-
公开(公告)号：CN113734396A
公开(公告)日：2021-12-03
申请号：CN202110999658.8
申请日：2021-08-29
Applicant: 北京工业大学
Abstract: 本发明公开了一种仿生黑斑蛙游泳机器人，包含腿部执行机构、驱动和控制机构。执行机构采用单自由度瓦特型六杆机构，此仿生机器人外形结构(腿的粗细，关节的位置)与黑斑蛙腿部结构高度相似，各关节(膝关节、踝关节、末端点)运动曲线与黑斑蛙游泳过程高度相似。通过驱动电机的回转运动转化为驱动齿条的移动副的往返移动，然后驱动腿部执行机构，可做连续运动，从而实现高速运动。通过转向电机带动转向浆实现转向，让游泳机器人更加灵活。此机器人驱动少，控制简单方便，可实现机器人微型化。其结构简单、制作方便、成本低、仿生效果好，可用于水文监测，海洋探索，水下侦察等多种任务。
-
公开(公告)号：CN113705679A
公开(公告)日：2021-11-26
申请号：CN202110999765.0
申请日：2021-08-30
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于超图神经网络的学生成绩预测方法，用于解决现有技术无法对学生多源异构行为数据进行分析，进而无法准确预测学业成绩的问题。本方法首先根据学生多源异构数据提取多源行为特征，然后，对所有学生的多源行为特征进行敏感性分析得到每种行为的影响力特征，接下来，利用影响力特征构建多源行为超图；最后，将学生的多源超图H及由四种行为的影响力特征拼接而成的多元影响力特征X输入到深度网络，预测学生成绩。本发明提出的Ms‑HGNN方法，从群体的角度考虑了多源行为特征构建的行为模式对学生成绩的影响，灵活地表示了学生行为多元关联，在提高模型预测准确性的同时赋予了一定的可解释性。
-
公开(公告)号：CN110232698B
公开(公告)日：2021-09-17
申请号：CN201910320609.X
申请日：2019-04-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于模型分割与L1中值骨架的连续帧三维人体曲线骨架提取方法，本发明借助基于模型分割点的插值骨架对L1中值骨架进行去噪与修复，进而通过迭代优化，来求解考虑了运动关联的时间约束和骨骼块间及块内的空间约束的骨骼点序列，各帧内骨骼点相互连接形成完整的骨架。该方法包含以下三个步骤：基于L1中值骨架提取方法的L1中值骨架提取，基于模型分割骨架TPS变形的L1中值骨架去噪与补全，连续帧曲线骨架序列优化。此方法可以在几乎没有人工干预的情况下面向连续帧网格模型提取出更准确、更完整、更平滑的三维人体曲线骨架。
-
公开(公告)号：CN113051397A
公开(公告)日：2021-06-29
申请号：CN202110258416.3
申请日：2021-03-10
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06K9/62
Abstract: 在当今电子信息化时代，大规模学术数字图书馆在学术界的重要性日趋明显，如知网、万方、DBLP等。在这些系统中收录了以百万计的学术文献记录，但是正因如此，大量学术文章不能很好的匹配其作者，存在明显的同名歧义问题。为了解决上述问题。本发明提供了一种基于网络表示学习和词向量表示进行同名排歧的方法。该方法主要是利用论文的文本信息，如题目、关键词等；论文的关系信息，如作者等。通过以上信息结合网络表示学习以及文本嵌入学习生成表示论文的向量；在通过计算两两向量(文章)之间的相似性生成相似性矩阵；对生成的论文相似性矩阵进行聚类，不同的作者的文章被分配到不同簇中，从而实现了学术论文中同名排歧。
-
公开(公告)号：CN112818893A
公开(公告)日：2021-05-18
申请号：CN202110184512.8
申请日：2021-02-10
Applicant: 北京工业大学
Abstract: 一种面向移动终端的轻量化开集地标识别方法，属于计算机视觉领域。本发明首先基于MobileNet‑V2轻量化网络进行改进，使其适用于地标识别任务，然后利用辅助训练集并构建新损失函数，从而提高网络的外分布异常检测能力，最后使用多项指标评估网络性能。本发明基于轻量化神经网络模型并结合外分布检测方法，使部署在移动端的模型既能排除异常图像干扰，又能高效识别任务内地标建筑，同时具备低延迟和轻量的优势。
-
Patent Agency Ranking
公开(公告)号：CN111461437A
公开(公告)日：2020-07-28
申请号：CN202010252751.8
申请日：2020-04-01
