-
公开(公告)号：CN107330431B
公开(公告)日：2020-09-01
申请号：CN201710522004.X
申请日：2017-06-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于K‑means聚类拟合的显著性检测优化方法，包括以下步骤：步骤S1：提取图像的场景GIST特征；步骤S2：提取图像的颜色直方图特征；步骤S3：根据场景GIST特征和颜色直方图特征计算图像间的相似性；步骤S4：根据图像间的相似性对图像集合进行K‑means聚类，分成k个相互独立的图像簇；步骤S5：计算每个图像簇的拟合模型；步骤S6：判断新的输入图像所属的图像簇，将该图像簇的拟合模型作用在输入图像的显著性图上进行优化。该方法适用于多种显著性检测算法的优化，优化效果明显。
-
公开(公告)号：CN111353032A
公开(公告)日：2020-06-30
申请号：CN202010122754.X
申请日：2020-02-27
Applicant: 福州大学
IPC: G06F16/332 , G06F16/35 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种面向社区问答的问题分类方法及系统，该方法包括以下步骤：步骤A：采集网络问答社区中用户所提问题以及对应的问题类别，构建问题分类训练集TS；步骤B：对问题分类训练集TS中的问题进行字符级编码和词语级编码，得到问题的表征向量，以此训练基于双通道神经网络的深度学习网络模型；步骤C：问题分类系统接受用户提交的问题，将问题输入到训练好的深度学习网络模型中，输出模型划分的问题所述类别。该方法及系统有利于提高社区问答中问题分类的准确性。
-
公开(公告)号：CN111259837A
公开(公告)日：2020-06-09
申请号：CN202010067243.2
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于部位注意力的行人重识别方法及系统，该方法包括以下步骤：A、输入训练集各行人视频到特征提取深度网络，得到中间特征并输入部位推断深度网络，得到K个部位的注意力热力图；B、做哈达玛积运算得到局部中间特征，再输入K个局部提取深度网络得到K个部位的局部特征；C、计算各部位的有效系数，对局部特征进行加权融合得到融合局部特征；D、计算全局特征，拼接全局特征和融合局部特征得到视频特征，输入全连接层得到分类向量；E、计算联合损失，计算各网络参数的梯度，后更新各网络参数，完成各网络训练过程；F、输入查询视频和检索集各视频到训练完成的各网络进行行人重识别。该方法及系统有利于提高行人重识别的性能。
-
公开(公告)号：CN110275941A
公开(公告)日：2019-09-24
申请号：CN201910546136.5
申请日：2019-06-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于粗化与局部重叠模块度的邮件挖掘方法，根据邮件头日志信息，构建邮件往来网络G；多次迭代遍历，将G中的三角形融合为一个复合节点，得到粗化后的图Gcn；根据Jaccard距离初始化Gcn中所有边对应节点的距离；迭代更新邻居节点间的距离直至所有距离收敛。距离小于1的节点属于同一群组，得到粗化图的群组划分Ccn；还原网络得到邮件往来网络的初始群组划分C；将距离为1的节点加入到使局部重叠模块度增量最大的群组集中得到重叠群组集合Cover；将Cover中群组节点数少于设定阈值的群组合并到与其紧密度最大的群组中，更新Cover最终得到邮件往来网络的群组划分C’输出最终的群组划分结果。本发明克服了传统模块度计算效率低的问题提高重叠群组发现的精度。
-
公开(公告)号：CN109617909A
公开(公告)日：2019-04-12
申请号：CN201910013192.2
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和BI-LSTM的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含BI-LSTM和全连接层的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到神经网络模型的BI-LSTM层，得到域名的上下文向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
Patent Agency Ranking
公开(公告)号：CN109145105A
