-
公开(公告)号：CN113688315A
公开(公告)日：2021-11-23
申请号：CN202110954042.9
申请日：2021-08-19
Applicant: 电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明的目的在于提供一种基于无信息损失图编码的序列推荐方法及模型，属于数据挖掘技术领域。该方法使用图神经网络对序列进行编码，针对现有序列推荐方法中无法充分挖掘序列物品间全局依赖关系的问题，基于无信息损失的图编码来合理量化序列中物品的时序关系，解决序列到序列图的编码过程中存在的信息损失问题，能够得到准确和完善的物品嵌入表示以及序列的嵌入表示，通过对每个候选物品合理打分，再根据分值完成对用户的商品推荐任务。相比其他传统的基于马尔科夫链和循环神经网络的方法，能基于关系矩阵更好的捕捉序列中物品的时序关系，挖掘在非相邻节点之间的远距离依赖关系。
-
公开(公告)号：CN111898576A
公开(公告)日：2020-11-06
申请号：CN202010783073.8
申请日：2020-08-06
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉技术领域，其公开了一种基于人体骨架时空关系的行为识别方法，解决现有行为识别方法难以充分利用人体在行为动作中时空关系，识别的准确率不高的问题。该方法包括以下步骤：S1、对人体骨架序列进行均匀分段处理；S2、对每段人体骨架信息生成基于距离的图像表达；S3、采用带权多视角卷积方法对每段人体骨架信息的图像表达进行短时空特征提取；S4、采用具有时序关系的多个短时空特征作为Bi-LSTM模型的输入，提取人体骨架序列的整体时空关系并进行行为识别。
-
公开(公告)号：CN109272356A
公开(公告)日：2019-01-25
申请号：CN201811092420.1
申请日：2018-09-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关键词广告的最优竞价策略方法，属于互联网领域。本发明首先基于历史数据，基于所构建的短序列作为Multiple-LSTM网络模型结构的输入；之后利用训练数据集构训练优化网络参数；再以近期的短序列数据，通过应用模型，最终获取竞价价格下所对应的收益大小；最后通过不断调整竞价价格利用预测模型寻找最大收益值，最终以最大收益所对应的竞价价格作为最优竞价价格。以此为广告商在参与关键词广告竞价活动中提供决策支持。
-
公开(公告)号：CN104807784B
公开(公告)日：2017-09-08
申请号：CN201510245809.5
申请日：2015-05-14
IPC: G01N21/59
Abstract: 本发明公开了一种推进剂烟雾遮蔽能力外场测试装置及方法，该装置包括靶板、激光照射器、可见光传感器、红外光传感器、激光传感器、衰减片、便携式计算机。通过该装置可获取不同波段的光学背景被推进剂羽流烟雾遮挡的图像序列，利用图像序列中灰度值来表征光学背景在烟雾遮蔽下的光强变化，最终获得推进剂烟雾对可见光、红外光以及激光的遮蔽能力。该装置及方法可对在试验外场对烟雾场整体遮蔽能力进行测试，具有结构简单，性能可靠，使用安全和重复性好等优点。
-
公开(公告)号：CN104809711B
公开(公告)日：2017-07-04
申请号：CN201510245317.6
申请日：2015-05-14
Abstract: 本发明公开了一种固体推进剂羽流烟雾视频处理方法，主要适用于对特定背景下的固体推进剂羽流烟雾的可见光波段视频图像处理，烟雾的红外光、激光图像视频也可参照该方法进行处理。该方法主要通过将固体推进剂羽流烟雾视频转换为图像序列，利用图像序列与基准图像之间的灰度差异以及图像中不同区域之间的灰度差异，通过图像处理计算推进剂羽流烟雾在不同区域的光学透过率。该方法可大大降低环境中的杂散光及传感器引入的噪声对测试结果的影响，有效表征固体推进剂羽流烟雾场的时间及空间分布特性。
-
Patent Agency Ranking
公开(公告)号：CN104809711A
公开(公告)日：2015-07-29
申请号：CN201510245317.6
申请日：2015-05-14
