公开(公告)号：CN118747527A

公开(公告)日：2024-10-08

申请号：CN202410842554.X

申请日：2024-06-27

Applicant: 桂林电子科技大学

Inventor： 陈俊宇 ,  杨青 ,  池俊椿 ,  陈伟聪

IPC: G06N5/022 ,  G06Q50/20 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及知识追踪技术领域，提供一种基于知识概念关联和历史关注信息的知识追踪方法，包括：一、获取学生学习过程的交互信息，筛选出有效的交互信息；二、将交互信息划分成问题级别序列，概念级别序列两个部分；三、将不同序列输入模型的不同模块中进行训练；通过长短期记忆网络和图卷积神经网络得到学生的知识状态；在问题级别序列提取历史关注信息，通过多种注意力机制得到历史关注信息中学生的答题经验；四、将学生的知识状态和答题经验输入可解释性模块评估其知识水平，根据学生的知识水平预测学生未来的答题表现；五、记录训练模型评价指标，并采用交叉熵损失优化整个知识追踪网络。本发明充分关注知识概念间的复杂关系和历史关注信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确。

公开(公告)号：CN116542444A

公开(公告)日：2023-08-04

申请号：CN202310360185.6

申请日：2023-04-06

Applicant: 桂林电子科技大学

Inventor： 王逸丰 ,  杨青 ,  池俊椿 ,  张景爱 ,  张惠鹃 ,  李致颖 ,  姜浩男 ,  陈伟聪

IPC: G06Q10/0631 ,  G06Q50/20

Abstract: 本发明提供了一种服务在线教育的多视角群组推荐方法，包括如下步骤：S1.确定学生的结组关系；S2.根据学生的结组关系，构建共生关系的同质图网络，得到考虑学生用户的嵌入表征；S3.在单一视角下，确定组嵌入表征；S4.重复S3获取多个视角下的组嵌入表征，得到用于预测的小组嵌入表征向量，进行评分预测，得到推荐目标；S5.记录学生用户与学习小组后续的交互课程，将后续数据导入数据集，通过更新后的数据集对模型中可学习参数进行调整。本发明使用多个注意力机制表示不同视角下用户在小组中起到的作用，随后挖掘不同视角与项目的关系并将其合理融合为最终组表征，提高了推荐的准确率。

公开(公告)号：CN114817360A

公开(公告)日：2022-07-29

申请号：CN202210363854.0

申请日：2022-04-07

Applicant: 桂林电子科技大学

Inventor： 陈亮 ,  张敬伟 ,  杨青 ,  张惠鹃

IPC: G06F16/2458 ,  G06F16/215 ,  G06F16/29 ,  G06K9/62

Abstract: 本发明涉及轨迹伴随模式挖掘技术领域，涉及一种校准轨迹数据以提高轨迹伴随挖掘时效性的方法，包括：一、从出租车轨迹数据库获取近期历史数据；二、提取数据中经纬度、车辆标识以及时间戳；将原始数据进行预处理，清洗噪声数据以及填补空缺值；三、挖掘轨迹点的额外属性；四、结合车辆移动特征，过滤出具有强特征的移动特征轨迹点，将过滤出的点添加网格索引生成以网格为索引的车辆轨迹参考系统；五、基于生成的参考系统，根据轨迹流数据中的轨迹点索引以基于欧式距离实时校准到参考系统中距离最小的移动特征点；步骤六、将被校准后的特征点进行实时通用伴随模式挖掘。本发明能较佳地提高轨迹伴随挖掘时效性。

公开(公告)号：CN112948709A

公开(公告)日：2021-06-11

申请号：CN202110246458.5

申请日：2021-03-05

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  程兴和 ,  张敬伟

IPC: G06F16/9536 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明涉及兴趣点推荐技术领域，涉及一种影响力感知驱动的连续兴趣点实时推荐方法，包括：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量，将得到的向量输入全连接神经网络拟合，经过管道搜索的方式学习出适应该区域的最优超参数；四、将训练模型部署在多个服务器中；五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。

公开(公告)号：CN112269844A

公开(公告)日：2021-01-26

申请号：CN202011019669.7

申请日：2020-09-24

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  刘绍建 ,  成静 ,  张康威 ,  杨青

IPC: G06F16/29 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明涉及轨迹数据处理技术领域，具体地说，涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法，其以下步骤：一、建立轨迹数据集；二、对轨迹数据集进行分布式聚类：通过DBSCANCD算法进行密度聚类；三、TCB算法以密度聚类结果作为输入，通过计算集合成员间的相似度，对边界点进行合理划分；四、对轨迹数据集进行分布式挖掘：GSPR算法对通用伴随模式挖掘的输入进行分割和重划分，然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。

