-
公开(公告)号：CN116701611A
公开(公告)日：2023-09-05
申请号：CN202310602037.0
申请日：2023-05-25
Applicant: 湖北工业大学
Abstract: 本发明提供一种融合交互注意力的学习知识图谱的推荐方法及系统，包括：获取用户‑物品的交互信息和知识图谱的信息，根据用户评分物品的历史纪录，构建用户‑物品的交互矩阵，根据知识图谱数据集与推荐数据集的实体建立映射后，构建了知识图谱；将获得的物品特征和知识图谱的头实体特征输入到多任务学习共享模块并通过交替训练的方式训练知识图谱模块，通过相似度函数得到知识图谱三元组的得分函数；基于多任务学习共享模块通过交替训练的方式训练推荐模块，最后通过预测函数得到用户参与项目的最终预测概率。本发明能够充分挖掘知识图谱模块和推荐模块所包含的信息，有效缓解未能利用上下文本信息、数据稀疏性问题，从而提高了实际的推荐效果。
-
公开(公告)号：CN116561543A
公开(公告)日：2023-08-08
申请号：CN202310500864.9
申请日：2023-04-28
Applicant: 湖北工业大学
IPC: G06F18/211 , G06N3/006 , G06F18/2415 , G06F18/214
Abstract: 本发明提供一种用于特征选择的蚁狮优化方法、系统、设备及存储介质，所述方法包括以下步骤：首先获取训练数据集，采用信息增益方法提取预选特征集合；构建蚂蚁和蚁狮种群并初始化；利用准对立学习策略优化初始种群；选出适应值最佳的蚁狮作为最佳特征组合，标记为精英蚁狮；蚂蚁种群围绕蚁狮种群随机游走并更新位置；重新计算并更新蚂蚁和蚁狮种群适应值以及精英蚁狮和迭代次数；判断迭代次数是否小于迭代阈值；若是则继续迭代寻找适应值更佳的精英蚁狮，否则停止迭代，返回精英蚁狮以及适应值，确定最优特征组合。实验表明，使用本发明所改进的蚁狮优化算法用于特征选择，能够在减少特征数量的同时提高分类准确率。
-
公开(公告)号：CN110020435B
公开(公告)日：2023-04-07
申请号：CN201910265124.5
申请日：2019-04-03
Applicant: 湖北工业大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06N3/006
Abstract: 本发明公开了一种采用并行二进制蝙蝠算法优化文本特征选择的方法，该方法利用传统的特征选择方法对原始特征进行预选，在此基础上使用蝙蝠算法以二进制编码形式对预选特征进行优选，并以分类准确率作为个体的适应度。但当文本信息数据量大时，单机执行时间漫长，根据这一缺点，把蝙蝠算法和Spark并行计算框架相结合，提出了Spark处理框架下的文本特征选择算法SBATFS。将蝙蝠算法良好的寻优搜索能力和分布式高效的计算速度相结合，实现对文本特征选择优化模型的高效求解。
-
公开(公告)号：CN114861531A
公开(公告)日：2022-08-05
申请号：CN202210440855.0
申请日：2022-04-25
Applicant: 湖北工业大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明提供了一种针对用户重复购买预测的模型参数优化方法及设备。所述方法包括：步骤1至步骤9。本发明采用Spark分布式计算框架基于内存计算的特性，使秃鹰种群被划分为多个秃鹰子种群，然后使用mapPartitionWithIndex算子使每个分区的的子种群实现分布式计算，可以快速有效的搜索出最优的参数组合以提高LightGBM模型的预测精度，且在大数据分布式系统下具有计算速度快和可扩展性的特点。
-
公开(公告)号：CN114489061A
公开(公告)日：2022-05-13
申请号：CN202210050127.9
申请日：2022-01-17
Applicant: 湖北工业大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于鲸鱼优化算法的平滑路径规划方法，采用改进WOA优化曲线路径中的：路径长度、曲率和曲率导数，取得了不错的结果。在改进WOA算法中，引入了莱维飞行策略为算法添加局部扰动，增加解的多样性避免陷入局部最优。并同时引入分数阶展开方程，使每代鲸鱼个体受到前几代位置的影响，进一步增强了算法的搜索能力。在23个基准函数中，测试并对比了改进WOA算法和其他算法的性能，验证了改进WOA的优越性。最后，在两种不同的地图中进行模拟仿真实验，平滑方法采用高次贝塞尔曲线，保证了路径曲率的连续。改进WOA算法相较于已有其他算法有明显的性能提升，并且运算时间更少。
