-
公开(公告)号：CN109241912B
公开(公告)日：2020-08-07
申请号：CN201811046842.5
申请日：2018-09-08
Applicant: 河南大学
Abstract: 本发明提供一种面向无人自主系统的基于类脑跨媒体智能的目标识别方法。该方法包括：步骤1、获取无人自主系统采集到的目标场景的视音频数据，对所述视音频数据进行预处理，提取所述视音频数据中的语言文字，将所述语言文字采用分布式表示，得到词向量；步骤2、结合对象时空上下文信息，对预处理后的视音频数据和词向量进行显著性计算；步骤3、根据显著性计算结果和对象时空上下文信息，训练多模态融合神经网络，提取视音频数据和词向量的属性语义信息；步骤4、根据对象时空上下文信息、属性语义信息和目标知识图谱的先验知识，采用认知计算和贝叶斯推理，得到目标场景中的目标语义信息。本发明能有效提升无人自主设备的智能化目标识别效果。
-
公开(公告)号：CN109670187A
公开(公告)日：2019-04-23
申请号：CN201811625340.8
申请日：2018-12-28
Applicant: 河南大学
Abstract: 本发明涉及一种互联网信息技术领域，具体涉及一种基于互联网文本描述数据的软件共性特征提取方法，方法包括：获取互联网软件公开文本的软件描述文本、用户评分数据和下载量数据；根据软件描述文本得到联网公开文本的软件特征；根据用户评分数据选择重要软件特征；根据下载量数据挖掘面向用户的特征关联关系；在所挖掘的面向用户的特征关联关系中，寻找与重要软件特征有关联性的其他软件特征。本发明根据互联网软件的公开文本，利用自然语言的处理方法，挖掘特定领域的软件共性特征并识别其中较为重要的特征，以便设计人员快速分析特定领域内软件重要的共性特征。
-
公开(公告)号：CN115905445B
公开(公告)日：2023-08-25
申请号：CN202211627059.4
申请日：2022-12-16
Applicant: 河南大学
Abstract: 本发明涉及要素化简技术领域，具体涉及一种基于Seq2Seq模型的道路要素化简方法，该方法包括：获取大比例尺下的地图中道路数据的数据点对应的位置坐标，获取弧段的位置信息构成特征序列；将特征序列输入道路化简模型中，输出小比例尺下的地图中道路的特征序列；所述道路化简模型为全连接层和GRU网络构建的Seq2Seq网络模型，将匹配的大小比例尺对应的道路数据构成匹配对，获取匹配对中大小比例尺对应的特征序列作为训练数据集；以匹配对中大比例尺对应的特征序列作为全连接层的输入，以小比例尺对应的道路的特征序列作为解码器的输出，训练网络模型。本发明提高了化简效率，确保了参数设置的简便性和最优性。
-
公开(公告)号：CN116363466A
公开(公告)日：2023-06-30
申请号：CN202310125906.5
申请日：2023-02-16
Applicant: 河南大学
IPC: G06V10/80 , G06V10/82 , G06V10/762 , G06V10/764 , G06V10/774 , G06V20/64
Abstract: 本发明公开一种基于边卷积网络、聚类网络及注意力机制的点云特征提取方法，首先构建基于边卷积网络、聚类网络及注意力机制的点云特征提取网络；然后进行特征提取；点云特征提取网络首先利用边卷积层提取每个点的局部特征，然后注意力模块作用于边卷积层的输出，学习每个点的权重，并根据权重聚合各个点的特征，得到当前点云的全局特征，然后利用聚类层将边卷积之后更新得到的各个点进行聚类，以减少点的个数；通过重复上述过程，最终在将输入的点云聚类为1个点之后，通过融合多个层次的全局特征以及最终聚类得到的点的特征，得到最终的输入点云的特征。通过本发明提取的点云特征能够有效的保留点云全局信息及局部信息，并能够提高点云分类精度。
-
公开(公告)号：CN115618131B
公开(公告)日：2023-05-23
申请号：CN202211411355.0
申请日：2022-11-11
Applicant: 河南大学
IPC: G06F16/9536 , G06Q30/0601
Abstract: 本发明公开一种融合交互频率与注意力网络的物品推荐方法及系统，该方法包括：将收集的每个用户/物品信息进行向量化，得到对应的嵌入向量；将收集的用户物品评分信息根据设定的阈值进行偏好标记，并根据偏好标记筛选给定目标用户喜欢的物品集合和喜欢给定候选物品的用户集合；统计物品集合中每个物品的交互频率，根据融合物品交互频率的注意力网络预测目标用户对候选物品的偏好分数；统计用户集合中每个用户的交互频率，根据融合用户交互频率的注意力网络预测候选物品被目标用户喜欢的偏好分数；将上述两项偏好分数加权求和，得到目标用户对候选物品的交互预测分数，选取top‑k个候选物品进行推荐。本发明能准确地捕获用户和物品的偏好特征。
-
Patent Agency Ranking
公开(公告)号：CN110209938A
