-
公开(公告)号：CN112800928A
公开(公告)日：2021-05-14
申请号：CN202110092972.8
申请日：2021-01-25
Applicant: 北京工业大学
Abstract: 本发明公开了融合通道和频谱特征的全局自注意力残差网络的癫痫发作预测方法，将脑电信号数据分割为发作前期和发作后期，然后计算发作前期和发作后期的数据比，对发作前期数据进行重叠采样，得到数据量相等的两类信号片段；再利用短时傅立叶变换将原始EEG信号转化成频谱图来表示EEG信号的时频特征；然后分别使用3种不同维度的3D卷积核挖掘各个通道映射之间的相互依赖性并将他们的结果进行拼接，利用一个卷积操作将上述的通道特征进行融合；通过全局自注意力模块将频谱图的局部特征与其全局特征进行集成，以加强脑电信号特征之间的关联性来获得上下文信息，使每个位置的特征都带有全局感受野，提高网络的表征能力，从而达到更好的分类效果。
-
公开(公告)号：CN111191076B
公开(公告)日：2021-03-30
申请号：CN201911402364.1
申请日：2019-12-30
Applicant: 北京工业大学
IPC: G06F16/735 , G06F16/9535 , G06F16/9536
Abstract: 本发明公开了基于前景理论与多目标进化的电影推荐方法，考虑到在做决策时，不同的用户根据其心理、经历有不同的选择，而之前做的多目标进化的推荐，并没有考虑用户的这种心理行为，由此提出了一种改进的多目标进化推荐算法。首先提出了一种基于前景理论的精度度量，然后在进化过程中提出了基于有限理性的种群选择和个体多相似用户的变异过程。实验结果表明，相较于传统推荐算法，EPMOEA可以在精度和多样性之间取得很好的平衡。
-
公开(公告)号：CN107273197B
公开(公告)日：2020-08-28
申请号：CN201710448520.2
申请日：2017-06-14
Applicant: 北京工业大学
Abstract: 本发明公开了基于正交实验改进的谱聚类遗传算法的Hadoop任务调度方法，包括基于正交实验改进的谱聚类遗传算法的过程；进行个体编码、初始化数据，并设定参数；进行正交种群初始化；对种群内的个体进行解码得到表现型空间，计算表现型空间个体的任务预测执行时间、本地性任务个数和机器负载，然后根据这三个值计算种群内个体的适应度值；在表现型空间对种群进行谱聚类；选择种群内个体参加遗传操作；对选择的个体进行正交交叉和变异操作；重复迭代直到得到最佳个体。本发明采用改进的遗传算法作为优化算法，同时以任务预测执行时间、本地性任务个数、机器负载三个因素作为参数进行优化求解。
-
公开(公告)号：CN110688585A
公开(公告)日：2020-01-14
申请号：CN201910912752.8
申请日：2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法，采用Bert神经网络对电影情节进行特征提取，形成一个关于item的特征矩阵与Funk-SVD形成衔接，再利用矩阵分解技术产生一个完整的U-I矩阵，得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取，并得到一个关于电影item的特征矩阵；然后将得到的特征矩阵与协同过滤算法Funk-SVD算法衔接，再利用矩阵分解技术，梯度下降法进行优化，得到一个误差最小的完整的U-I矩阵，最终获得所有预测评分等一系列操作；本发明在原有显式反馈和隐式反馈的基础上，加入辅助信息即电影情节，更加准确的获取item的特征矩阵，使最小误差降低了2.40％，提高了预测的精确度。
-
公开(公告)号：CN107273818A
公开(公告)日：2017-10-20
申请号：CN201710380562.7
申请日：2017-05-25
Applicant: 北京工业大学
Abstract: 本发明公开了遗传算法融合差分进化的选择性集成人脸识别方法，首先提取人脸图像的HOG特征，之后应用PCA算法对人脸图像进行降维，以此来减少计算复杂度，最后，用降维后的数据，应用GADESEN算法进行分类识别。该方法以支持向量机作为基分类器，从原始的训练集有放回抽取N个样本，按照此方法迭代T次，使用每次产生的样本集训练基分类器模型，对产生的N个基分类器进行实数编码，生成初始种群，在变异操作中采取差分向量来指导变异进而产生优质的个体，交叉操作使用父代个体及变异个体共同产生交叉个体，增加了个体的多样性，采用最优保留策略进行遗传进化。
-
Patent Agency Ranking
公开(公告)号：CN107016377A
公开(公告)日：2017-08-04
