-
公开(公告)号：CN114706977A
公开(公告)日：2022-07-05
申请号：CN202210182172.X
申请日：2022-02-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于动态多跳图注意力网络的谣言检测方法及系统，该方法包括以下步骤：步骤A：提取已知事件下的帖子的用户信息、回复信息及帖子间的转发或评论关系，并标注每个事件是否为谣言，构建训练集S；步骤B：使用训练集S训练基于动态多跳图注意力网络的深度学习网络模型G，用于分析每个事件是否为谣言；基于动态多跳图注意力网络的谣言检测模型步骤C：将提取的用户信息、回复信息和帖子间关系与帖子的文本信息一起输入到训练后的深度学习网络模型G中，得到对每个事件是否为谣言的预测。该方法及系统有利于提高谣言检测的准确性。
-
公开(公告)号：CN108595632B
公开(公告)日：2022-05-24
申请号：CN201810375856.5
申请日：2018-04-24
Applicant: 福州大学
Abstract: 本发明涉及一种融合摘要与主体特征的混合神经网络文本分类方法，包括以下步骤：步骤A：对训练集中各文本抽取摘要；步骤B：使用卷积神经网络学习步骤A得到的摘要的关键局部特征；步骤C：使用长短期记忆网络学习训练集中各文本主体内容上的上下文时序特征；步骤D：将步骤B和步骤C得到的两种特征级联，得到文本整体特征，将训练集中各文本的文本整体特征输入到全连接层，使用分类器计算各文本属于各类别的概率来训练网络，得到深度神经网络模型；步骤E：利用训练好的深度神经网络模型预测待预测文本所属类别，取概率最大的类别作为预测的类别输出。该方法有利于提高基于深度神经网络的文本分类的准确率。
-
公开(公告)号：CN108345881B
公开(公告)日：2021-12-21
申请号：CN201810101325.7
申请日：2018-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于计算机视觉的文档质量检测方法。针对传统的人工肉眼检测困难，效率低，可靠性差，受到主观性影响较大的问题提出了基于计算机视觉的文档质量检测方法。为精确检测文档质量，该方法首先得通过合理的方法对高速文档打印视频进行静止帧提取；其次，基于计算机视觉的预处理方法对文档图像进行合适的图像预处理；再次，对预处理好得文档图像进行精确的轮廓检测和提取；紧接着，对提取到的文档轮廓图像进行倾斜矫正，使得畸形图像变为正常平铺的文档待检测图像；最后，对待检测图像进行PSNR和MSE质量评估，与模板进行比对，得出文档质量的检测结果。该方法拥有高效性、可靠性、连续性、灵活性等等特点，具有较强的实际应用性。
-
公开(公告)号：CN109145105B
公开(公告)日：2021-11-30
申请号：CN201810830720.9
申请日：2018-07-26
Applicant: 福州大学
IPC: G06F16/335 , G06F16/36 , G06F40/30
Abstract: 本发明涉及一种融合信息选择与语义关联的文本摘要模型生成算法，首先基于Encoder‑Decoder模型的基础之上结合注意力机制以获取输入序列足够的信息；接着采用拷贝机制与覆盖度机制解决生成摘要中的未登入词问题与子句重复的问题；然后设计一种选择网络，通过该网络对原文进行二次编码以过滤冗余信息；最后通过比较原文与摘要的语义相关度，校正摘要的语义，提升摘要与原文的语义关联。
-
公开(公告)号：CN108550119B
公开(公告)日：2021-11-02
申请号：CN201810262921.3
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种结合边缘信息的图像去噪方法，包括以下步骤：步骤S1：对噪声图像采用加噪标准差σ作为去噪参数进行去噪，获得第一去噪结果；步骤S2：对不同噪声幅度下的噪声图像采用不同缩小率缩小后的标准差r×σ作为去噪参数进行去噪，获得第二去噪结果；步骤S3：对第一去噪结果计算图像边缘信息，得到边缘图像；步骤S4：对边缘图像进行膨胀操作，得到膨胀后的边缘图像；步骤S5：采用膨胀后的边缘图像作为权重图，将第一去噪结果与第二去噪结果相结合，获得最终的去噪结果。该方法有利于提高图像去噪方法的性能，可应用于图像和视频处理、计算机视觉等领域。
-
Patent Agency Ranking
公开(公告)号：CN109509110B
公开(公告)日：2021-08-31
申请号：CN201810841711.X
申请日：2018-07-27
