-
公开(公告)号：CN114169504B
公开(公告)日：2024-04-16
申请号：CN202111503170.8
申请日：2021-12-10
Applicant: 河北工业大学
IPC: G06N3/082 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明为基于自适应滤波的图卷积神经网络池化方法，该方法提出了自适应滤波图卷积神经网络SFGCN和自适应滤波图卷积神经网络的池化操作SFGPool，SFGCN具有低通滤波器、高通滤波器和带通滤波器，对池化操作的输入进行了增强，相比于传统的图卷积网络，补充了中频和高频信息，防止信息丢失从而增强了网络的拟合能力；自适应滤波图卷积神经网络引入两个可学习参数，能在训练过程中对滤波器的频率特性进行自适应调节，对于不同的图分类任务可通过可学习参数控制每个频段的贡献。
-
公开(公告)号：CN117029845A
公开(公告)日：2023-11-10
申请号：CN202310602447.5
申请日：2023-05-26
Applicant: 河北工业大学
IPC: G01C21/34
Abstract: 本发明公开一种基于贪心算法的改进双向RRT*路径规划方法，该方法采用一种基于贪心算法和自适应步长思想相结合的组合扩展策略，有效减少不必要冗余点的采样，提升路径规划的收敛性，提高了随机树的搜索效率，从而在路径规划过程中规划路径时间短，路径规划效率高，能快速规划出最优路径；并将规划的最优路径进行剪枝处理，减少了时间的消耗，减少了规划的路径长度，针对规划出的路径曲折不平滑问题，采用六次样条插值法使得规划的路径更加平稳与光滑，生成符合机器人动力学、起始状态、目标状态及曲率连续有界等约束的路径。本发明方法有效减少不必要冗余点的采样，提升路径规划的收敛性，加快路径规划速度。
-
公开(公告)号：CN113269818B
公开(公告)日：2023-07-25
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN109859063B
公开(公告)日：2023-05-05
申请号：CN201910049502.6
申请日：2019-01-18
Applicant: 河北工业大学
IPC: G06Q50/00
Abstract: 本发明实施例公开了一种社区发现方法、装置、存储介质及终端设备。所述社区发现方法包括：基于预设规则确定待分析网络中预设数量的目标网络节点，并基于所述目标网络节点构建约束点集合；根据所述约束点集合构建约束矩阵；根据所述约束矩阵对所述待分析网络进行社区结构划分。通过本发明实施例提供的技术方案，能够充分利用待分析网络中的约束信息，但又不会过分依赖先验知识，准确、高效地对待分析网络进行社区结构的划分，有利于进一步指导待分析网络的社区结构的挖掘。
-
公开(公告)号：CN112884045B
公开(公告)日：2022-12-20
申请号：CN202110208919.X
申请日：2021-02-25
Applicant: 河北工业大学
Abstract: 本发明为基于多视角的随机删边嵌入模型的分类方法，该分类方法从两个视角分别是一阶邻居的编码和图扩散分布的各自的特殊通道和他们两个共享权重通道对其进行随机删边操作求和分别做KL散度，两个独特通道和共享权重通道再结合图注意力自适应权重嵌入可以实现最佳性能。基于随机删除边的思想对邻接矩阵和图扩散进行了节点增强，防止过拟合和过平滑增强模型的深度和嵌入能力，提高分类效果及分类速度。
-
Patent Agency Ranking
公开(公告)号：CN112148931B
公开(公告)日：2022-11-04
申请号：CN202011045034.4
申请日：2020-09-29
Applicant: 河北工业大学
Abstract: 本发明公开了一种用于高阶异构图分类的元路径学习方法，包括以下步骤：步骤1、在多通道模式下构建多条元路径，得到第L层的邻接矩阵A(L)；步骤2、对元路径进行信息补全，得到邻接矩阵A(L2)；步骤3、将邻接矩阵A(L2)的每个通道分别进行GCN聚类运算得到优化目标Z，以此完成整个元路径的学习。本方法能够学习出潜在的元路径信息，也就是把原本比较零散短小的元路径数据，经过模型的学习得到信息丰富、路径更长的元路径；在得到中间邻接矩阵后，在中间邻接矩阵的每一片上进行分类运算，使得分类结果更加准确。