申请号：CN201710246607.1
申请日：2017-04-16
Applicant: 北京工业大学
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6247 , G06K9/6267 , G06K9/6292 , G06K2009/6295 , G06N3/126
Abstract: 本发明公开了基于SGASEN算法的人脸识别优化方法，首先对人脸图像进行特征提取，然后使用SGASEN算法进行识别分类。对于SGASEN算法对中存在种群大量无效交叉操作问题，本方法以回归树作为基分类器，在交叉操作之前使用计算简单的杰卡德相似性检测，对相似个体减少交叉操作，使种群更加多样性。又针对SGASEN算法存在基分类器的数目未作限制的问题，在适应度函数中考虑泛化误差和基分类器数目，采用最优保留策略进行遗传进化。最终获得了泛化能力强和基分类器数目少的强分类器，有效地提高了人脸识别的准确率。
-
公开(公告)号：CN106844637A
公开(公告)日：2017-06-13
申请号：CN201710044461.2
申请日：2017-01-19
Applicant: 北京工业大学
Abstract: 基于正交与聚类修剪改进多目标遗传算法的电影推荐方法，针对NSGA‑II中存在的分布性和收敛性两方面的不足而提出了这种改进算法OTNSGA‑II，可以用于求解各种多目标函数优化问题。该算法设计断层多目标正交实验初始化种群，避免了个体不均匀而导致分布性缺失；并运用自适应聚类修剪策略维护种群进化过程，去除适当数目的劣质个体，保持了种群的收敛性和分布性。结合用户行为与电影属性的信息挖掘，将该算法应用于电影个性化推荐这一实际问题，通过和现有的算法进行测试对比说明了算法的通用性和有效性，得到了更为优良的推荐结果，提高了推荐的准确率、召回率和覆盖率，并提供了更为丰富的推荐方案组合，有利于充分挖掘用户的兴趣点提供更为可靠的推荐服务。
-
公开(公告)号：CN103745258B
公开(公告)日：2016-07-06
申请号：CN201310415022.X
申请日：2013-09-12
Applicant: 北京工业大学
IPC: G06N3/12
Abstract: 基于最小生成树聚类的遗传算法的复杂网络社区挖掘方法属于复杂网络社区挖掘技术领域，其特征在于，包括以下步骤：计算机初始化、种群初始化、用最小生成树法对种群聚类、对种群内聚类后的各个体进行单点交叉操作、变异操作和选择操作、迭代T次得到复杂网络的最佳社区划分。本发明通过对种群进行最小生成树聚类，利用种群间的交叉，维持种群多样性，抑制未成熟收敛现象，利用物种间较优的个体进行交叉操作，增大了搜索含有更优解的空间的概率，通过选择使局部模块度Ml最大的邻居结点作为变异值，提高了算法的搜索效率。
-
公开(公告)号：CN105303450A
公开(公告)日：2016-02-03
申请号：CN201510760290.4
申请日：2015-11-09
Applicant: 北京工业大学
Abstract: 基于谱聚类改进交叉的复杂网络社区发现方法，采用可以在任意形状的样本空间上聚类等优点的谱聚类对种群中的个体进行了划分，在交叉操作时选取不同划分中的个体进行遗传操作，从而增加种群多样性，避免陷入局部最优；相似个体虽不能有效地增加种群多样性，但可有效地维持个体的优良性状，保持种群的进化方向，因此在进行不同划分个体间遗传操作的同时同一划分中的个体也进行遗传操作，选取两种方式产生的个体中最优的两个个体为子代个体。两种方式的交叉操作同时进行避免算法陷入局部最优和收敛速度过慢，调节收敛速度和寻找最优解之间的平衡。
-
公开(公告)号：CN104200272A
公开(公告)日：2014-12-10
申请号：CN201410429721.4
申请日：2014-08-28
Applicant: 北京工业大学
IPC: G06N3/12
Abstract: 本发明公开了一种基于改进遗传算法的复杂网络社区挖掘方法，属于复杂网络社区挖掘方法研究技术领域，具体使用了一种基于聚类和双种群思想融合的改进遗传算法对复杂网络中的社区进行挖掘。本发明使用归一化共用信息相似度标准作为测量种群中个体间的相似度，融合了聚类和双种群思想。首先引入聚类思想，用最小生成树聚类方法对种群进行划分归类，然后引入双种群思想，对聚类确定主类和副类。其中主类维持种群的进化方向，向目标函数的最优解接近；副类则主要为主类适时地提供多样性，使主类在陷入局部最优时可以跳出来，搜索其他的解空间，实现复杂网络社区挖掘的新方法。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.028 seconds)
