公开(公告)号：CN115129925B

公开(公告)日：2024-10-29

申请号：CN202210658970.5

申请日：2022-06-13

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  杨卉

IPC: G06F16/735 ,  G06F16/75 ,  G06F16/78 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于自编码器的电影推荐方法，包括步骤S1：从互联网上公开的数据集中获取用户信息、电影信息和用户对电影的评分数据；步骤S2：对用户与电影的信息进行分类筛选，从评论中提取关键词，将信息划分为深层信息与浅层信息并保证每条数据占用适量的内存；步骤S3：对用户与电影的特征进行编码，将特征向量转化为特征值嵌入到评分矩阵中作为自编码器的输入数据；步骤S4：预设参数并对自编码器进行训练，通过得出的结果计算RMSE评价和MAE评价，利用结果反馈对参数进行调整并再次训练；在数据集中加入随机噪音，设置不同噪音率并基于RMSE评价的基础上进行比对，选择并确定最优噪音率；步骤S5：输出数据并依据预测评分进行top‑n电影推荐。

公开(公告)号：CN116664445A

公开(公告)日：2023-08-29

申请号：CN202310755009.2

申请日：2023-06-25

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  陈慧宇

IPC: G06T5/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80 ,  G06T3/40

Abstract: 本发明涉及一种基于高分辨率的单幅图像去雨网络的去雨方法，包括以下步骤：步骤一：获取无雨图和与之对应的有雨图；构建无雨图与有雨图对应的初始数据集，并划分为训练集与测试集；步骤二：构建基于高分辨率网络的单幅图像去雨网络；通过从单幅图像去雨网络通过多个串联的多分辨率模块从有雨图中学习到雨纹特征，再从有雨图中减去雨纹特征得到去雨图；步骤三：将训练集输入单幅图像去雨网络中进行训练；步骤四：将测试集输入至训练完成的单幅图像去雨网络中，获取去雨图。解决了传统基于深度学习的去雨方法存在部分失真及局部背景模糊的问题，极大的提取全局信息及像素间关联，减少信息丢失，保留更多图像细节信息及背景信息，获得清晰的去雨图像。

公开(公告)号：CN115129815A

公开(公告)日：2022-09-30

申请号：CN202210777915.8

申请日：2022-06-28

Applicant: 上海应用技术大学

Inventor： 林家宝 ,  于万钧

IPC: G06F16/33 ,  G06F40/216 ,  G06F40/289 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种融合改进YAKE和神经网络的文本相似度计算方法。通过改进YAKE算法的关键词候选阶段，利用词性、词语位置、词跨度、词频、词语语境关联性、异句词数量进行词语的特征值计算，综合所有特征值再计算每个候选词的关键词评分，按照评分的升序输出关键词。最后将所有关键词输入到训练好的word2vec模型中向量化，对所有关键词的向量加和求平均，最后计算余弦相似度得出不同文本的相似度。通过上述方式，本发明主要解决YAKE算法不适用于中文文本关键词提取的问题，同时减少中文文本相似度计算输入数据量大和复杂度高的问题。

公开(公告)号：CN114742994A

公开(公告)日：2022-07-12

申请号：CN202210492187.6

申请日：2022-05-07

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  史悦

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层次特征融合的RGB‑D显著性检测方法。该方法能够通过探索多层次差异化特征融合方式，以实现对图片的显著性检测。提出的方法通过设计深度增强模块过滤深度图中的冗余信息，并且从通道和空间维度挖掘有用的信息；通过在高低层次上设计不同的特征融合模块，更好地探索全局信息与局部信息以实现对显著图的准确预测。通过上述方式，本发明主要解决显著性检测中低质量深度图问题和在跨模态融合时各层次采用相同的融合方式问题，属于计算机视觉领域的技术。

公开(公告)号：CN112434958A

公开(公告)日：2021-03-02

申请号：CN202011368104.X

申请日：2020-11-30

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  张淼

IPC: G06Q10/06 ,  G06Q50/26 ,  G06F16/906 ,  G06N3/00

Abstract: 本发明提供了一种基于大数据的恐慌群体应急疏散分析方法，通过大数据平台模拟商场应急疏散场景，利用并行化的蚁群算法对商场应急疏散大数据进行处理，获得不同恐慌程度逃生人群的疏散路径选择，从而实现了将大数据技术和群体性恐慌理论相结合，利用大数据技术解决了大型商场应急疏散相关数据规模大、结构多样和价值密度低的存储和分析问题，利用基于MapReduce的并行化蚁群算法处理商场应急疏散相关数据，量化恐慌群体行为对疏散效率影响的大小，得出逃生情况下不同恐慌群体的疏散效率变化，缩短了处理时间，降低了处理成本和难度，从而实现合理利用疏散路段，有效疏散恐慌群体的目的，最终预防严重踩踏事故的发生。

