公开(公告)号：CN114282537A

公开(公告)日：2022-04-05

申请号：CN202111609226.8

申请日：2021-12-27

Applicant: 东北大学

Inventor： 马连博 ,  任慧敏 ,  王兴伟 ,  黄敏

IPC: G06F40/289 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种面向社交文本的级联直线型实体关系抽取方法，采取级联直线型的提取方式，即方法首先检测给定文本中所包含的关系，然后将每个关系视为额外的知识来指导后续的头实体及尾实体的提取过程。本发明的方法还设计了两个解码器，分别是关系解码器和实体解码器，联合使用这两个解码器来提取实体关系三元组。通过本发明的方法不仅可以提高实体对(头实体，尾实体)提取的准确性以及联合提取的性能，还能通过关系优先的级联提取方法自然地解决重叠问题，进而能够为构建知识图谱提供更精准的前提。

公开(公告)号：CN113419854A

公开(公告)日：2021-09-21

申请号：CN202110698428.8

申请日：2021-06-23

Applicant: 东北大学

Inventor： 马连博 ,  王若宇 ,  王兴伟 ,  黄敏

IPC: G06F9/50 ,  G06N3/00

Abstract: 本发明提供一种面向不平衡多目标优化的云资源调度方法，涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数，并估算每台物理机处理各个任务所需要花费的时间；设定调度方案为每个任务仅由一台物理机处理，将每种调度方案用调度矩阵来表示，矩阵中每个元素的取值为1或0；根据所有物理机处理任务花费的时间及调度方案，将云资源调度问题转化为三个目标函数和一个约束函数；采用多目标进化算法对云资源调度问题进行求解，得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题，给决策者更好地提供一组解决方案，使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。

公开(公告)号：CN113050422A

公开(公告)日：2021-06-29

申请号：CN202110254680.X

申请日：2021-03-09

Applicant: 东北大学

Inventor： 马连博 ,  杨舒钧 ,  王兴伟 ,  黄敏

IPC: G05B13/04

Abstract: 本发明提供一种基于maximin函数多目标优化算法的多机器人调度方法，涉及多机器人调度技术领域。该方法首先将多机器人任务调度问题转化为四个目标函数，并获取仓库内任务清单和机器人所处位置情况，建造数据集；根据数据集创建新型的组合染色体模型；利用maximin函数对种群中的个体进行评估，确定下一代种群的选择范围；通过maximin函数和逐一选择策略对种群进行优化；针对组合染色体模型的顺序交叉操作和单点变异操作也为种群迭代提供了更快的收敛速度；在优化过程中通过逐一选择策略改善种群中解的收敛性和多样性；通过小生境技术提供了更进一步的选择方案，实现更深入地寻找了更适合多机器人调度问题的方案。

公开(公告)号：CN108830370A

公开(公告)日：2018-11-16

申请号：CN201810508479.8

申请日：2018-05-24

Applicant: 东北大学

Inventor： 姜慧研 ,  董万鹏 ,  马连博

IPC: G06N3/00

CPC classification number: G06N3/006

Abstract: 本发明公开一种基于增强学习型菌群觅食算法的特征选择方法，方法包括：初始化细菌群落的位置、最大循环数值、迭代次数初始值；细菌群落中每一个菌体表示待选择的特征向量的权重向量；根据RL中最大化历史经验值策略，为每一菌体选择一种运动行为并执行，获取更新后的每一菌体的更新位置及更新位置后每一菌体的适应度值；基于RL规则，针对每一菌体适应度值的变化，获取反馈值；根据反馈值更新每一菌体所累积的历史经验值，将迭代次数增加1，重复上述过程，直至迭代次数大于最大循环数值时，输出细菌群落。本发明的方法采用增强学习型的优化方式代替了传统的概率型优化方式，能够得到更好的识别结果并且耗时较少。

公开(公告)号：CN107067404A

公开(公告)日：2017-08-18

申请号：CN201710199623.X

申请日：2017-03-30

Applicant: 东北大学

Inventor： 马连博 ,  王兴伟 ,  杨广明 ,  刘颖 ,  姜慧研 ,  董万鹏

IPC: G06T7/11 ,  G06T7/136

Abstract: 本发明提出基于植物根系觅食优化的多阈值金属微滴图像分割方法，该方法：获取待分割的金属微滴流源图像；随机初始化图像分割阈值的根种群，根据金属微滴流源图像的灰度直方图和各根的营养素浓度，计算根种群的各根的适应度和生长素浓度；将根种群的各根分为主根和侧根：对主根进行向水性自生长操作和向重力性自生长操作，计算各主根当前的最优适应度，对侧根进行自生长操作，计算各侧根当前的最优适应度；将各主根的最优适应度和各侧根的最优适应度进行比较，将其中最优适应度最小的根对应的一组阈值作为待分割的金属微滴流源图像的分割阈值组。本方法为提取金属微滴喷射系统中的金属微滴轮廓、体积及速度等关键参数提供了有效的图像测量数据。

