-
公开(公告)号：CN109492075A
公开(公告)日：2019-03-19
申请号：CN201811051537.5
申请日：2018-09-10
申请人： 中山大学 , 广东恒电信息科技股份有限公司
IPC分类号： G06F16/332 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于循环对抗生成网络的迁移学习排序的方法，本发明是在学习排序的数据集LETOR3.0上进行迁移排序学习，用计算机视觉领域内的循环对抗生成网络做迁移学习框架，即用A域的特征生成B的特征，用B域的特征生成A域的特征，这样生成的特征都包含着另外一个域的特征信息；再用RankNet的学习排序算法对迁移过来的数据进行学习，用学习到的排序模型在目标域进行测试；在学习的过程中完全不涉及到目标域的标签信息。
-
公开(公告)号：CN107423442A
公开(公告)日：2017-12-01
申请号：CN201710666989.3
申请日：2017-08-07
申请人： 火烈鸟网络(广州)股份有限公司 , 中山大学
IPC分类号： G06F17/30
CPC分类号： G06F16/9535
摘要： 本发明提供一种基于用户画像行为分析的游戏推荐方法及系统。通过构建特征采集器，对用户画像数据、应用列表数据、客户端上报的数据进行处理，获得规范化且符合数学建模要求的特征向量。利用多个基础推荐模型进行预测，生成初步的用户应用推荐列表及相应下载概率；结合下载概率及实际标签训练融合模型，生成最终的应用推荐列表。通过对用户历史行为日志的多维度分析，进行特征提取构建用户画像数据仓库。对于基础推荐模型，创新性地引入长短期记忆网络学习用户行为的时序关系，更好地刻画用户对物品的喜好程度，所推荐游戏应用与用户的需求匹配度高。加入集成学习进行模型融合，整合各个模型的学习结果，提高推荐算法的稳定性和泛化能力。
-
公开(公告)号：CN107092977A
公开(公告)日：2017-08-25
申请号：CN201710213456.X
申请日：2017-04-01
申请人： 中山大学 , 广东恒电信息科技股份有限公司
CPC分类号： G06Q10/04 , G06N3/006 , G06Q10/08355
摘要： 本发明提供一种求解多目标带时间窗异构车型选址‑路径问题的算法，该算法主要应用智能优化算法求解多目标带时间窗异构车型选址‑路径(MOFSMLRPTW)问题，涉及物流运输和智能优化算法两大领域。算法主要包括三个部分：第一，利用当前种群目标间的冲突信息将目标空间分解成若干组互不重叠的子目标空间；第二，对新产生的解进行局部搜索，加快算法的收敛速度；第三，更新存档，利用存档收集优化过程中产生的非占优解。本发明通过对存在的非对称样例和对称样例进行测试，证明了该发明的方法的有效性。
-
公开(公告)号：CN106651043A
公开(公告)日：2017-05-10
申请号：CN201611237837.3
申请日：2016-12-28
申请人： 中山大学 , 广东恒电信息科技股份有限公司
CPC分类号： G06Q10/04 , G06Q10/08355
摘要： 本发明提供一种求解多目标多车场带时间窗车辆路径问题的智能算法，第一步使用基于极值拥挤距离的带精英策略非占优排序遗传算法混合局部搜索，在决策空间中寻找极值解，第二步使用基于分解的多目标进化算法混合局部搜索，在第一步求解得的最终种群的基础上，进一步优化得到一组兼顾收敛性及多样性的解。两步过程使得算法的收敛性及多样性得到很好的平衡，提升了算法求解多目标多车场带时间窗车辆路径问题的质量。
-
公开(公告)号：CN118656394A
公开(公告)日：2024-09-17
申请号：CN202410811527.6
申请日：2024-06-21
申请人： 中山大学
IPC分类号： G06F16/2453 , G06F16/2455 , G06F16/22
摘要： 本发明公开了一种基数估计方法、装置及介质。所述方法将待预测查询语句编码并输入至基于历史数据训练的深度学习模型中以预测基数。若预测值超出预设阈值，则采纳为最终估计结果；若未超出，则依据由数据库记录构建的多叉树森林结构计算准确基数作为最终估计结果。本申请充分利用混合模型的优势，提高了基数估计预测的准确性和可靠性。
-
公开(公告)号：CN118070214A
公开(公告)日：2024-05-24
申请号：CN202410091691.4
申请日：2024-01-22
申请人： 中山大学
IPC分类号： G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/0499 , G06F123/02 , G06N3/048
