-
公开(公告)号：CN111882055B
公开(公告)日：2022-08-05
申请号：CN202010540046.8
申请日：2020-06-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法，包括：S1，源域数据集和目标域数据集预处理；S2，使用CycleGAN网络将源域数据集转换为接近目标域数据集的中间域数据集，并将中间域数据集输入Faster R‑CNN网络进行训练，得到初步域自适应模型Q；将目标域数据集重新输入到模型Q中，获得带伪标签的目标域数据集；S3，将中间域数据集与带伪标签的目标域数据集轮流输入模型Q进行迭代式地更新与优化，最终得到基于CycleGAN与伪标签的目标检测域自适应模型。本发明通过利用置信度改进Faster R‑CNN网络的目标检测总损失函数来训练得到的目标检测域自适应模型，能够解决两个域之间由于存在分布差异而导致目标检测出现域漂移的问题。
-
公开(公告)号：CN111652171B
公开(公告)日：2022-08-05
申请号：CN202010518449.2
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双分支网络的面部表情识别模型的构建方法，包括：S1，样本集预处理并数值化；S2，样本集划分为训练集和测试集；S3，构建双分支网络；S4，定义目标函数；S5，利用训练集训练所述双分支网络得到面部表情识别模型；S6，利用测试集验证所述面部表情识别模型的准确率。本发明通过构建双分支网络分别对脸部区域图像和眉眼区域图像进行特征提取和分类，以解某些特定因素的影响导致脸部的表情差异较大而降低识别率，以及单一卷积神经网络不能充分利用表情变换蕴含的时间序列信息造成资源浪费的问题。
-
公开(公告)号：CN111431863A
公开(公告)日：2020-07-17
申请号：CN202010127938.5
申请日：2020-02-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关系网络的主机入侵检测方法，包括：步骤1，对主机系统调用序列样本集进行特征化处理；步骤2，将经步骤1处理后的数据集划分为训练集、支持集和测试集；再将训练集划分为样例集和查询集；步骤3，构建关系网络模型；所述关系网络模型包括嵌入模块、连接模块和关系模块；步骤4，定义关系网络模型的目标函数；步骤5，训练构建的关系网络模型，得到主机入侵检测模型；步骤6，将需要检测的主机系统调用序列经过步骤1后输入训练好的主机入侵检测模型进行主机入侵检测。本发明提出一种基于关系网络的主机入侵检测方法，该方法可以在小样本的情况下既可以实现已有入侵方式的主机检测也可以实现未知入侵方式的主机入侵检测。
-
公开(公告)号：CN105893585B
公开(公告)日：2019-04-26
申请号：CN201610205785.5
申请日：2016-04-05
Applicant: 电子科技大学
IPC: G06F16/33
Abstract: 本发明是一种结合标签数据的二部图模型学术论文推荐方法。由于论文的标签以简短的语义概述了论文的主旨内容，本发明将论文中的标签信息自然的添加到论文的内容信息中，结合论文的引用关系和用户收藏论文的关系，构建了一个二部关系图，运用重启动的随机游走算法提出了一个高效解决学术论文推荐冷启动问题的图模型方法。该模型仅仅添加了少部分的相似度关系，因此该模型降低了参数优化过程中消耗的资源。同时，由于该模型充分利用了数据中的各种信息，尤其是论文的标签信息，保证了论文推荐的精度。本发明在一个真实的数据集上进行了相关的实验，得到了较好的实验结果。
-
公开(公告)号：CN104573048B
公开(公告)日：2018-10-12
申请号：CN201510027957.X
申请日：2015-01-20
Applicant: 电子科技大学
IPC: G06F17/30
Abstract: 本发明通过分析用户智能手机的流量数据，预测用户的年龄和性别等基础属性。获取智能手机上所有APP的流量精确使用情况，分析用户对每个APP流量的使用特征，并计算相应特征值。将所有APP的流量特征值作为特征向量，通过用户ID将用户的基础属性和特征向量关联起来，分析智能手机流量数据与用户基础属性之间的关系，从而达到依据智能手机的流量数据预测用户的基础属性的目的。采用SVM模型实现对用户的基础属性的分类预测。本发明将用户的性别作为男和女的二分类问题处理，年龄分段之后作为多分类问题处理。本发明实施例的有益效果是，通过分析用户智能手机的流量数据可以对用户的性别、年龄等基础属性做出预测，经过实验能够获得有效的预测效果。
