-
公开(公告)号：CN115114870A
公开(公告)日：2022-09-27
申请号：CN202210865954.3
申请日：2022-07-22
Applicant: 北京工商大学
IPC: G06F30/28 , G06F30/17 , G06Q10/04 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于分块映射的拼接式三维表面结构网格生成方法及系统，其方法包括：S1：输入三维数模，使用保角约束参数化整体处理，确定面积畸变区域；S2：按照畸变区域确定三维分割边界将三维数模分割为多个子模型，对多个子模型分别进行保角约束参数化，并对每个子模型提取特征线及分割边界；步骤S3：选择任一子模型Mi，依据特征线，在二维平面域中生成四边形二维结构网格，并将分割边界划分约束传给其他子模型用于构建二维结构网格，再将二维结构网格逆映射得到三维表面结构网格；步骤S4：将Mi三维表面结构网格和其他子模型在采用边界合并的方式分别进行拼接，得到完整的三维表面结构网格。本发明提供方法可生成无畸变的三维数模表面结构网格。
-
公开(公告)号：CN114972840A
公开(公告)日：2022-08-30
申请号：CN202210381003.9
申请日：2022-04-12
Applicant: 北京工商大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04
Abstract: 本发明公开一种基于时域关系的动量视频目标检测方法，包括：(1)利用实例级校准方法获得时间维度的实例级校准特征图；(2)为了获取到更有用的信息，进一步利用在时域方面关键帧之间的先后关系计算相邻实例级校准特征图产生的动量偏移量；(3)将产生的动量偏移量和时域信息最新的实例级校准特征图融合，即可获得动量级实例校准特征图，用动量级实例校准特征图代替下一关键帧的实例校准特征图。本发明利用两个相邻的实例级特征图产生动量级实例校准特征图，通过这种类似于速度相对于加速度的偏移量，结合实例级特征图产生动量级实例校准特征图，以已知信息来预测未知信息的位置信息，从而提高检测精确率。
-
公开(公告)号：CN113158646A
公开(公告)日：2021-07-23
申请号：CN202110035612.4
申请日：2021-01-12
Applicant: 北京工商大学
IPC: G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明涉及一种基于区块链的自动合成新闻的检测方法及系统，其方法包括：步骤S1：将区块链上的新闻样本集，输入逻辑回归分类模型进行训练，得到初始的新闻分类结果；步骤S2：利用激励机制对新闻样本集进行纠错；步骤S3：通过生成网络，得到机器合成新闻样本，并与真实新闻样本一起输入判别网络进行判别训练，并生成近似真实新闻的机器合成新闻样本；步骤S4：计算合成新闻样本和真实新闻样本的比例，当超过阈值，将机器合成新闻样本加入新闻样本集，进行增量训练，得到更新后的新闻分类结果。本发明可以提高样本集的质量，均衡新闻正负样本，防止过度拟合，并使用智能合约来增量训练逻辑回归分类模型，解决逻辑回归分类模型容易过时的问题。
-
公开(公告)号：CN112835333A
公开(公告)日：2021-05-25
申请号：CN202011641338.7
申请日：2020-12-31
Applicant: 北京工商大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于深度强化学习多AGV避障与路径规划方法及系统，其方法包括：步骤S1：每个AGV进行数据采集以及预处理，得到输入图片；步骤S2：将输入图片输入避障神经网络并进行训练，得到障碍物特征图；步骤S3：将每个AGV的障碍物特征图，输入路径规划决策模型，得到每个AGV的路径规划策略；步骤S4：每个AGV根据中央控制器所获取的所有AGV的状态‑动作对，以获取全局路径规划策略，并根据全局路径规划策略更新每个所述AGV的路径规划策略，以获得最优的全局路径规划策略。本发明采取一种多AGV的Actor‑Critic深度强化学习方法，通过分散执行‑集中学习的框架方式解决多AGV的路径规划与冲突协调的问题，同时，规避了通信协议的引入，避免了通信延迟所带来的弊端。
-
公开(公告)号：CN106971001B
公开(公告)日：2020-04-03
申请号：CN201710247760.6
申请日：2017-04-17
Applicant: 北京工商大学
Abstract: 本发明涉及一种针对手机基站定位数据的可视分析系统及方法，通过采用结合基于空间简化和时间简化的技术，对手机基站定位数据集进行基站可视化处理、基站间人群流向可视化处理、基于基站的人群流动模式可视化处理和基于时间步的人群流动模式可视化处理，从多个角度展示手机基站定位数据中包含的大量信息。