公开(公告)日：2019-09-06
申请号：CN201910468791.3
申请日：2019-05-31
Applicant: 河南大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明提供一种基于服务多粒度属性的潜在用户推荐方法，包括以下步骤：步骤S1：根据对服务包含类型标签进行聚类产生的服务共性类型类簇实施用户对服务粗粒度属性评分预测；步骤S2：根据jaccard系数基于服务包含类型计算服务间相似性，根据邻居服务进行用户对服务细粒度属性评分预测；步骤S3：对服务粗、细粒度属性的预测评分进行加权求和，实施用户对服务多粒度属性预测并对预测评分进行排序，选择top-k个评分较高的潜在用户进行推荐。本发明的优点在于：从面向服务的角度进行潜在用户的推荐研究；从服务所属共性类型的类簇和服务所属类型方面同时考虑服务粗粒度属性和细粒度属性，有效解决冷启动问题，提高推荐准确度。
-
公开(公告)号：CN105260192B
公开(公告)日：2018-08-03
申请号：CN201510744802.8
申请日：2015-11-06
Applicant: 河南大学
IPC: G06F8/10
Abstract: 本发明提供种基于目标的信息物理融合系统软件需求分析方法,其包括以下步骤:明确用户需求:分析用户需求所引用的可观测现象以及期望实现的可控现象,建立现象间的因果关系式来表达用户的需求;推理软件需求:从用户的需求出发,以目标分解为策略,推理分析构成信息物理融合系统所需的软件实体、物理实体以及软件实体和物理实体应具有的性质;验证用户需求的可满足性:验证基于所识别的软件实体和物理实体的性质用户的需求能否得到满足。本发明可以解决现有的需求分析方法在分析CPS的软件需求时所面临的挑战。
-
公开(公告)号：CN117523386A
公开(公告)日：2024-02-06
申请号：CN202311391297.4
申请日：2023-10-25
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及高光谱遥感数据的预测分类技术领域，具体涉及一种基于少样本高光谱遥感数据的分类方法。该方法包括：获取高光谱遥感图像的数据集，并进行预处理，得到训练样本数据集；对所述训练样本数据集中的各高光谱遥感图像进行取样，获得每个高光谱遥感图像对应的尺寸不同的图像块；构建图像分类模型和所述图像分类模型的损失函数以及可训练参数；利用所述训练样本数据集中的各高光谱遥感图像对应的尺寸不同的图像块，基于所述损失函数对图像分类模型进行训练，并更新可训练参数，得到最优可训练参数；基于最优可训练参数和训练后的图像分类模型对高光谱遥感图像进行分类。本发明能够提高对于高光谱遥感图像分类的效率和准确性。
-
公开(公告)号：CN117352049A
公开(公告)日：2024-01-05
申请号：CN202311439766.5
申请日：2023-10-31
Applicant: 河南大学
IPC: G16B20/00 , G16B40/20 , G06F18/214
Abstract: 本发明公开一种基于自监督学习和Kronecker积分解的参数高效蛋白质语言模型设计方法。基于transfomer模型，采用自监督学习技术从大规模蛋白质序列数据中学到有用的生物信息。为了降低蛋白质语言模型对显存的需求以方便部署，本发明首先把全连接层的权重矩阵表示成多个小矩阵的Kronecker积的和，然后设计了一种基于Eckhart‑Young定理的奇异值分解方法对小矩阵参数集进行初始化。本发明提出的设计方法可以在维持蛋白质语言模型建模能力的同时显著减少参数的数量。此外，基于本发明获得的预训练蛋白质语言模型可以为蛋白质结构预测、蛋白质折叠识别和蛋白质功能预测等任务提供富含生物信息的嵌入特征。
-
公开(公告)号：CN115618131A
公开(公告)日：2023-01-17
申请号：CN202211411355.0
申请日：2022-11-11
Applicant: 河南大学
IPC: G06F16/9536 , G06Q30/0601
Abstract: 本发明公开一种融合交互频率与注意力网络的物品推荐方法及系统，该方法包括：将收集的每个用户/物品信息进行向量化，得到对应的嵌入向量；将收集的用户物品评分信息根据设定的阈值进行偏好标记，并根据偏好标记筛选给定目标用户喜欢的物品集合和喜欢给定候选物品的用户集合；统计物品集合中每个物品的交互频率，根据融合物品交互频率的注意力网络预测目标用户对候选物品的偏好分数；统计用户集合中每个用户的交互频率，根据融合用户交互频率的注意力网络预测候选物品被目标用户喜欢的偏好分数；将上述两项偏好分数加权求和，得到目标用户对候选物品的交互预测分数，选取top‑k个候选物品进行推荐。本发明能准确地捕获用户和物品的偏好特征。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.061 seconds)
