-
公开(公告)号：CN105528395A
公开(公告)日：2016-04-27
申请号：CN201510861708.0
申请日：2015-11-30
Applicant: 苏州大学
CPC classification number: G06F16/9537 , G06Q30/0201 , G06Q50/01
Abstract: 本申请公开一种潜在消费者推荐方法和系统，所述方法和系统在接收到商家提交的包括潜在消费者数目及商家位置的推荐请求之后，从社交网络的用户集合中获取个数为所述潜在消费者数目的目标用户，其中，各个所述目标用户对所述商家位置的偏好程度不低于所述用户集合中其他用户对所述商家位置的偏好程度；在此基础上，将各个所述目标用户作为各个潜在消费者，并显示所述各个潜在消费者，供商家参阅。可见，本申请实现了一种以商家为中心的推荐方案，为商家的市场营销提供了便利。
-
公开(公告)号：CN103927392A
公开(公告)日：2014-07-16
申请号：CN201410183963.X
申请日：2014-05-04
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F17/3089
Abstract: 本申请公开了一种深层网络数据源异常点的检测方法及系统，该方法包括从深层网络数据源中采集多个初始样本，然后按照预设规则，对每个所述初始样本进行分层得到s层，分层后按照预设算法，确定每一层中包含异常点的概率，按照最优采样策略，将规定的重采样次数分配到s层中，确定每一层的重采样次数，按照确定的重采样次数进行重采样，最后综合重采样数据与分层后的初始样本，进行异常点的检测。本申请的方法对有限的样本数据进行分层处理，由于异常点大部分集中在少数几个层中，通过着重对这几个层的重新采样，可以找到更多的异常点。解决了对深层网络数据源异常点的检测问题。
-
公开(公告)号：CN103617435A
公开(公告)日：2014-03-05
申请号：CN201310688907.7
申请日：2013-12-16
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本发明公开一种主动学习图像分类方法和系统，该方法针对原始的未标注图像样本集，首先仅考虑各样本的不确定性，从原始未标注图像样本集中获取不确定性较高的各图像样本，构成最不确定图像样本集；之后，衡量最不确定图像样本集中各样本的代表性，从中获取代表性较高的各样本，组成最具代表性图像样本集；后续对选取的不确定性和代表性较高的样本进行标注、分类器训练，以及利用训练的分类器对目标图像进行分类。可见，本发明采用分层次衡量的方式，首先基于不确定性缩减、筛选样本，之后对不确定性较高的缩减了样本规模的最不确定图像样本集进行代表性衡量，在保证了样本的不确定性和代表性的同时，降低了采样处理时间和工作量，提高了处理效率。
-
公开(公告)号：CN103257982A
公开(公告)日：2013-08-21
申请号：CN201210193897.5
申请日：2012-06-13
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明在于公开了一种基于关注关系的Blog搜索结果排序算法，包括以下步骤：1）博主关注因素的分析；2）博主关注关系网络的建立；3）博主影响力的确定；4)博文内容价值的衡量；5）博文的静态得分；6）博文的搜索排序算法。本发明是从Blog间已经存在的关注关系出发，很好的解决了链接稀疏的问题。同时避免过多主观因素的引入，通过全面考虑排序所涉及到的各种因素来对搜索结果排序，从而返回给用户质量更高的结果。
-
公开(公告)号：CN102722720A
公开(公告)日：2012-10-10
申请号：CN201210166509.4
申请日：2012-05-25
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于HSV空间在线聚类的视频背景提取方法，采用聚类方法实现，对一段视频训练帧，以像素点在HSV空间的三个通道的值为聚类分类依据，分别提取每个像素点在HSV空间的H、S和V值，对每个像素点，分别按H、S和V值进行聚类，其中，根据当前帧与前一帧在HSV空间中H值之差的绝对值、S值之差的绝对值和V值之差的绝对值之后更新聚类阈值，分别计算H、S、V值与对应通道中各个聚类的聚类中心之间的最近距离，将三个最近距离之和与聚类阈值比较确定聚类；用包含元素数目最多的聚类的聚类中心作为该像素点的当前背景值。本发明得到比灰度背景图像更优的彩色背景，具有良好的背景提取能力和可行性。
-
Patent Agency Ranking
