-
公开(公告)号：CN112650949A
公开(公告)日：2021-04-13
申请号：CN202011642110.X
申请日：2020-12-31
Applicant: 东北大学
IPC: G06F16/9536 , G06F16/9537 , G06K9/62
Abstract: 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建模区域和POI之间的关系，算法复杂度低，需求分析精度高。
-
公开(公告)号：CN105469406B
公开(公告)日：2018-05-04
申请号：CN201510853813.X
申请日：2015-11-30
Applicant: 东北大学
IPC: G06T7/00
Abstract: 本发明提供一种基于包围盒与空间划分的虚拟物体碰撞检测方法，包括以下步骤：对两个不规则的虚拟物体进行虚拟物体碰撞预检测；对待检测区域进行区域分割；在待检测区域划分好的各个子区域中进行相交测试；利用代表移动中的虚拟物体的点向量集合以及代表当前不需要装配的虚拟物体的三角面，进行虚拟物体碰撞检测：若相交，则两个虚拟物体发生碰撞，否则不发生碰撞。本发明利用虚拟物体的空间相关性来缩小空间的碰撞检测范围来减少时间消耗，同时也大大提升了方法的检测效率和碰撞检测的几何精度。采用将包围盒还原成三角面以及点的方式减少碰撞检测误判的发生。将碰撞检测过程细化到三角面和点之间的干涉，分步检测的方式将大大提高检测效率。
-
公开(公告)号：CN105551073A
公开(公告)日：2016-05-04
申请号：CN201511024521.1
申请日：2015-12-30
Applicant: 东北大学
IPC: G06T13/40
CPC classification number: G06T13/40
Abstract: 本发明提供一种三维人体模型的骨骼绑定方法，包括：获取三维人体模型的几何数据；为每一个皮肤控制点分别建立筛选域，计算筛选数据填充至筛选域中；对各筛选域中的筛选数据进行筛选，筛选出各筛选域中影响到皮肤控制点的骨骼线段；计算得出每一个皮肤控制点分配给各个骨骼线段的权重数值；根据骨骼线段对于皮肤控制点的影响程度完成三维人体模型的骨骼绑定。本发明仅根据皮肤控制点与骨骼信息进行骨骼绑定，能使用更少的基础数据进行绑定，降低人工所需参与，与现有技术中需大量人工校对和调试相比，更加简捷方便。根据骨骼线段穿过的皮肤层数来进行皮肤控制点与骨骼之间的映射，能够更加精确地确定每块骨骼实际影响范围，绑定错误概率大大降低。
-
公开(公告)号：CN117935218A
公开(公告)日：2024-04-26
申请号：CN202410097072.6
申请日：2024-01-24
Applicant: 东北大学
Abstract: 本发明提供一种基于时空图和注意力机制的多实体轨迹预测的方法，涉及轨迹预测技术领域。利用地面实体的历史轨迹作为输入来推断场景内实体的未来轨迹；首先通过轨迹嵌入将历史轨迹位置编码到特征空间，从而得到输入图表示，然后将其送入模型处理，最终推断出场景中所有实体的未来轨迹。本发明解决同场景下多实体的轨迹预测问题，以场景中实体的历史轨迹作为输入，从时间和空间两个维度推断实体未来的轨迹，利用图和注意力机制对多实体轨迹进行分析，提取有效交互向量，实现对多实体未来轨迹的精准预测。
-
公开(公告)号：CN117789082A
公开(公告)日：2024-03-29
申请号：CN202311809903.X
申请日：2023-12-26
Applicant: 东北大学
IPC: G06V20/40 , G06V10/80 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明设计一种基于空地融合的目标实体轨迹预测方法，属于轨迹预测技术领域；首先对地面目标实体历史轨迹构建空间关系连接图，根据空间关系连接图获取该图的带权邻接矩阵；然后利用GCN进行空间交互特征提取，获得空间交互特征向量；其次利用无人机获取地面目标实体的空中视角视频，并将其转换为视频帧，将视频帧送入U‑Net中提取场景上下文信息；将地面目标实体历史轨迹和上下文信息通过MLP进行聚合，得到当前时刻场景综合了目标实体上下文以及目标实体历史轨迹的特征；并对聚合的特征基于U‑Net模型计算后得到实体终点位置概率分布；融合实体终点位置概率分布、地面目标实体历史轨迹以及空间交互特征向量，基于TCN模型得到最终目标实体的未来轨迹。
-
Patent Agency Ranking
公开(公告)号：CN117474928B
公开(公告)日：2024-03-19
申请号：CN202311829427.8
申请日：2023-12-28
Applicant: 东北大学
