-
公开(公告)号：CN116822626A
公开(公告)日：2023-09-29
申请号：CN202310779688.7
申请日：2023-06-29
Applicant: 哈尔滨理工大学
IPC: G06N5/02 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种面向邻居实体层次信息聚合的知识表示学习方法。首先，对中心目标实体周围不同层次的结构特征进行区分和度量。其次，针对星型结构利用图注意力网络对一跳邻居实体进行信息聚合。接着，针对三角形结构利用关系路径编码对多跳邻居实体进行信息聚合。然后，对所得到的关于中心实体的表示向量进行特征融合，制定损失函数并进行模型训练。最后，设计解码器convKB对上一步得到的特征向量训练和学习。现有方法未对中心目标实体周围的不同层次的结构特征进行区分和度量，导致中心目标实体与关系的表示结果产生过平滑性现象，实体链接预测效果较低。
-
公开(公告)号：CN114707044B
公开(公告)日：2023-06-23
申请号：CN202111638174.7
申请日：2021-12-29
Applicant: 哈尔滨理工大学
IPC: G06F16/951 , G06Q50/00
Abstract: 本发明公开了一种基于社区发现的集体社交行为的提取方法及系统，其中，该方法包括：抓取社交网络中多个用户发表的帖子作为初始数据集，并对其进行预处理得到数据集；利用LDA模型处理数据集，生成主题分布；构造基于稀疏表达的相似度计算函数求解每个帖子与主题分布的相似度，得到亲和矩阵；基于自适应损失函数构建社区发现算法，确定目标函数；使用交替迭代法使目标函数不断学习，得到亲和矩阵中同一主题下每个帖子之间的连通分量，以构建目标相似度矩阵确定社区结构；引入node2vec模型将社区结构可视化，根据社区结构中中节点的分布情况提取集体社交行为。该方法可以准确提取明显不同于个体语义行为特征的集体社交行为，且鲁棒性高。
-
公开(公告)号：CN114429404A
公开(公告)日：2022-05-03
申请号：CN202210054283.2
申请日：2022-01-18
Applicant: 哈尔滨理工大学
Abstract: 本申请提供了一种多模异质社交网络社区发现方法，包括：基于所述多模异质社交网络内各节点信息和不同节点间的元路径连接关系集合构建初始信息矩阵；以最短可达元路径的为划分依据划分所述初始信息矩阵，得到多维异质网路信息矩阵；将所述多模异质社交网络内至少两个预设目标节点的所述小信息向量和所述总体信息向量进行维度合并，得到预设目标节点集合的信息矩阵；计算所述初始信息矩阵的融合向量；根据所述融合向量获取社区集合。采用元路径这种数据存储模式将用户及属性之间关系构成关系链，进而获得了更优秀的知识表达能力，利用因子分析模型提取路径中的主成份，改善了节点属性量化不完备这一现状，提高了社区结构的内聚性。
-
公开(公告)号：CN111563846B
公开(公告)日：2021-10-26
申请号：CN201911008829.5
申请日：2019-10-23
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于压缩神经网络的图像去噪方法。首先将噪声图像进行分块来降低训练模型的代价，随后经过压缩神经网络进行图像去噪，增强机制、空洞卷积融合到所发明的去噪网络中提高去噪的性能，最后利用全局残差操作得到干净的图像。去噪网络由增强块和压缩块组成。增强块包括子网络、一个卷积层及激活函数、空洞卷积及激活函数，二个子网络通过Concat操作被连接到一起，增强捕获特征的鲁棒性，之后经过卷积层和激活函数对上述提取的特征信息进行继续学习。压缩块是用来压缩网络的参数和减少模型的训练代价。压缩模块包括卷积及激活函数、普通的卷积及激活函数和卷积层。这里的空洞卷积能提高去噪网络的性能。
-
公开(公告)号：CN110347897A
公开(公告)日：2019-10-18
申请号：CN201910577138.0
申请日：2019-06-28
Applicant: 哈尔滨理工大学
IPC: G06F16/951 , G06F16/9536 , G06F17/27 , G06Q50/00 , G06K9/62
Abstract: 本发明是基于事件检测的微博网络情感社区识别方法。本发明基于Python爬虫爬取微博网络用语的数据，提取微博网络中的社会热点事件，构造事件热点评估函数；度量微博用户对社会热点事件的情感极性，生成微博用户对多个社会热点事件的情感极性标签；初始化微博用户的情感极性标签，构造社区标签更新迭代规则，直至标签收敛时终止循环，将具有相同标签的节点划分到同一社区。本发明解决目前社区识别算法无法刻画用户的情感倾向性，导致输出的社区结果内聚性较低、稳定性不足，在网络演化过程中容易引发社区分裂的问题。本发明保证了输出的社区结果具有较高的内聚性及稳定性，对网络演化产生的网络结构及属性改变具有较高的适应性。
-
Patent Agency Ranking
公开(公告)号：CN119339410A
