-
公开(公告)号：CN110688585B
公开(公告)日：2022-04-19
申请号：CN201910912752.8
申请日：2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法，采用Bert神经网络对电影情节进行特征提取，形成一个关于item的特征矩阵与Funk‑SVD形成衔接，再利用矩阵分解技术产生一个完整的U‑I矩阵，得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取，并得到一个关于电影item的特征矩阵；然后将得到的特征矩阵与协同过滤算法Funk‑SVD算法衔接，再利用矩阵分解技术，梯度下降法进行优化，得到一个误差最小的完整的U‑I矩阵，最终获得所有预测评分等一系列操作；本发明在原有显式反馈和隐式反馈的基础上，加入辅助信息即电影情节，更加准确的获取item的特征矩阵，使最小误差降低了2.40％，提高了预测的精确度。
-
公开(公告)号：CN113855043A
公开(公告)日：2021-12-31
申请号：CN202110999643.1
申请日：2021-08-29
Applicant: 北京工业大学
IPC: A61B5/346
Abstract: 本发明公开了一种融合多导联注意力机制的ResNeXt网络分类方法，本发明首先利用傅里叶变换将原始时域信号转变为对应的频谱图像，然后采用MARX‑Net网络对二维频谱图进行图像分类以实现心律失常的类别识别，同时本方法在网络结构中融入了多导联注意力模块，增加了关注相关导联信息的权重，抑制了无关导联信息的权重，进而提高了心电信号分类的准确率。同时引入了PreAct方法改变神经网络激活层位置，改善了残差网络的性能。本发明是一种端到端的心电分类方法。降低了解决问题的繁琐复杂过程，有效地提高了心电信号分类准确率。
-
公开(公告)号：CN110070119B
公开(公告)日：2021-11-26
申请号：CN201910288642.9
申请日：2019-04-11
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于二值化深度神经网络的手写数字图像识别分类方法，基于BinaryConnect二值化深度神经网络，并通过公式推导得出最优权重缩放因子α，将该因子α在前向传播过程中与权重W相乘，以达到增强网络表达能力、提高训练精度的目的。与现有技术相比，本发明人提出的权重缩放因子和XNOR‑Net中提出的权重缩放因子均能够在MLP‑MNIST问题上使得二值化深度神经网络达到较高的精度，但是本专利的方法在四层二值化MLP和MNIST数据集上的实验效果要优于XNOR‑Net的方法。具体表现为：在验证集精度上，本方法高出XNOR‑Net方法0.05％，在测试集精度上，本方法高出XNOR‑Net方法0.01％。
-
公开(公告)号：CN107273842B
公开(公告)日：2020-07-03
申请号：CN201710432432.3
申请日：2017-06-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于CSJOGA算法的选择性集成人脸识别方法，属于人脸识别技术领域，特别是一种基于联合稀疏投影改进混合正交遗传算法(CSJOGA)、bagging方法、选择性集成技术、多分类SVM方法的人脸识别新方法。本方法结合最小生成树聚类、联合稀疏投影和正交实验设计，提出了一种基于联合稀疏投影的正交交叉算子。然后利用正交实验方法设计交叉，并引入了聚类局部搜索策略，提出了基于联合稀疏投影的混合正交遗传算法。本方法能在大幅减少集成的分类器数量、减少存储和计算开销、有效提高人脸识别速度的前提下，保证人脸识别的正确率能够进一步提升至更高水平，确保实际应用时的分类精度达到理想要求。
-
公开(公告)号：CN104809890B
公开(公告)日：2018-01-05
申请号：CN201510185548.2
申请日：2015-04-19
Applicant: 北京工业大学
Abstract: 基于主成分分析和局部搜索改进正交遗传算法的交通信号配时优化方法，通过分析遗传算法与图像处理和模式识别间的内在联系而提出了这种算法，可以用于求解各种函数优化问题。此算法提出了一种基于主成分分析的改进正交交叉算子。该算子首先对交叉前的种群进行PCA投影，减小交叉时的个体长度，然后在投影域上实施正交交叉操作；交叉完成后重新投影到原始空间，减少因交叉产生的冗余个体个数和计算开销。为了进一步提高算法的收敛速度，还引入了局部搜索策略。将本算法应用于单交叉口信号配时优化问题，通过和现有的算法进行测试对比说明了算法的通用性和有效性，得到了有效的配时时间，减少了交叉口前的排队车辆数。
-
Patent Agency Ranking
公开(公告)号：CN104820825B
公开(公告)日：2017-12-22
申请号：CN201510203079.2
申请日：2015-04-27
Applicant: 北京工业大学
