公开(公告)号：CN110147424A

公开(公告)日：2019-08-20

申请号：CN201910439318.2

申请日：2019-05-21

Applicant: 湖南大学

Inventor： 周旭 ,  苏丹妮 ,  肖国庆 ,  曾一夫 ,  肖正 ,  李肯立 ,  李克勤

IPC: G06F16/29 ,  G06F16/22 ,  G06F16/242 ,  G06F16/248

Abstract: 本发明公开了一种Top-k组合空间关键字查询方法，其目标是找到k个代价最小的查询结果。本发明最终能够返回规模可控的查询结果，为用户提供更多的选择；此外，通过引入参数k，得到k组既满足覆盖所有关键字的要求、同时实现最小代价的结果集合。本发明能够解决现有空间关键字查询方法由于仅仅返回单一的查询结果所导致的用户体验效果差、以及适用性和普及性欠佳的技术问题，以及由于使用索引结构进行对象存储所导致的索引结构更新的时间开销大的技术问题。

公开(公告)号：CN117591671A

公开(公告)日：2024-02-23

申请号：CN202311603691.X

申请日：2023-11-28

Applicant: 湖南大学

Inventor： 肖正 ,  陈豪 ,  马超民 ,  郭修远 ,  朱云 ,  宋秉华

IPC: G06F16/35 ,  G06F16/33 ,  G06F16/338 ,  G06F18/23213 ,  G06N3/045 ,  G06N3/042 ,  G06N3/08

Abstract: 一种科普素材分类器构建、分类、检索方法及装置，构建方法为：构建WGDPool网络，构建损失函数Lu；分类方法：将待分类科普素材所对应的图结构 输入至WGDPool网络中进行训练，直至损失函数收敛，得到节点分配矩阵S；检索方法：训练WGDPool网络；将待检索科普素材转化为节点特征作为目标节点，并将目标节点替换G'中的插入节点形成G”，重新设置K的数值，并将G”输入至训练好的WGDPool网络中，得到节点分配矩阵S’，与待检索科普素材划分到同一簇中的科普素材为检索结果；一种科普素材分类装置，包括WGDPool网络和损失函数构建模块。

公开(公告)号：CN116468890A

公开(公告)日：2023-07-21

申请号：CN202310390433.1

申请日：2023-04-11

Applicant: 湖南大学

Inventor： 张辉 ,  曹意宏 ,  陈煜嵘 ,  刘立柱 ,  杜瑞 ,  肖正 ,  毛建旭 ,  王耀南

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/08 ,  G06V10/764 ,  G06V10/762 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明提供了一种基于特征聚类的无监督领域自适应语义分割方法，包括如下步骤：步骤S1、建立有标签的源域场景数据集和无标签的目标域场景数据集；步骤S2、建立基于特征聚类的语义分割模型训练框架；步骤S3、将源域场景数据集的图像和目标域场景数据集的图像分别输入；步骤S4、获得类条件特征映射图，获得源域场景的类条件特征精炼图，获得目标域场景的类条件特征精炼图；步骤S5、计算得到每一个类别的特征聚类质心，再计算损失；步骤S6、参数优化，迭代运行以得到参数优化后的分割网络和评论家网络。本发明聚类质心的偏移小，使在虚拟源域数据上训练的模型性能在实际目标域场景数据上性能好。

公开(公告)号：CN116245066A

公开(公告)日：2023-06-09

申请号：CN202310024383.5

申请日：2023-01-09

Applicant: 湖南大学

Inventor： 李肯立 ,  陈岩 ,  肖正 ,  唐卓 ,  刘楚波 ,  廖清

IPC: G06F30/392 ,  G06F30/394 ,  G06T17/00

Abstract: 本申请涉及一种3D场景中的芯片划分放置模拟方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：对要放置的网表以及网表中的标准化单元的参数进行预处理，得到以标准化单元为节点，以标准化单元间的连接线为超边的超图；基于超图的节点权重，对超图中的节点进行节点分级收缩和划分，得到初始的划分结果；根据初始划分结果对超图中的收缩后节点进行节点撤销，并在撤销过程中，通过针对于3D放置场景所设计的增益函数，对在进行节点撤销时的标准化单元进行调优，得到最终的划分网表；将划分网表输入到放置模型中，得到3D放置模拟结果。该方法，提升了放置模拟结果的放置效果。

公开(公告)号：CN110309853B

公开(公告)日：2022-09-09

申请号：CN201910423052.2

申请日：2019-05-20

Applicant: 湖南大学

Inventor： 唐卓 ,  张琛 ,  陈建国 ,  肖正 ,  吴帆 ,  李肯立 ,  李克勤

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H30/00 ,  G16H70/60

Abstract: 本发明提供了一种基于变分自编码器的医学图像聚类方法。所述基于变分自编码器的医学图像聚类方法包括如下步骤：待聚类医疗图像提出聚类请求；对所述待聚类医疗图像进行预处理形成预处理图像；根据所述预处理图像的像素大小构建基于变分自编码器的聚类模型，并设置所述变分自编码器的损失函数对所述聚类模型进行训练；调节聚类类别个数，并重复前序步骤；比较计算获得最佳的聚类类别数及聚类结果；展示最终聚类结果。与相关技术相比，本发明的基于变分自编码其的医学图像聚类方法训练时间更短，训练正确率更高，普适性更强。