公开(公告)日：2025-01-21
申请号：CN202411411434.0
申请日：2024-10-10
Applicant: 哈尔滨理工大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0464
Abstract: 本发明提出一种基于种属感知与跨层信息结合的遮挡行人重识别方法，属于多媒体信息处理中的行人重识别领域。本发明通过训练一个由两个共享参数的12层的孪生Vision Transformer骨干网络、其各自的拼图分支与各自跨层信息聚合模块构成的遮挡行人重识别网络，对遮挡的行人图像进行行人重识别。本发明首先将训练数据转换为所需尺寸后，将其在孪生Vision Transformer骨干网络中的完整分支进行前向传播。而后使用其倒数第二个Transformer层的输出在拼图分支进行前向传播。将图片进行随机擦除，使用擦除后的数据在孪生Vision Transformer骨干网络中的擦除分支与其拼图分支中进行前向传播。最后收集所有分支的相似度矩阵，使用自跨层信息聚合模块收集两个分支各自的种属判别特征为导向的跨层信息并计算其损失。最终通过反向传播训练整个网络。测试过程中，测试数据行人图像输入到遮挡行人重识别网络得到行人特征，并实施行人重识别。与其他方法相比，本发明显著提高了遮挡行人重识别的准确率。
-
公开(公告)号：CN119003802A
公开(公告)日：2024-11-22
申请号：CN202411082605.X
申请日：2024-08-08
Applicant: 哈尔滨理工大学
IPC: G06F16/432 , G06F16/483 , G06F17/16 , G06F18/22
Abstract: 一种基于异构信息交互的多物场景下的图文匹配方法，属于多媒体信息处理中的图文匹配领域。本发明首先将数据集划分为训练集、测试集。然后，构造针对多物数据图文匹配问题的联合哈希码矩阵学习公式。然后，利用交替更新算法1对联合哈希码矩阵学习公式进行求解，得到联合哈希码矩阵B。然后，构造针对多物数据图文匹配问题的哈希函数学习公式。然后，利用交替更新算法2对哈希函数学习公式进行求解，得到哈希函数F1、F2。最后，利用上述步骤得到的联合哈希码矩阵B和哈希函数F1、F2对测试集进行测试并计算多物场景下图文匹配的平均准确率。与其他方法相比，本发明的平均准确率更高。
-
公开(公告)号：CN118015694B
公开(公告)日：2024-10-18
申请号：CN202410022752.1
申请日：2024-01-06
Applicant: 哈尔滨理工大学
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于分区感知网络的可见光‑红外跨模态行人图像检索的方法，属于行人图像检索技术领域。该方法可以减轻可见光图像和红外图像之间的模态差异,提高跨模态行人图像检索的性能。该方法首先构造了一个实例级通道注意力模块并将其嵌入双流主干网络中，在保持特征有效性的同时减小两种模态之间的差异。其次，区别于现有的水平划分方式，提出非重叠局部分割的方法对特征图进行划分，并在这些子块中集成局部空间注意力模块，以实现模态一致性表示的学习并增强对身体各部位细粒度特征的识别能力。此外，提出了一种交叉约束的三元组损失函数，旨在通过模态间及模态内的一致性和成对损失构建，进一步优化网络的模态解耦能力。与其他方法相比，精确度更高，性能更加稳健。
-
公开(公告)号：CN114492455B
公开(公告)日：2024-10-15
申请号：CN202210072113.7
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/216 , G06Q50/00
Abstract: 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。
-
公开(公告)号：CN115762473A
公开(公告)日：2023-03-07
申请号：CN202211186809.9
申请日：2022-09-27
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于概率有监督总变化空间学习的语种识别方法，解决了传统i‑vector语种识别系统先验信息利用不充分的问题。在训练阶段，利用开发集移位差分倒谱(SDC)特征训练通用背景模型(UBM)，再将数据集中每段语音的SDC特征作为输入，在UBM上进行自适应得到每段语音的GMM均值超矢量；然后将开发集均值超矢量和类别标签作为模型输入，建立基于概率有监督总变化空间学习的语种识别模型。在识别阶段，分别得到开发集、注册集、测试集中全部语音在概率有监督总变化空间上的i‑vector特征，然后利用线性判别分析(LDA)进行降维，最后利用概率线性判别分析(PLDA)分类器进行评分。该方法能够充分利用先验信息，以此提高系统性能。本发明可以应用于语种识别领域。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.026 seconds)