-
Patent Agency Ranking
公开(公告)号：CN107220238A
公开(公告)日：2017-09-29
申请号：CN201710373201.X
申请日：2017-05-24
Applicant: 电子科技大学
Abstract: 本发明是一种基于混合网络模型的文本对象抽取方法。本发明利用词性及语义特征来寻找文本中的候选文本对象，利用已标注对象间关系的语料，获得不同文本对象间的关系，并以此为基础构建一个用于抽取文本对象的混合网络模型。相比不考虑关系的文本对象抽取方法，该模型充分利用了文本对象间的关系，能够更加精确地抽取文本对象。此外，由不同方式获取的关系都可以作为该模型的输入，使得该模型具有一定的灵活性。本发明在一个真实的数据集上进行了相关实验，相较于实验参照方法得到了更优的实验结果。
-
公开(公告)号：CN105843799A
公开(公告)日：2016-08-10
申请号：CN201610208244.8
申请日：2016-04-05
Applicant: 电子科技大学
CPC classification number: G06F17/2745 , G06F17/218 , G06F17/241 , G06F17/2705 , G06F17/2715
Abstract: 本发明是一种基于多源异构信息图模型的学术论文标签推荐方法。本发明根据普遍存在于标签数据集的三元关系，即用户?物品?标签，再结合物品之间的内容信息，构建了多源异构信息图模型。该图模型可以将多种数据信息整合到一个图中，可以方便的发现哪种数据信息组合能更好地提升标签推荐的精度。除此之外，本发明设计的图模型仅仅添加少部分文本内容相似度关系，因此该图模型具有高效的执行效率。通过相关实验，本发明得到了较传统标签推荐方法更加有效的执行效率和更高的推荐精度。
-
公开(公告)号：CN105117395A
公开(公告)日：2015-12-02
申请号：CN201510236540.4
申请日：2015-05-11
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30327 , G06F17/30389
Abstract: 本发明提出了位置索引平衡二叉树的车道车辆存储结构及查询算法。在位置线索平衡二叉树中每个节点记录了与其具有物理相邻关系的前后节点的线索，利用该线索查询车辆的同车道前后相邻车辆，并通过二叉树的结构查询相邻车道中的相邻车辆。将大规模的仿真任务划分成若干个子任务然后将这些子任务分配到集群中的各个结点，这样就减少了单个结点的仿真规模。优化车辆路径选择算法、优化车辆的存储结构及相应的车辆查询算法。
-
公开(公告)号：CN105045865A
公开(公告)日：2015-11-11
申请号：CN201510410231.4
申请日：2015-07-13
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30884
Abstract: 本发明涉及到一种新的面向物品的标签推荐混合方法。本发明将行为信息、文本信息以及社会关系信息整合到一个模型中。本发明将矩阵分解技术、主题模型还有核函数的方法有机结合组成混合模型。将上述三种信息集中处理，不仅可以有效的解决冷启动问题，同时保留了推荐目标之间实际存在的社会关系，而不是像传统协同过滤方法把推荐目标看做是相互独立的个体。通过实验，本发明得到了较传统协同过滤推荐方法更高的推荐精度。
-
公开(公告)号：CN104281635A
公开(公告)日：2015-01-14
申请号：CN201410092727.7
申请日：2014-03-13
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06Q10/04 , G06F17/30876
Abstract: 本发明通过分析移动用户的浏览内容，预测用户的年龄和性别等基础属性。从用户的浏览日志出发，将用户的浏览行为分类，得出用户行为偏好点击矩阵，采用LFM方法得到用户的关系反馈矩阵。分析用户的浏览行为和用户之间的关系，从而通过用户的浏览行为预测用户的基础属性。采用贝叶斯网络模型实现对用户的基础属性的分类预测。本发明将用户的性别作为男和女的二分类问题处理，年龄分段之后作为多分类问题处理。本发明实施例的有益效果是，通过分析移动用户的浏览行为可以对用户的性别、年龄等基础属性做出预测，其中对年龄的预测能够达到85％以上的准确率，对性别的预测能够达到92％以上的准确率。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.025 seconds)