Applicant: 北京工业大学
Abstract: 本发明提出一种基于生成对抗网络的数据驱动人群运动仿真方法，涉及人群仿真和深度学习等领域，用于在从行人运动视频数据中提取的行人轨迹数据集的基础上，在仿真场景中生成数据集中不存在的虚拟行人，并且为生成的虚拟行人根据给定的条件如初始位置、目的地等以及整个场景内的其它因素进行完整的、更贴近真实行人反应的路径规划。该方法应用了基于长短期记忆网络(LSTM)的生成对抗网络(GAN)来训练仿真模型。本发明的方法仿真出的虚拟行人的运动轨迹相较于传统的基于规则的人群仿真方法的仿真效果更具真实感、与现实行人运动情况更为相近。本发明完成了对虚拟行人进行的轨迹规划任务，并且有效地提高了人群运动仿真效果的真实性。
-
公开(公告)号：CN111461257A
公开(公告)日：2020-07-28
申请号：CN202010337201.6
申请日：2020-04-24
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于乘积Grassmann流形的多视点视频数据的共享-差异表示(PGM-CER)聚类分析方法，用于解决传统多视聚类方法无法将多视数据中的共享和差异信息分离开来、不适用于具有复杂非线性结构的多维数据的问题。本方法中，聚类过程分为三部分，首先，用乘积Grassmann流形来表示多视点视频，再将共享-差异表示从欧氏空间扩展到乘积Grassmann流形空间；然后，建立PGM-CER模型，在全局约束下学习其共享-差异信息；最终，实现多视点视频聚类。直接求解流形上的优化问题比较困难，本方法通过流形空间与欧氏空间的映射求解最优解，简化了学习过程，效果显著优于其他经典多视聚类方法。
-
公开(公告)号：CN107918607B
公开(公告)日：2020-05-08
申请号：CN201711253621.0
申请日：2017-12-02
Applicant: 北京工业大学
IPC: G06F40/289 , G06F16/31 , G06F16/33
Abstract: 本发明涉及一种基于语义信息的数字档案查询与排序方法，对用户所输入的关键词和检索层级(用l表示)，然后根据关键词返回的标题信息，对标题信息中出现概率较高的词进一步运用算法进行削弱，返回给用户k条最全面的基于关键词的标题信息的集合。步骤一：利用倒排索引，首先建立语义单词与语义标题之间的对应关系；步骤2：输入关键词生成k条备选的档案标题，当l>1时，确保新生成的档案标题中不含有已经得到的标题；步骤3：根据得到的标题用算法生成最终含有l层档案标题的队列Hk。
-
公开(公告)号：CN110232698A
公开(公告)日：2019-09-13
申请号：CN201910320609.X
申请日：2019-04-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于模型分割与L1中值骨架的连续帧三维人体曲线骨架提取方法，本发明借助基于模型分割点的插值骨架对L1中值骨架进行去噪与修复，进而通过迭代优化，来求解考虑了运动关联的时间约束和骨骼块间及块内的空间约束的骨骼点序列，各帧内骨骼点相互连接形成完整的骨架。该方法包含以下三个步骤：基于L1中值骨架提取方法的L1中值骨架提取，基于模型分割骨架TPS变形的L1中值骨架去噪与补全，连续帧曲线骨架序列优化。此方法可以在几乎没有人工干预的情况下面向连续帧网格模型提取出更准确、更完整、更平滑的三维人体曲线骨架。
-
公开(公告)号：CN110188427A
公开(公告)日：2019-08-30
申请号：CN201910415935.9
申请日：2019-05-19
Applicant: 北京工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于非负低秩动态模式分解的交通数据填充方法，从道路上的交通探测器中得到的交通数据，将其处理成m列的数据快照矩阵的形式，然后分成两个具有m-1列的数据快照矩阵来分别代表原始数据的前m-1列和后m-1列。然后考虑矩阵填充中的映射算子，并考虑到交通数据的非负性，得到交通数据的填充模型，最后通过该方法提出的模型进行交通数据的填充修复。此方法能够不仅能够直接处理从交通探测器得到的交通数据所形成的数据快照矩阵，还能够处理有缺失的交通数据并进行填充。与一些传统的交通数据矩阵填充方法相比，本发明考虑到了交通数据会出现局部丢失的问题，提升交通数据的填充修复能力，证明该方法的有效性以及实用性。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.04 seconds)