-
Patent Agency Ranking
公开(公告)号：CN107527333B
公开(公告)日：2021-03-02
申请号：CN201710637673.1
申请日：2017-07-31
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于伽马变换的快速图像增强方法，方法包括：输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的平均值，图像灰度值的众数，图像灰度值的中位数；根据这三个指标值的大小关系，预判断伽马变换中的γ的取值范围，然后利用局部遍历法确定最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值，实现了快速的图像自适应增强，使图像增强算法有更高的效率和更好的图像质量，是一种快速自适应的图像增强方法。
-
公开(公告)号：CN111275099A
公开(公告)日：2020-06-12
申请号：CN202010055555.1
申请日：2020-01-17
Applicant: 湖北工业大学
IPC: G06K9/62
Abstract: 本发明属于数据处理技术领域，公开了一种基于网格粒度计算的聚类方法及聚类系统，基于网格粒度计算的聚类方法包括读取原始数据集；初始化相关参数；对n维数据进行划分，划分为互不相交的网格，遍历所有网格并将其标记为中心网格，边缘网格和噪声网格；对处理后的网格进行基于粒度的密度计算，根据密度峰值获得聚类中心，最后输出聚类结果。本发明在K-means算法的基础上，消除了噪声的影响，同时优化了初始点的选取；通过网格化优化解决了基于密度峰值的快速聚类算法计算量大的问题，也避免了过多的人工决策和因此导致的误差。通过引入粒度的概念，避免了网格化时破坏密集区域的边缘，提高了聚类初始化中心点的准确性。
-
公开(公告)号：CN110020435A
公开(公告)日：2019-07-16
申请号：CN201910265124.5
申请日：2019-04-03
Applicant: 湖北工业大学
Abstract: 本发明公开了一种采用并行二进制蝙蝠算法优化文本特征选择的方法，该方法利用传统的特征选择方法对原始特征进行预选，在此基础上使用蝙蝠算法以二进制编码形式对预选特征进行优选，并以分类准确率作为个体的适应度。但当文本信息数据量大时，单机执行时间漫长，根据这一缺点，把蝙蝠算法和Spark并行计算框架相结合，提出了Spark处理框架下的文本特征选择算法SBATFS。将蝙蝠算法良好的寻优搜索能力和分布式高效的计算速度相结合，实现对文本特征选择优化模型的高效求解。
-
公开(公告)号：CN109871934A
公开(公告)日：2019-06-11
申请号：CN201910040185.1
申请日：2019-01-16
Applicant: 湖北工业大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于Spark分布式的并行二进制飞蛾扑火算法的特征选择方法，首先读取原始数据集D，存储在HDFS中；然后初始化RDD数据集和飞蛾种群M，将RDD作map转换处理；根据M计算出适应度值OM；更新火焰的数量，求出飞蛾与其对应火焰的距离；在Spark分布式平台上根据公式更新飞蛾位置，然后根据螺旋公式计算出新的适应度值OM，并找出最好的值和飞蛾比较，若优于则代替；最后判断，若满足终止条件则找出最好的飞蛾的位置，否则回到步骤4。本发明使用二进制飞蛾扑火算法的特征选择，应用Spark分布式平台上对其进行优化，提高分类性能和运行效率。
-
公开(公告)号：CN106022510B
公开(公告)日：2019-04-05
申请号：CN201610306666.9
申请日：2016-05-11
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于多粒子群协同演化的人车混合疏散仿真优化方法，主要通过粒子群优化算法解决大型建筑物和路网集成环境中的人车混合疏散问题，利用粒子的运动过程模拟疏散个体，包括人员、车辆的混合疏散过程，并且采用基于信息素的多粒子群通信机制模拟人员和车辆之间的交互和信息共享，克服了粒子群算法只考虑了粒子之间的交互而忽略了环境对粒子运动过程的影响等不足，能够更好地模拟人车混合疏散过程中不同交通对象的竞争和协作，形成满足多个目标需求的疏散优化方案，提供合理高效的决策依据。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.033 seconds)