-
公开(公告)号：CN114386600A
公开(公告)日：2022-04-22
申请号：CN202210034393.2
申请日：2022-01-13
Applicant: 河北工业大学
Abstract: 本发明为基于自适应结构和位置编码的网络表征方法，首先提取原始网络图中节点的特征信息和结构信息，并从原始网络图中得到两个子网络图和对应的邻接矩阵；其次，采用随机游走方式对原始网络图的位置编码进行初始化；接着，原始网络图的特征矩阵和两个子网络图的邻接矩阵分别输入到两个结构编码器中，得到两个子网络图的节点级表征；然后，将初始化后的位置编码经过两次位置编码器，得到两个基于注意力的位置编码；最后，将两个子网络图对应的节点级表征和基于注意力的位置编码分别按照维度为1拼接在一起，再经过全连接层映射为原始网络图的网络表征。该方法将网络图的位置编码和结构编码融合，使得网络表征将既包含结构信息，又包含位置信息。
-
公开(公告)号：CN114138919A
公开(公告)日：2022-03-04
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于非局部注意力卷积神经网络的地震数据重建方法。本发明通过非局部注意力机制建立长距离特征关系，通过计算不同局部特征之间的相关性权重，建立局部特征之间的依赖关系，使局部特征可以感知到全局信息，通过引入更多的全局信息加强局部特征的学习能力。因此，非局部注意力可以在不显著加大网络深度的同时建立长距离特征关系，有效融合局部特征和全局特征。本发明采用深度残差网络模块，该模块中包含的多个短跳跃连接和一个长跳跃连接，在有效防止过拟合的同时，还能允许大量的浅层特征向深层传递，方便了信息的流动，使主网络专注于重建缺失的地震数据。
-
公开(公告)号：CN112700372B
公开(公告)日：2022-03-01
申请号：CN202110033783.3
申请日：2021-01-11
Applicant: 河北工业大学
IPC: G06T3/40 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/766 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种结合Gabor特征提取与支持向量回归的地震数据插值方法，该方法包括依次执行的预插值、Gabor特征提取、特征向量提取、训练回归函数和重建地震图像。对缺少地震道的缺失地震图像进行预插值补充完整，获得低分辨率地震图像，再对此低分辨率地震图像进行Gabor滤波，获得特征图像，接下来利用低分辨率地震图像和特征图像变换获得预测特征向量，再通过训练特征向量和标签训练回归函数，最后将预测特征向量输入到训练好的回归函数中，经过回归重建以及变换得到重建地震图像。本发明设计了结合Gabor滤波和SVR的地震数据插值算法，充分利用了Gabor特征提取获得的特征图像以及SVR的回归重建能力，获得了清晰完整的地震图像。
-
公开(公告)号：CN110149556B
公开(公告)日：2021-05-04
申请号：CN201910416747.8
申请日：2019-05-20
Applicant: 河北工业大学
IPC: H04N21/442 , H04N21/466 , H04N21/45
Abstract: 本发明公开了一种基于TDC‑LDA模型的IPTV用户行为模式挖掘方法，该方法首先用概率生成模型的思想来假设用户具体行为模式中的观看的节目、观看的时间点和观看时长的生成过程，建立TDC‑LDA模型；其次，用Gibbs采样的方式进行模型拟合，推导隐变量条件概率的采样公式以及用户‑行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵的计算公式；然后，根据TDC‑LDA模型的Gibbs采样过程，得到每一个用户的行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵；最后，通过用户的收视行为模式分布，给用户做出推荐。本发明提出了一种新的TDC‑LDA用户收视行为模式挖掘模型，在现有的cLDA模型的基础上加入了观看时长信息。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.03 seconds)