IPC: G06T7/00 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于元学习模型的陶瓷封装基板表面缺陷检测方法，涉及陶瓷芯片表面缺陷技术领域，本发明采集陶瓷封装基板图像，对陶瓷封装基板图像进行预处理，并将预处理之后的图像数据划分为支持集和查询集元组；针对支持集和查询集元组，采用骨干网络进行陶瓷封装基板图像的特征提取；对获取到的陶瓷封装基板图像特征，进行支持集和查询集的低秩矩阵重建：经过矩阵分解得到的支持集和查询集的低秩矩阵，然后通过全局平均池化以获取空间分辨率下的特征统计信息：采用元学习范式进行训练，实现芯片陶瓷封装基板表面缺陷检测。
-
公开(公告)号：CN117516485A
公开(公告)日：2024-02-06
申请号：CN202410011595.4
申请日：2024-01-04
Applicant: 东北大学
Abstract: 本发明设计一种飞机发动机自动引导安装的位姿视觉测量方法，属于发动机安装视觉测量技术领域；首先基于CCD摄像机建立飞机发动机视觉坐标系，并进行转换，得到飞机发动机在各个坐标系之间的转换关系；然后基于此，对发动机标靶视图进行对正变换，在经过旋转对称和径向对称后，得到标靶各点像素信息的对应矩阵；最后标定摄像机参数，得到摄像机相对于发动机世界坐标系的方位，结合坐标转换关系从而得到飞机发动机位姿；本发明通过视觉测量精确地测量发动机在安装过程中的位置和姿态，能够实时判断安装过程中飞机发动机是否偏离了安装轨迹，减少了人工测量带来的误差；实现了对飞机发动机位置和姿态的精确测量，提高了安装定位精度。
-
公开(公告)号：CN117390568A
公开(公告)日：2024-01-12
申请号：CN202311684815.1
申请日：2023-12-11
Applicant: 东北大学
IPC: G06F18/2433 , G01L5/00 , G06F18/214 , G06N3/045 , G06N3/088
Abstract: 本发明公开一种基于增强Transformer模型的芯片封装丝网印刷机的异常检测方法，涉及基于时序深度学习的工业数据异常检测领域。获取印刷机传感器数据集；对印刷机传感器数据集进行预处理及数据集划分；构建频域注意力机制模块；构建双阶段Transformer异常检测模型；使用训练集对双阶段Transformer异常检测模型进行训练，得到训练完成的双阶段Transformer异常检测模型；利用双阶段Transformer异常检测模型对验证集进行检测，得到压力异常检测结果。本发明利用二阶段Transformer和频域注意力机制能够准确而全面地检测异常，提高了检测性能；通过二阶段检测和频域信息的综合利用，能够更准确地识别轻微异常，降低了误报率；无需大量标记数据，可以无监督地进行异常检测，节省了人力和时间成本。
-
公开(公告)号：CN110118560B
公开(公告)日：2023-03-10
申请号：CN201910450526.2
申请日：2019-05-28
Applicant: 东北大学
IPC: G01C21/20
Abstract: 本发明涉及室内定位技术领域，提供一种基于LSTM和多传感器融合的室内定位方法。首先通过手机的加速度计、地磁传感器、陀螺仪分别采集行人的三轴加速度、三轴磁力值、三轴角速度，及位置坐标数据，并对数据集进行预处理；然后利用WiFi信息对行人进行粗定位，计算行人的初始位置；再利用三轴加速度数据对行人进行计步并进行步长估计，利用三轴磁力值数据和三轴角速度数据对行人进行方向估计，形成行人运动模型，对行人位置进行估算；接着构建并训练行人定位的LSTM模型，利用训练后的LSTM模型对行人位置进行预测；最后对上两步中计算出的行人位置进行卡尔曼滤波融合，完成对行人的定位。本发明能够提高室内定位的精度，且成本低、容易部署。
-
公开(公告)号：CN110084670B
公开(公告)日：2022-03-25
申请号：CN201910297823.8
申请日：2019-04-15
Applicant: 东北大学
IPC: G06Q30/06
Abstract: 本发明涉及货架商品组合推荐技术领域，提供一种基于LDA‑MLP的货架商品组合推荐方法，首先从订单数据中提取测试集和训练集；然后根据训练集构建LDA模型，并利用Gibbs采样求解该模型，得到用户和商品的潜在特征向量；接着构建用户商品交互矩阵；再构建MLP模型，构建并最小化目标函数以训练MLP模型；对测试集按货架分组，通过LDA模型和MLP模型得到每个货架中用户对商品的偏好，进行偏好融合，得到用户群组对商品的偏好；最后基于Top‑N算法，对偏好排序，选择偏好程度最高的前s个商品组成该货架的商品组合推荐列表。本发明能够不依赖显式评分信息、解决数据稀疏性问题，为群组用户进行商品组合推荐且推荐准确性高。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.022 seconds)