摘要： 本发明提出一种基于多轴融合的多变量时间序列预测方法及系统，涉及多变量时间序列预测的技术领域，采集多变量时间序列的历史数据，构建多变量时间序列数据集，然后构建包括数据处理单元、多轴交互单元和预测层的多轴融合模型；利用多变量时间序列数据集对多轴融合模型进行训练，将待预测的多变量时间序列输入训练好的多轴融合模型，输出预测序列，在保留了语义信息的同时，有效地捕捉空间、全局时间和局部时间交互，从多个维度获取有效信息并进行融合，增强了多轴融合模型特征表达，在较高的计算效率下，取得良好的预测效果。
-
公开(公告)号：CN110648163B
公开(公告)日：2024-03-22
申请号：CN201910746922.X
申请日：2019-08-08
申请人： 中山大学
IPC分类号： G06Q30/0202 , G06Q30/0282 , G06Q30/0601 , G06N3/0464
摘要： 本发明提供一种基于用户评论的推荐算法，该方法基于深度学习的评论推荐系统，根据用户过去的浏览购买和评论记录和商品的评分记录及购买过该商品的顾客的评论，推测用户对该商品的喜好程度，最后推荐系统对评分进行排序，给用户推荐评分高的前N种商品。本发明利用自然语言处理技术对评论文本信息的进行向量化，并根据注意力机制算法计算每条评论的重要性和每条评论对潜在顾客的影响，采用卷积神经网络捕捉用户商品的交互特征矩阵，因此生成用户商品的交互向量，最后将生成交互向量输入到FM预测机预测评分，预测评分越高用户可能越喜欢该商品，最后根据评分进行排序给用户推荐评分前N个商品。
-
公开(公告)号：CN112800920B
公开(公告)日：2024-02-23
申请号：CN202110084860.8
申请日：2021-01-21
申请人： 中山大学
IPC分类号： G06V20/56 , G06V10/80 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , B60Q9/00
摘要： 本发明提供一种基于多模态知识推理的公交主动安全预警方法，该方法首先对公交车前置摄像头拍摄的视频提取关键帧；然后基于关键帧构建场景图谱，用于描述公交车所处场景细粒度信息；场景图谱是一种图形式的数据结构，其节点对应图像中的实体对象，描述了这些对象的相关属性，譬如“红灯状态的红绿灯”、“奔跑的行人”、“邻车”、“交通标志牌”等；边则描述了对象间的关系，譬如实体对象“小孩”和“足球”间存在的关系“踢”；以图谱池化的方式，抽取场景图谱的层级化信息，并最终输出一个表征场景图谱整体语义的分布式编码表示；最后，将场景图谱分布式编码表示与传感器模态数据融合，并基于融合结果判断是否需要向公交驾驶员发出安全预警。
-
公开(公告)号：CN110942002B
公开(公告)日：2023-11-07
申请号：CN201911129923.6
申请日：2019-11-18
申请人： 中山大学
摘要： 本发明提供一种基于旋转不变感知哈希的无人机航拍视频帧定位方法，该方法有一定的平移不变形(pooling原理)；编码时使用差分编码，使得光照天气条件无关；再加上起点无关的圆周编码顺序使具有旋转不变性；圆周编码顺序时不编码边角部分，因为边角部分会因为视角不同差异大，从而排除了旋转时边角的其他景物不同影响。通过在真实无人机视频上的实验表明，本发明对比之前的感知哈希方法，成功解决了传统感知哈希不具有旋转不变的特性。
-
公开(公告)号：CN116563423A
公开(公告)日：2023-08-08
申请号：CN202310346851.0
申请日：2023-04-03
申请人： 中山大学 , 珠海市四维时代网络科技有限公司
IPC分类号： G06T11/60 , G06F40/211 , G06N3/0442 , G06N3/0464 , G06N3/094 , G06N3/0475
摘要： 本发明涉及场景渲染技术领域，公开了一种细粒度语义操控的场景渲染方法，通过在语义理解单元构建依存句法树，能够描述需求文本细粒度语义，进而识别需求文本中细粒度信息，从而准确定位图片区域，实现渲染结果和需求文本的高匹配。此外，将需求文本转为依存句法树，并在树上装配推理模块，加强了场景图特征和文本特征的关联，定位更加准确。本发明还设计了一个正则器来约束场景生成模型，能够准确对目标区域的视觉信息进行修改，而不会影响其它无关区域。本发明无需人工圈定编辑区域，可以直接理解文本的需求，能够对原始场景图进行细粒度的局部编辑。用户可以以文本形式提出编辑需求，对场景图进行增加，删除和修改，实现便捷可操控的渲染。
-
-
-
-
-
-
-
-
-
搜索结果
212 条记录 (耗时 0.089 秒)