-
Patent Agency Ranking
公开(公告)号：CN110569033A
公开(公告)日：2019-12-13
申请号：CN201910864332.7
申请日：2019-09-12
Applicant: 北京工商大学
Abstract: 本发明涉及一种数字化交易类智能合约基础代码生成方法，包括两个方面：针对爬取的各应用领域智能合约代码数据集，基于文档主题生成模型LDA(Latent Dirichlet Allocation)与高斯混合模型GMM(Gaussian mixture model)聚类算法实现智能合约领域应用模式特征的提取与分类；以此为基础，选取交易类智能合约数据集，应用SeqGAN(Sequence Generative Adversarial Nets，序列生成对抗网络)学习智能合约逻辑特征生成智能合约基本代码片段，形成交易类智能合约基本代码库，最后为区块链数字化交易场景提供模板化的智能合约。
-
公开(公告)号：CN110554866A
公开(公告)日：2019-12-10
申请号：CN201910865275.4
申请日：2019-09-12
Applicant: 北京工商大学
Abstract: 一种基于MVC交易类智能合约交互式设计方法，采用MVC模式构建智能合约可视化设计系统，实现交易类智能合约简易、安全、快捷开发，提高了智能合约编写效率；包括：通过JavaScript脚本文件将SeqGAN生成的交易类智能合约基础代码嵌入Model层；View层选用Google Blockly构建可视化的Web交互式设计界面，为用户提供可视的交互式设计所需的工作区、工具箱、UI控件，实现智能合约设计所需组件可视化；采用监听器作为Controller层技术实现对交易类智能合约基础代码块的控制，将交易类智能合约基础代码块通过各自对应的交易类智能合约代码生成器函数转化为交易类智能合约代码文本，最后对生成的智能合约采用自动检测技术实现代码漏洞的检测。
-
公开(公告)号：CN108875813A
公开(公告)日：2018-11-23
申请号：CN201810561732.6
申请日：2018-06-04
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于几何图像的三维网格模型检索方法，包括：将三维网格模型通过保面积参数化方法映射到球面上，得到参数化后的球形三维网格，然后将得到的球形三维网格映射到八面体上，沿着八面体的边剪开、铺平，得到一个二维平面；利用三维网格模型的三种不同的几何特征对二维平面上的每个像素点进行编码，获得几何图像；采用标准卷积神经网络结构，将所述几何图像作为输入，经过迭代地训练学习得到几何图像的特征，通过最大值映射得到对应的三维网格模型的特征；根据得到的三维网格模型的特征，计算待检索的三维网格模型与数据库中其余三维网格模型的相似度，根据所述相似度计算的结果，输出检索结果。
-
公开(公告)号：CN107368752A
公开(公告)日：2017-11-21
申请号：CN201710611972.8
申请日：2017-07-25
Applicant: 北京工商大学
IPC: G06F21/62
CPC classification number: G06F21/6245
Abstract: 本发明提供一种基于生成式对抗网络反馈的深度差分隐私保护方法，用于解决深度学习模型应用中攻击者利用自编码等方法还原出训练集数据的问题，应用深度差分隐私保护方法实现训练数据集中用户隐私保护目的。本发明包括：依据输入训练数据集的潜在数据集规模，查询敏感度、攻击者最大攻击概率出隐私预算的上界；在深度网络参数优化计算中融合差分隐私思想添加噪声数据，基于差分隐私与高斯分布可组合特点，计算深度网络每一层的隐私预算，在随机梯度下降计算中添加高斯噪声使之总体隐私预算最小；利用生成式对抗网络生成攻击者可能得到的最优结果，通过对比攻击结果和原始数据间差别反馈调节深度差分隐私模型的参数，实现训练数据集可用性与隐私保护度的平衡。
-
公开(公告)号：CN106971001A
公开(公告)日：2017-07-21
申请号：CN201710247760.6
申请日：2017-04-17
Applicant: 北京工商大学
Abstract: 本发明涉及一种针对手机基站定位数据的可视分析系统及方法，通过采用结合基于空间简化和时间简化的技术，对手机基站定位数据集进行基站可视化处理、基站间人群流向可视化处理、基于基站的人群流动模式可视化处理和基于时间步的人群流动模式可视化处理，从多个角度展示手机基站定位数据中包含的大量信息。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.026 seconds)