Abstract: 本发明公开了一种固体推进剂羽流烟雾视频处理方法，主要适用于对特定背景下的固体推进剂羽流烟雾的可见光波段视频图像处理，烟雾的红外光、激光图像视频也可参照该方法进行处理。该方法主要通过将固体推进剂羽流烟雾视频转换为图像序列，利用图像序列与基准图像之间的灰度差异以及图像中不同区域之间的灰度差异，通过图像处理计算推进剂羽流烟雾在不同区域的光学透过率。该方法可大大降低环境中的杂散光及传感器引入的噪声对测试结果的影响，有效表征固体推进剂羽流烟雾场的时间及空间分布特性。
-
公开(公告)号：CN119088440A
公开(公告)日：2024-12-06
申请号：CN202411138794.8
申请日：2024-08-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种全新的微服务工作流编排推荐方法，方法首先将微服务工作流构建成了微服务动态图，然后通过动态图神经网络提取微服务动态图中的空间结构信息，通过序列模型提取微服务工作流中的时序信息作为补充，将二者融合为每个微服务节点生成了向量表示。此外，方法使用注意力机制提取了微服务工作流的全局信息，生成了微服务工作流的全局向量表示，使用当前微服务工作流中最后一个微服务节点的向量作为局部向量表示。最后，对微服务工作流的全局信息和局部信息进行综合考虑，生成推荐结果。本发明提供的方法考虑了微服务工作流的长短期兴趣，能够对微服务工作流中的时序信息以及空间信息的充分挖掘，使微服务工作流的编排推荐更加合理。
-
公开(公告)号：CN116957076A
公开(公告)日：2023-10-27
申请号：CN202311063743.9
申请日：2023-08-22
Applicant: 电子科技大学
IPC: G06N5/02 , G06F16/901
Abstract: 本发明公开了一种基于路径不确定性的图谱补全方法。该方法包括：确定待补全路径的知识图谱；知识图谱中包括多个待寻径头实体；将知识图谱输入至预先训练得到的路径补全模型中，得到与待寻径头实体相对应的至少一个待选择路径的奖励值；路径补全模型是基于路径编码模型、寻径模型和不确定性推导模型确定的；基于奖励值和预设路径筛选条件，确定目标路径；基于目标路径对知识图谱进行补全处理。解决了现有技术中基于模型概率预测进行图谱补全，导致实体信息挖掘不充分，图谱补全不全面，补全效果差的问题，实现提高图谱信息挖掘的全面性，提高补全后的图谱的完备性，进而提高图谱补全的效果。
-
公开(公告)号：CN116258139A
公开(公告)日：2023-06-13
申请号：CN202211095419.0
申请日：2022-09-05
Applicant: 电子科技大学
IPC: G06F40/279 , G06F16/36 , G06F16/28 , G06N3/08 , G06N3/0464
Abstract: 本发明属于知识图谱相关技术领域，具体提供一种基于特征增强的人物关系知识图谱补全方法，旨在解决现有的基于卷积神经网络的模型方法并没有考虑丰富的图谱语义信息的问题，受限于三元组本身的信息特征，同时解决了DKRL模型不能有效地提取描述文本特征的缺陷。本发明基于知识图谱附加的语义特征和路径特征，针对链接预测任务，提供一种基于特征增强的卷积神经网络模型，通过将附加描述信息、路径信息与卷积神经网络结合起来，实现更高质量的知识图谱补全方法，进而实现对人物关系知识图谱的补全，提升针对人物间关系的预测性能，为人物关系提供支持。
-
公开(公告)号：CN113688315B
公开(公告)日：2023-04-18
申请号：CN202110954042.9
申请日：2021-08-19
Applicant: 电子科技大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明的目的在于提供一种基于无信息损失图编码的序列推荐方法及模型，属于数据挖掘技术领域。该方法使用图神经网络对序列进行编码，针对现有序列推荐方法中无法充分挖掘序列物品间全局依赖关系的问题，基于无信息损失的图编码来合理量化序列中物品的时序关系，解决序列到序列图的编码过程中存在的信息损失问题，能够得到准确和完善的物品嵌入表示以及序列的嵌入表示，通过对每个候选物品合理打分，再根据分值完成对用户的商品推荐任务。相比其他传统的基于马尔科夫链和循环神经网络的方法，能基于关系矩阵更好的捕捉序列中物品的时序关系，挖掘在非相邻节点之间的远距离依赖关系。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