公开(公告)号：CN119090880A

公开(公告)日：2024-12-06

申请号：CN202411573157.3

申请日：2024-11-06

Applicant: 东北大学

Inventor： 马连博 ,  康海东 ,  陈朋骏

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于动态正则熵可微分架构搜索的工业缺陷图像检测方法，涉及图像分析技术领域。获取待检测分类的工业图像数据并构建工业图像数据集，划分训练集和验证集；构建用于搜索架构的可微分搜索超网模型，初始化网络权重ω和架构参数α，及计算损失函数和梯度更新用的损失模型和优化器；进行多轮次训练，每轮次的各批量中分别使用训练集、验证集计算损失并更新ω、α；训练完后，将α离散化，得到最后搜索的神经网络架构，并在整个数据集上对该架构进行重训练，将其作为检测工业图像中异常缺陷的分类模型，输入待检测分类的实际工业图像，得到缺陷检测结果。本发明方法能在长时间搜索下不出现性能坍塌，能搜索出检测性能优良的架构。

公开(公告)号：CN114330891B

公开(公告)日：2024-11-12

申请号：CN202111653724.2

申请日：2021-12-30

Applicant: 东北大学

Inventor： 马连博 ,  王薪哲 ,  王兴伟 ,  黄敏

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06F18/2321 ,  G06N3/126

Abstract: 本发明提供一种面向云计算的多目标资源调度方法，涉及云计算场景下的资源调度技术领域；该方法首先统计当前云计算资源中心中每个用户所需的计算资源，根据各个服务提供商提供的计算服务信息，建立初始数据集；之后将云计算场景下资源调度过程中的收益最大化问题转化为两个收益目标函数和多个约束；根据数据集随机生成多个资源调度方方案，并利用建立好的收益目标函数进行评估；使用收益目标函数和参考向量对种群进行优化；在优化过程中，使用分布式估计对当前所有最优方案建立概率模型并进行采样的方法能够大大加快种群收敛的速度，保证种群的收敛性，产生的均匀向量引导种群中的个体向多个方向收敛，保证种群的多样性，通过这些策略来寻找更多适合该问题的方案。

公开(公告)号：CN118608875B

公开(公告)日：2024-10-18

申请号：CN202411070669.8

申请日：2024-08-06

Applicant: 东北大学

Inventor： 康海东 ,  邵雨欣 ,  马连博

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/086 ,  G06N3/126

Abstract: 本发明提供一种基于鲁棒遗传规划和特征学习的弱图像分类方法，涉及图像分析技术领域。该方法具体包括：获取待分类的弱图像数据并构建弱图像数据集，按照预设的比例将弱图像数据集划分训练集；基于分布式进化算法生成个体并构建初始种群；构建对抗训练的新进化模式，并利用对抗训练的新进化模式对初始种群中的个体进行训练，利用训练后的个体构建新的种群作为当前种群；采用分布式进化算法从当前种群中选取最优个体；将最优个体对应的个体树结构作为弱图像分类模型，获取待分类的弱图像数据并输入该弱图像分类模型，得到该弱图像数据的特征向量并采用线性SVM进行分类，得到该弱图像数据的分类结果。

公开(公告)号：CN114585006B

公开(公告)日：2024-03-19

申请号：CN202210257111.5

申请日：2022-03-16

Applicant: 东北大学

Inventor： 马连博 ,  陈怡丹 ,  王学毅 ,  杨晓东

IPC: H04W24/02 ,  H04W28/06 ,  H04W72/53 ,  H04W16/22 ,  H04W72/1263

Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。

公开(公告)号：CN117556820A

公开(公告)日：2024-02-13

申请号：CN202311585276.6

申请日：2023-11-24

Applicant: 东北大学

Inventor： 马连博 ,  马健伦 ,  张爽

IPC: G06F40/295 ,  G06F18/22 ,  G06F18/25 ,  G06V10/74 ,  G06V10/80 ,  G06V10/771

Abstract: 本发明提供一种基于场景图的多模态医疗命名实体识别方法，首先分别为文本和图像生成场景图，然后计算两个场景图之间的相似程度，并将计算得到的相似度用于筛选图像中检测出来的实体，过滤掉图像中那些没用的信息；其次，通过文本和图像的融合来更新每个单词的特征表示，并用CRF预测实体类型，通过被筛选过的视觉信息来作为文本的提示可以有效降低模型对图像中不相关对象的理解偏差。本发明方法可以从更细粒度的层次衡量文本和图像之间的相似程度并且可以有效的筛选图片中有用的图像信息，应用在多模态医疗系统上可以更好的利用图像信息，从而更准确地识别文本中的实体。