公开(公告)号：CN112016000A

公开(公告)日：2020-12-01

申请号：CN202010696335.7

申请日：2020-07-20

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  李贺永

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/04

Abstract: 本发明涉及一种基于卷积协同过滤的电影组推荐方法及系统，所述推荐方法包括：通过运营商获取用户数据和商品内容数据组成用户组，并处理成模型能识别的格式；使用基于卷积协同过滤推荐算法对以上数据进行处理，得到用户组的推荐列表；给相关用户组进行推荐，同时获取用户的反馈数据，并将反馈数据返回给系统，处理成相应格式，然后使用基于卷积协同过滤算法进行数据处理计算推荐列表，继续推荐商品给用户组。本发明的优点在于：将用户嵌入和项目嵌入特征进行线性融合之后，直接将处理的融合嵌入向量送入单层的卷积神经网络；会减少很多的参数。可以有效的提高模型的推荐商品的命中率。

公开(公告)号：CN106991149B

公开(公告)日：2020-11-10

申请号：CN201710192554.X

申请日：2017-03-28

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  杨超 ,  杨青 ,  张会兵 ,  林煜明 ,  周娅

IPC: G06F16/29 ,  H04L29/08

Abstract: 本发明公开一种融合编码和多版本数据的海量空间对象存储方法，采用“低精度网格编码，高精度空间对象编码”将多维空间数据转换到一维空间，然后采用“字典序定位数据块，低冗余度数据查询”策略来实现查询过程涉及到的冗余数据修剪，有效提升了范围查询性能。在编码精度为8个Base‑32字符时，一个网格单元的覆盖面积约为725m2,查询半径在1000m时，查询响应时间不超过1秒，能有效满足诸如智慧旅游中基于游客位置的旅游资源推荐等数据查询需求。

公开(公告)号：CN108334638B

公开(公告)日：2020-07-28

申请号：CN201810229979.8

申请日：2018-03-20

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  姚先河 ,  张敬伟 ,  韩丽

IPC: G06F16/9032 ,  G06N3/08

Abstract: 本发明公开一种基于长短期记忆神经网络与兴趣迁移的项目评分预测方法，该方法结合用户的评分记录和项目的类别分别构建用户‑项目访问时间表和用户‑评分表，进而为每一个用户建立了兴趣‑评分关联表。根据推荐的个性化需求，基于上述数据为每一个用户训练LSTM模型，在综合考虑用户的历史行为和兴趣变化的情况下实现了用户对指定项目的评分预测。该方法将LSTM模型运用到推荐系统中，具有较高的准确度，证实了用户的兴趣迁移对用户评分预测的影响。

公开(公告)号：CN104714188B

公开(公告)日：2017-05-24

申请号：CN201510147926.8

申请日：2015-03-31

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  李爽 ,  姜辉 ,  伍锡如 ,  张向文 ,  杨青 ,  朱国魂 ,  唐士杰 ,  莫妍

IPC: G01R31/36

Abstract: 本发明为量测噪声方差阵相匹配的电池电荷状态估计方法与系统，本法步骤为：建立电池模型、电压电流采样，最小二乘法参数辨识模型参数；自适应无迹卡尔曼滤波估计SOC；调整滤波增益的方差阵相匹配的鲁棒自适应无迹卡尔曼滤波，计算系统量测噪声实际残差方差阵值和估计的理论残差方差阵，得到εk。εk大于1自适应调整因子否则调整滤波增益，求得SOC估计值本系统动力电池所接电压、电流传感器经模数转换模块连接微控制器。微控制器含模型参数辨识模块、调整因子计算模块、滤波增益自适应调整、鲁棒自适应无迹卡尔曼滤波SOC估计模块。SOC直接显示或传送到设备CAN网络。本发明动态调整滤波增益，提高了SOC估计的鲁棒性。

公开(公告)号：CN105116958B

公开(公告)日：2016-06-29

申请号：CN201510521985.7

申请日：2015-08-24

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  刘政 ,  杨阳 ,  伍锡如 ,  姜辉 ,  张向文 ,  李爽 ,  杨青 ,  叶懋 ,  黄品高 ,  王土央

IPC: G05F1/67

CPC classification number: Y02E10/58

Abstract: 本发明为光伏阵列自适应步长扰动观察法MPPT控制方法，主要步骤如下：对光伏阵列PV的输出电压和电流采样，得到P-U特性曲线，其不完全微分和理想微分对应的PV端电压为Ua和Ub，分为三个区间Ⅰ为0～Ua、Ⅱ为Ua～Ub、Ⅲ为大于Ub。区间I内以步长d1正向扰动；区间Ⅱ内以步长(2η-1)d1反向扰动；区间Ⅲ内以步长d1反向扰动本系统电压电流传感器信号采样接入微处理器，程序存储器中存储有执行本法的各处理模块，微处理器的输出接入脉宽调制模块PWM，PWM输出驱动信号控制光伏阵列的直流转换电路，实现最大功率点跟踪。本发明MPP附近小步长跟踪，较远区间大步长跟踪，步长的自适应调整，提高抗干扰能力，有效减小PV功率损失和能量利用率。