特征，用拉普拉斯矩阵结合两者以对图像中的像素点进行分类，达到目标精准分割的效果；最后，在将两个过程的结果相融合。