公开(公告)号：CN112132475A

公开(公告)日：2020-12-25

申请号：CN202011037106.0

申请日：2020-09-27

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  吴晓宇

IPC: G06Q10/06 ,  G06Q10/10 ,  G06Q50/26 ,  G06K9/00 ,  A61B5/0402 ,  A61B5/0476 ,  A61B5/18

Abstract: 本发明提供了一种司机驾驶安全绩效考核方法及系统，本形成一套完整的驾驶安全测评体系，包括人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测、脑电和心电检测，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。

公开(公告)号：CN107665315A

公开(公告)日：2018-02-06

申请号：CN201711050032.2

申请日：2017-10-31

Applicant: 上海应用技术大学

Inventor： 于万钧 ,  沈斌

IPC: G06F21/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种适用于Hadoop的基于角色与信任的访问控制方法，首先在Hadoop的配置文件中预先定义好信任度与权限的映射关系，之后对Hadoop日志文件中的用户行为进行收集处理，再采用神经网络算法中的backpropagation算法对采集到的数据进行处理来计算信任度，并迭代往返来修正信任度，根据用户的信任度去查询信任度与权限的映射关系来明确用户具有何种权限资源的权限。本发明解决了Hadoop中合法用户后期行为可信性问题，通过神经网络算法动态更新用户信任度，实现灵活、可靠的访问控制机制。

公开(公告)号：CN118885603A

公开(公告)日：2024-11-01

申请号：CN202411014924.7

申请日：2024-07-26

Applicant: 上海应用技术大学

Inventor： 高美珠 ,  于万钧 ,  吴盈

IPC: G06F16/335 ,  G06F16/36 ,  G06N5/022

Abstract: 本发明涉及图书推荐方法技术领域，尤其涉及基于DeepFM和注意力机制的知识图谱图书推荐方法及系统，包括：利用TransE方法和TransH方法获取读者和电子图书的初始向量嵌入，通过One‑Hot编码处理其特征，得到对应的向量表示。利用DeepFM模型优化读者向量表示得到最终的读者向量Xreader，使用KGAT模型的信息传播模块优化电子图书表示得到最终的电子图书向量Xbook。利用Xreader和Xbook进行评分预测和模型参数优化。我方发明的方法充分利用知识图谱和特征交互信息，不仅有效缓解数据稀疏性问题，降低冷启动的影响，还提升了推荐模型的准确性和泛化能力。

公开(公告)号：CN118210609A

公开(公告)日：2024-06-18

申请号：CN202410369560.8

申请日：2024-03-28

Applicant: 上海应用技术大学

Inventor： 韩腾飞 ,  于万钧 ,  吴盈 ,  程岳庆 ,  刘湘楠

IPC: G06F9/48 ,  G06F9/50 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明公开了一种基于DQN模型的云计算调度方法，涉及。包括定义云计算环境中的任务调度问题；构建任务调度架构，计算任务优先级，并进行调度决策；设计奖励函数，并训练DQN模型，任务调度架构包括任务管理器、调度器、DQN模型以及资源管理器，根据预先设定的概率将任务随机映射到虚拟机上，实现从随机探索到利用经验的过渡；当模型做出决策并获得反馈时，将经验存储到重放存储器中；重放存储器按批量抽取样本数据，对模型进行训练；设计奖励函数，采用深度神经网络结构构建DQN模型，并设置超参数；迭代训练DQN模型。本发明设计了综合时间跨度和服务水平协议(SLA)违反情况的奖励函数，使DQN模型在训练过程中能够权衡多个目标。

公开(公告)号：CN117196754A

公开(公告)日：2023-12-08

申请号：CN202310506214.5

申请日：2023-05-05

Applicant: 上海应用技术大学

Inventor： 胡珍 ,  于万钧

IPC: G06Q30/0601 ,  G06Q50/14 ,  G06F16/906 ,  G06F16/9536

Abstract: 本发明涉及一种基于上下文数据的个性化兴趣点推荐方法，基于上下文数据的个性化兴趣点推荐方法，针对数据稀疏性，方法中采用基于曼哈顿函数和DBSCAN聚类的两级聚类方法，减少用户发现兴趣点POI的时间；为了发现上下文因素之间的相似性，本方法将向量形式的上下文信息与词频‑逆文档频率技术相结合；基于用户相似度、POI相似度与主题模型构建出个性化用户‑POI加权图，将用户与POI进行关联；使用明确的人口统计信息来缓解兴趣冷启动问题；在进行兴趣点推荐时，考虑了用户与这些地方的空间距离和当前气候，提高推荐效果。