公开(公告)日：2019-01-04
申请号：CN201810830720.9
申请日：2018-07-26
Applicant: 福州大学
IPC: G06F16/335 , G06F16/36 , G06F17/27
CPC classification number: G06F17/2785
Abstract: 本发明涉及一种融合信息选择与语义关联的文本摘要模型生成算法，首先基于Encoder‑Decoder模型的基础之上结合注意力机制以获取输入序列足够的信息；接着采用拷贝机制与覆盖度机制解决生成摘要中的未登入词问题与子句重复的问题；然后设计一种选择网络，通过该网络对原文进行二次编码以过滤冗余信息；最后通过比较原文与摘要的语义相关度，校正摘要的语义，提升摘要与原文的语义关联。
-
公开(公告)号：CN109003195A
公开(公告)日：2018-12-14
申请号：CN201810765470.5
申请日：2018-07-12
Applicant: 福州大学
IPC: G06Q50/00
Abstract: 本发明涉及一种基于三角形粗化与动态距离的重叠社区发现方法，包括：读取网络数据集，生成网络图G；将G中的三角形融合为一个复合节点，多次迭代遍历直至粗化率达到一定阈值，结束粗化过程，得到粗化后的图Gcoar；根据Jaccard距离初始化Gcoar中所有边对应节点的距离；考虑三种邻居的影响，迭代更新邻居节点间的距离，直至所有距离收敛；求得重叠社区集合Cover并更新Cover；还原网络，将被复合节点加入到复合节点的社区，最终得到C’；输出最终的社区划分结果。本发明一方面是采取基于三角形的粗化策略降低网络规模，应用于较大规模网络的社区发现，从而提高实践效率；另一方面是采用基于Attractor的动态距离处理机制，并结合相似度判断，因此能够有效地得到网络中重叠社区结构划分，并为网络聚类在重叠社区发现方向的发展提供有益补充。
-
公开(公告)号：CN108595632A
公开(公告)日：2018-09-28
申请号：CN201810375856.5
申请日：2018-04-24
Applicant: 福州大学
Abstract: 本发明涉及一种融合摘要与主体特征的混合神经网络文本分类方法，包括以下步骤：步骤A：对训练集中各文本抽取摘要；步骤B：使用卷积神经网络学习步骤A得到的摘要的关键局部特征；步骤C：使用长短期记忆网络学习训练集中各文本主体内容上的上下文时序特征；步骤D：将步骤B和步骤C得到的两种特征级联，得到文本整体特征，将训练集中各文本的文本整体特征输入到全连接层，使用分类器计算各文本属于各类别的概率来训练网络，得到深度神经网络模型；步骤E：利用训练好的深度神经网络模型预测待预测文本所属类别，取概率最大的类别作为预测的类别输出。该方法有利于提高基于深度神经网络的文本分类的准确率。
-
公开(公告)号：CN108564528A
公开(公告)日：2018-09-21
申请号：CN201810342812.2
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于显著性检测的肖像照片自动背景虚化方法，包括以下步骤：1、利用线性谱聚类超像素分割算法将肖像图像分割为N个超像素，利用改进的显著优化算法计算出各超像素的显著值；2、利用大津法将显著值大于自适应阈值的超像素标记为前景区域，将显著值小于固定阈值的标记为背景区域，其余标记为未知区域，得到超像素尺度的标记三分图；3、利用超像素尺度的GrabCut算法，从标记三分图中分割得到人像区域边界；4、先利用快速引导滤波算法对背景区域进行模糊，再对前景区域根据显著检测结果有选择地进行细节增强，从而得到背景虚化效果。该方法能够仅依赖单张肖像图像快速地进行背景虚化，并提高背景虚化效果。
-
公开(公告)号：CN108509423A
公开(公告)日：2018-09-07
申请号：CN201810300522.1
申请日：2018-04-04
Applicant: 福州大学
IPC: G06F17/27
Abstract: 本发明涉及一种基于二阶HMM的中标网页命名实体抽取方法，包括如下步骤：将中标网页的HTML代码转换为规范化的文本数据，并记录每个网页对应的标题；对规范化后的文本数据进行分词和词性标注；基于二阶HMM模型，对中标数据进行命名实体的上下文识别并将识别结果加入到候选命名实体集合中；基于二阶HMM模型和规则，对候选命名实体集合中的命名实体进行识别。本发明能够精确提取招标网站中的中标项目信息。
-
-
-
-
-
-
-
-
-
Search Results
222
records
(took 0.029 seconds)