公开(公告)号：CN113268675B

公开(公告)日：2022-07-08

申请号：CN202110542802.5

申请日：2021-05-19

Applicant: 湖南大学

Inventor： 陈宇 ,  肖正 ,  聂振宇 ,  王梦圆 ,  郭修远

IPC: G06F16/9536 ,  G06F16/35 ,  G06F16/33 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种基于图注意力网络的社交媒体谣言检测方法，其首先获取待检测的谣言事件，对待检测的谣言事件对应的文本进行预处理，以得到预处理后的文本，并使用BERT‑Large‑Cased预训练词向量模型将预处理后的文本转换成文本向量矩阵，然后根据待检测的谣言事件对应的用户之间的转发、评论或回复关系构建用户关系结构图表示为G＝(V,E)，并根据该用户关系结构图构建邻接矩阵，最后将文本向量矩阵、以及邻接矩阵，输入预先训练好的谣言检测模型中，以得到最终的谣言检测结果。本发明能够解决现有基于深度学习的谣言检测方法由于不能高效的提取谣言传播结构特征和聚合邻接节点特征,导致影响谣言检测准确度的技术问题。

公开(公告)号：CN113065298A

公开(公告)日：2021-07-02

申请号：CN202110320249.0

申请日：2021-03-25

Applicant: 湖南大学

Inventor： 李肯立 ,  张屹东 ,  陈岑 ,  肖正 ,  刘楚波 ,  唐卓 ,  阳王东 ,  廖清

IPC: G06F30/31 ,  G06F30/392

Abstract: 本发明公开了一种用于将超大规模网表转换成DAG图的方法，包括：获取网表，从该网表中提取电路单元及其连线信息，以生成一个图，其以一个入边邻接表和一个出边邻接表存储起来，对图进行预处理，以得到预处理后的图，检测预处理后的图中的所有强连通分量，并识别根据所有强连通分量识别多个环，提取每个环中的节点序号、以及该环中每个节点所连接的边在入边邻接表和出边邻接表中的序号，根据每个环中节点和边在入边邻接表中的序号，对该环中符合预定条件的入边进行切割，以得到多个单向连通的子图，使用虚节点将多个单向连通图关联起来，从而得到目标DAG图。本发明能够克服现有然而现有对电路单元进行设计与分析的方法存在的适用性差的技术问题。

公开(公告)号：CN112948087A

公开(公告)日：2021-06-11

申请号：CN202110252562.5

申请日：2021-03-09

Applicant: 湖南大学

Inventor： 李肯立 ,  雷直航 ,  陈岑 ,  肖正 ,  刘楚波 ,  段明星 ,  阳王东 ,  唐卓

IPC: G06F9/48

Abstract: 本发明公开了一种基于拓扑排序的任务调度方法及系统，属于计算机系统技术领域。包括：获取大规模有向无环任务调度图，并基于拓扑排序的粗化算法对大规模有向无环任务调度图进行多级粗化处理，以获得对应的有向无环初始调度图；基于小规模调度算法对有向无环初始调度图进行初始划分，以获得有向无环初始调度图的粗化图划分结果；基于细化算法将粗化图划分结果映射回大规模有向无环任务调度图，并进行细化调整，以获得大规模有向无环任务调度图的任务调度划分结果。由于预先对大规模有向无环任务调度图进行了多级粗化处理，对任务进行了聚类，从而对于大规模任务调度场景，使用任务调度算法也能够有效缩小处理量，进而降低运算复杂度。

公开(公告)号：CN110162400B

公开(公告)日：2021-01-26

申请号：CN201910421598.4

申请日：2019-05-21

Applicant: 湖南大学

Inventor： 刘楚波 ,  李敏灿 ,  阳王东 ,  李肯立 ,  全哲 ,  肖正 ,  李克勤 ,  张尧学

IPC: G06F9/50 ,  H04L12/24

Abstract: 本发明公开了一种复杂网络环境下实现MAS系统中智能体合作的方法，包括：获取复杂网络拓扑图，从复杂网络拓扑图中确定多个初始关键节点，获取每个初始关键节点的追随节点数量，按照追随节点数量的大小将所有初始关键节点进行排序，并对排序结果进行筛选，筛选结果构成初始关键节点集合，对得到的初始关键节点集合中的每个关键节点，将其和复杂网络拓扑图中所有与其连接、且不在初始关键节点集合中的节点组成初始联盟，所有初始联盟作为当前联盟构成当前联盟集合。本发明不仅能够根据拓扑结构上的关键节点形成相关的合作联盟，并且能够根据动态拓扑结构的改变对当前联盟进行调整，从而形成新的更高合作水平的联盟以带来更高的合作效率。

公开(公告)号：CN107292936A

公开(公告)日：2017-10-24

申请号：CN201710354736.2

申请日：2017-05-18

Applicant: 湖南大学

Inventor： 肖正 ,  张慧敏 ,  杜家宜 ,  方梓兆 ,  王乐 ,  李星 ,  郭杨

IPC: G06T9/00

Abstract: 本发明公开了一种汉字字体矢量化方法，包括如下步骤：步骤1，输入汉字图形；步骤2，对于输入的汉字，选定预处理笔画区域；步骤3，在选定的预处理笔画区域中，采用区域选择递归方法获取笔画的所有边界点信息；步骤4，根据笔画边界点信息，判定每一笔画的笔画类型；步骤5，针对每一个笔画，从边界点中提取出运笔轨迹上的轨迹点和垂直于运笔方向上轨迹点的笔画宽度信息，完成字体矢量化。该汉字字体矢量化方法易于实施，能将汉字图形进行高效而准确地矢量化。