公开(公告)号：CN101959218A
公开(公告)日：2011-01-26
申请号：CN201010529473.2
申请日：2010-10-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于伸展树的事件区域检测方法，首先对传感器节点进行随机部署；采用基于Voronoi图以及Delaunay三角网络来描述感知网络拓扑，通过三种消息Beacon，Probe和Join实现伸展树的构建；在已构建伸展树的基础上，基于多项式回归进行数据融合，同时完成事件区域的可靠检测。实验证明，本发明的基于伸展树的事件区域检测方法是可行的，将本发明应用于事件区域的检测，可以提高检测的准确度。
-
公开(公告)号：CN101093546A
公开(公告)日：2007-12-26
申请号：CN200710043659.5
申请日：2007-07-11
Applicant: 苏州大学
Abstract: 本发明公开了一种数字图像轮廓形态的识别方法，属于计算机模式识别技术领域。它以长轴长度、左短轴长度、右短轴长度、左右短轴间的距离和左右短轴长度差的绝对值为数字图像轮廓形态的5个识别特征值，输入计算机完成数字图像轮廓形态的识别。特征值的获取方法为：在图像的轮廓线上取n点，通过依次求得每一点与其余各点相连接的线段的长度后再求得长轴及其长度值；在长轴的两个端点范围内，从左、右两部分的图像轮廓上分别得到到长轴距离最长的左短轴、右短轴及其它们的长度值，从而获得数字图像轮廓形态的5个识别特征值。该方法在降低运算复杂度的同时保障求解的精度，提高了工作效率，实现了计算机大批量识别形状不规则物体的分捡与检验。
-
公开(公告)号：CN111522962B
公开(公告)日：2023-05-02
申请号：CN202010277778.2
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/36 , G06F16/9535 , G06N3/084 , G06N3/048
Abstract: 本申请公开了一种序列推荐方法、装置及计算机可读存储介质。其中，方法包括预先将用户集‑项目集构成的双向图和知识图谱结合并统一为混合知识图谱；将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中；该模型包括知识图嵌入模块、图注意力网络和循环神经网络；知识图嵌入模块将混合知识图谱的所有节点编码为向量，图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以捕获全局的用户‑项目和项目‑项目之间的关系；循环神经网络对用户交互序列项目进行编码以获取用户的动态偏好；最后根据该模型的输出确定待推荐用户的推荐序列信息，从而基于知识图中实体与局部图上下文之间的高阶依赖关系进行高准确度的序列推荐。
-
公开(公告)号：CN109544306B
公开(公告)日：2021-09-21
申请号：CN201811455642.5
申请日：2018-11-30
Applicant: 苏州大学
Abstract: 本发明公开了一种基于用户行为序列特征的跨领域推荐方法，包括：分别获得目标用户在辅助域和目标域的交互项目序列，通过跨领域推荐模型的嵌入层分别获得目标用户在辅助域和目标域中的用户嵌入矩阵和项目嵌入矩阵，然后经过LSTM层分别获取目标用户在辅助域和目标域中的总偏好特征，最后经过MLP层处理，将用户在辅助域中的总偏好特征迁移到目标域中，通过计算得到目标用户在目标域中对每个项目的喜好得分，并在目标域中为目标用户推荐接下来一段时间内可能购买或者访问的项目。应用本发明实施所提供的技术方案，提高了目标域的推荐准确性，提升了推荐性能。本发明还公开了一种基于用户行为序列特征的跨领域推荐装置，具有相应技术效果。
-
公开(公告)号：CN110659962A
公开(公告)日：2020-01-07
申请号：CN201910893796.0
申请日：2019-09-20
Applicant: 苏州大学
Abstract: 本申请公开了一种商品信息输出方法，通过在商品信息输出的过程中加入美学特征，考虑到被输出商品的多样性，从而缓解数据稀疏性问题，并且在第一商品和第二商品之间进行交叉迁移，整合来自不同领域中的用户偏好特征，使得推荐输出的参考要素增多，而不是只采用用户的历史数据进行推荐展示，提高商品推荐展示的准确性，以便向用户输出感兴趣的商品，提高用户的体验。本申请还公开了一种输出商品信息的计算机设备、计算机设备以及计算机可读存储介质，具有以上有益效果。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.022 seconds)