Abstract: 基于Adaboost算法的人脸识别优化方法，首先对人脸图像进行特征提取和降维，用降维后的矩阵数据，使用SAMME.R算法进行识别分类；在训练弱分类器时，判断该弱分类器的结果，在所有同属一类的样本的分类中，正确分类的样本的权值和，是否比分到其他任意一类的权值和大；如果满足该条件则继续进行权值调整和下一次迭代；如果不满足，由于训练出的弱分类器不够好，达不到要求，所以在权值不变的情况下重新训练弱分类器，然后再次判断新的弱分类器是否满足上边所述的条件，如果满足进入下一次调整，不满足继续重新训练弱分类器，不断优化弱分类器的质量，从而逼近最优强分类器；得到最终的强分类器有效提高了人脸识别的准确率。
-
公开(公告)号：CN107273209A
公开(公告)日：2017-10-20
申请号：CN201710432104.3
申请日：2017-06-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于最小生成树聚类改进遗传算法的Hadoop任务调度方法，包括待调度任务TaskQueue的建立，任务预测执行时间矩阵ETC的建立，任务本地性矩阵LTC的建立，机器负载列表loadList的建立；进行个体编码、初始化数据，并设定参数；进行种群初始化；对种群内的个体进行解码得到表现型空间，计算表现型空间个体的任务预测执行时间、本地性任务个数和机器负载，然后根据这三个值计算种群内个体的适应度值；在表现型空间对种群进行最小生成树聚类；选择种群内个体参加遗传操作；对选择的个体进行交叉和变异操作；重复迭代直到得到最佳个体。本发明采用改进的遗传算法作为优化算法，同时以任务预测执行时间、本地性任务个数、机器负载三个因素作为参数进行优化求解。
-
公开(公告)号：CN107256241A
公开(公告)日：2017-10-17
申请号：CN201710381920.6
申请日：2017-05-26
Applicant: 北京工业大学
CPC classification number: G06F17/30867 , G06F17/3071 , G06K9/6215 , G06N3/126
Abstract: 基于网格与差异替换改进多目标遗传算法的电影推荐方法，针对NSGA‑II中存在的分布性和收敛性两方面的不足而提出了改进算法GDNSGA‑II，可以用于求解多目标组合优化问题。该算法设计多目标网格划分方式初始化种群，避免了个体不均匀而导致分布性缺失；并运用聚类选择与差异替换算子维护种群进化过程，选择适当数目的劣质个体局部搜索，保持了种群的收敛性和分布性。结合用户行为与电影属性的挖掘，将该算法应用于电影个性化推荐这一实际问题，通过和现有的算法进行测试对比说明了算法的通用性和有效性，得到了更为优良的推荐结果，提高了推荐的F调和率、多样性和新颖性，并提供了更为丰富的推荐方案组合，有利于充分挖掘用户的兴趣提供更为可靠的推荐服务。
-
公开(公告)号：CN107203590A
公开(公告)日：2017-09-26
申请号：CN201710271129.X
申请日：2017-04-24
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 本发明公开了基于改进NSGA‑II的个性化电影推荐方法，针对传统推荐算法只追求准确性而忽略多样性的不足，采用多目标优化算法对这两个目标进行优化，从而在保持准确性的情况下提高多样性。针对NSGA‑II多目标优化算法存在的不足，提出了改进算法FFNSGA‑II，该算法设计综合相对熵过滤初始化种群，避免了种群分布不均匀；运用自适应非劣解填充维护种群进化过程，保持了种群的收敛性和分布性。结合用户行为与电影属性的信息挖掘，将该算法应用于个性化电影推荐这一实际问题，通过和现有的推荐算法进行测试对比说明了算法的通用性和有效性，得到了更为优良的推荐结果，提高了推荐的准确性、多样性。
-
公开(公告)号：CN104700634B
公开(公告)日：2017-07-14
申请号：CN201510121744.3
申请日：2015-03-19
Applicant: 北京工业大学
IPC: G08G1/081
Abstract: 基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法，包括相邻交叉口干道协调控制模型的建立；进行个体编码、初始化数据，并设定参数；进行种群初始化；计算种群内个体的适应度值；对种群进行最小生成树聚类；选择种群内个体参加遗传操作；对选择的个体进行交叉和变异操作；重复迭代直到得到最佳个体。本发明以车辆总延误为性能指标通过分析车队到达路口前遇到的信号灯状态以及路口前车辆在放行期间是否完全放行建立了更完善的相邻交叉口干道协调控制模型，并采用改进的遗传算法作为优化算法，同时以周期长度、信号配时、相位差三个因素作为参数进行优化求解。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.022 seconds)