Applicant: 福州大学
IPC: G06Q50/00 , G06F40/289 , G06F40/216 , G06F16/35 , G06F16/9536
Abstract: 本发明涉及一种基于改进BBTM模型的微博热点话题发现方法，包括：微博文本预处理，对微博数据集进行微博去噪、分词、去停用词等预处理操作；特征选择与词对热值概率化，采用词的突发概率进行特征选择，将微博短文本形成词对，并计算词对的热值突发概率，作为BBTM模型的先验概率；话题数目的自动确定；调用BBTM模型进行热点话题发现，获得话题热点词分布；微博聚类，判定每个微博文本的话题。本发明提出的基于改进BBTM模型的微博热点话题发现方法，可以在不需要预先设定话题题数目的情况下，自适应学习话题数目，并且挖掘出微博中潜在的热点话题。
-
公开(公告)号：CN112801909A
公开(公告)日：2021-05-14
申请号：CN202110162762.1
申请日：2021-02-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net和金字塔模块的图像融合去噪方法及系统，该方法包括以下步骤：S1、将成对的原始噪声图像和无噪声图像进行预处理，得到用于训练的成对图像块；S2、选取图像去噪深度网络模型FFDNet，并加载已训练完成的模型参数；步骤S3、构建基于U‑Net和金字塔模块的图像融合去噪网络；S4、以批次为单位将成对图像块输入FFDNet，并将其得到的结果输入图像融合去噪网络，根据损失函数训练图像融合去噪网络；S5、将用于测试的原始噪声图像输入FFDNet，并将其得到的结果输入训练好的图像融合去噪网络，得到最终的去噪图像。该方法及系统有利于提升去噪性能并保留更多的图像细节。
-
公开(公告)号：CN109617909B
公开(公告)日：2021-04-27
申请号：CN201910013192.2
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和BI‑LSTM的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含BI‑LSTM和全连接层的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到神经网络模型的BI‑LSTM层，得到域名的上下文向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
公开(公告)号：CN107220732B
公开(公告)日：2021-01-29
申请号：CN201710399158.4
申请日：2017-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度提升树的停电投诉风险预测方法，包括以下步骤：步骤A：建立用户用电信息表；步骤B：对用户用电信息表中的用户用电信息数据集进行预处理；步骤C：采用Canopy算法、KMeans算法对用户用电信息数据集进行聚类，通过客户画像分析对用户用电信息数据集进行敏感类别标记，然后通过基于SPARK的SMOTE过采样算法对不平衡分布的用户用电信息数据集进行数据处理；步骤D：对用户用电信息数据集进行梯度提升树的训练，得到停电投诉风险模型；步骤E：利用停电投诉风险模型，预测用户的停电敏感类别。该方法有利于准确判别不同用户对停电的敏感程度，以采取不同的安抚和引导策略，减少用户的停电投诉量。
-
公开(公告)号：CN111340191A
公开(公告)日：2020-06-26
申请号：CN202010122760.5
申请日：2020-02-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习的僵尸网络恶意流量分类方法及系统，该方法包括：步骤A：将已标注类别的恶意流量数据转换为带类别标签的IDX图像数据，建立恶意流量训练集R；步骤B：构造包含三个深度残差卷积神经网络的初级分类器，构造softmax逻辑回归模型作为次级分类器；步骤C：将训练集R分为R0和R1两部分，使用R0训练初级分类器，提取恶意流量特征向量，并将提取的特征向量添加到R0中，增强该部分训练集；步骤D：将增强后的训练集与R1合并，用其训练次级分类器；步骤E：将待判定类别的恶意流量数据转换为IDX图像格式，输入到训练好的次级分类器，输出判定结果。该方法及系统有利于快速、准确地识别恶意流量类别。
-
-
-
-
-
-
-
-
-
Search Results
222
records
(took 0.038 seconds)
