-
公开(公告)号：CN109409216B
公开(公告)日：2022-04-05
申请号：CN201811086897.9
申请日：2018-09-18
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于子载波动态选择的速度自适应室内人体检测方法，训练阶段包括信道状态信息的获取及预处理；信道状态信息去噪；信道状态信息特征值提取；信道状态信息分类训练，检测阶段包括信道状态信息预处理；提取窗口内的特征值：按照窗口分割进行特征值提取，所述特征值作为人体检测的验证数据；人体检测。该方法可以防止由于慢速移动对信道状态信息影响不明显，而造成检测结果不准确的情况发生，有效的解决检测环境中存在慢速移动的人体时，检测漏报率较高的问题。
-
公开(公告)号：CN112765229A
公开(公告)日：2021-05-07
申请号：CN202011563544.0
申请日：2020-12-25
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06F16/215 , G06F16/951 , G01N33/00 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/26
Abstract: 本发明公开了一种基于多层注意力机制的空气质量推断方法，属于环境空气质量监测领域。本发明将城市划分成大小相同的网格，每个网格的空气质量受到相邻网格区域的影响，为了推断未部署空气质量监测传感器区域准确的空气质量，利用待推断区域、待推断区域周围的网格区域以及已部署传感器区域的时序数据和非时序数据，通过多层注意力机制，自适应地对不同的站点、网格区域、历史时间片数据赋予不同的权值，大大提升模型对空气质量推断的精度。
-
公开(公告)号：CN112288156A
公开(公告)日：2021-01-29
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN111105142A
公开(公告)日：2020-05-05
申请号：CN201911165526.4
申请日：2019-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种面向用户个性化隐私保护的众包任务分配方法，包括以下步骤：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；对隐身区域进行网格划分，计算每个网格的信息量；依次删除信息量最低的网格，在当前隐身区域边界的相邻网格中选择信息量最高的网格进行替换扩充，得到最大信息量的连续隐身区域；计算任务分配过程中用户期望距离；平台选择用户期望距离最小的有限分配，选出满足任务请求者需求的所有用户。本发明在提供众包任务服务过程中，为用户提供个性化隐私方案的同时，通过对用户隐身区域的合理规划，增强用户的隐身效果，为用户隐私提供更好的保障。
-
公开(公告)号：CN110636065A
公开(公告)日：2019-12-31
申请号：CN201910900384.5
申请日：2019-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于位置服务的位置点隐私保护方法。本发明提出了一种以真实查询结果为基准的服务质量损耗函数，根据用户真实位置生成模糊区域，对模糊区域进行后处理，在区域内选取假位置点替换真实位置点提交到LBS服务器。用户还可以提出可接受的服务质量损失，用最大可容忍度Lmax表示，剪枝枚举降低时间复杂度；维诺图枚举降低时间复杂度。本发明可以在保证用户位置隐私的同时，得到无损的服务质量。用户还可以提出容忍的最大服务质量损耗，在用户可接受的服务质量损失下保护用户位置隐私。
-
Patent Agency Ranking
公开(公告)号：CN106446923B
公开(公告)日：2019-08-06
申请号：CN201610352489.8
申请日：2016-05-25
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于医疗健康数据挖掘领域，具体涉及一种基于角点匹配的医学图像分类方法。本发明包括：待分类的医学图像I提出分类请求；提取I的角点序列C；初始匹配角点对序列集DS的计算；初始匹配角点对序列集DS的计算；最大匹配角点对序列集DM的计算；公共K近邻匹配角点对序列集DT的计算；计算和I最相似的t幅医学图像；根据投票机制输出I的类标签。本发明提出了一对一的最大匹配角点对序列的定义，给出了将一对多的匹配角点对序列中求解一对一的最大匹配角点对序列问题转化为求二分图最大匹配的问题并利用匈牙利算法进行求解，并提出了基于匹配角点对的医学图像相似度计算公式，此公式既考虑了匹配角点对序列，也考虑了未匹配上的角点，提高了角点匹配的准确度，从而提高了分类结果的准确度。
-
公开(公告)号：CN103246706A
公开(公告)日：2013-08-14
申请号：CN201310121194.6
申请日：2013-04-09
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及的是道路网络空间中车辆对象移动轨迹聚类的方法。本发明包括：将移动对象的数据属性分为静态属性和动态属性；在离散时刻对移动对象的位置进行采样存储，并定义兴趣点、路网空间；在离散时刻对采样节点之间的轨迹进行还原；将移动对象轨迹作为一个点集进行刻画；计算两条轨迹间的距离；把描述对象相异性的区间标度变量的度量值转换为无单位的值；计算两条轨迹间的时间距离；对于车辆对象移动轨迹进行相似性转化；对进行过相似性转化的轨迹初始聚类；对经过初始聚类的轨迹聚类簇进行增量聚类。本发明提出的方法对移动对象进行处理，并和已有算法比较，在保证正确聚类结果的基础上，提高了算法的运行效率。
-
公开(公告)号：CN114529077B
公开(公告)日：2024-10-29
申请号：CN202210137611.5
申请日：2022-02-15
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q30/0202 , G06Q30/0241 , G06N3/0442 , G06N3/08 , G06N3/0455
Abstract: 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN114528490B
公开(公告)日：2024-10-29
申请号：CN202210151706.2
申请日：2022-02-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/0895 , G06N3/0442 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于用户长短期兴趣的自监督序列推荐方法。步骤1：获得用户信息、项目信息及用户行为的序列数据集，将数据集进行预处理并划分为训练集和测试集；步骤2：构建基于用户长短期兴趣的自监督序列推荐模型；步骤3：利用训练集对步骤2所述基于用户长短期兴趣的自监督序列推荐模型进行训练；步骤4：将待推荐用户的个人信息和交互序列输入到步骤3中训练后的基于用户长短期兴趣的自监督序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户。本发明用以解决现有技术中用户的长、短期兴趣二者间所存在的相互约束关系的问题，实现对用户长期兴趣和短期兴趣有更准确的推荐。
-
公开(公告)号：CN114492978B
公开(公告)日：2024-10-29
申请号：CN202210067402.8
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/049 , G06F18/25 , G06F18/213 , G06F123/02
Abstract: 本发明提出了一种基于多层注意力机制的时空序列预测方法及设备，本发明基于注意力机制，根据跨领域数据的交叉影响，逐时间步融合多维特征构建历史数据特征，在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。采用LSTM编码器分别捕获时间序列的长期、中期发展模式及短期突变信息，逐步利用注意力机制动态捕获多重时序关系对未来的影响，逐时间步计算相应历史信息的影响权重，最终使用LSTM解码器充分融合多跨度的历史数据，对时空序列进行预测。本发明可以在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.024 seconds)
