-
公开(公告)号：CN108009566A
公开(公告)日：2018-05-08
申请号：CN201711098745.6
申请日：2017-11-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种时空窗口下的改进型PCA损伤检测方法，首先，利用数值仿真或者实验手段，在损伤处于不同空间位置的多种工况下，确定不同位置损伤所对应的空间影响范围，进而确定对损伤敏感的结构空间区域，即空间窗口；其次，依据PCA原理确定与外荷载周期有关的时间窗口；最后在确定时间窗口和空间窗口后，对空间窗口内所有测点数据使用PCA方法，以特征向量作为监测指标，实时监测损伤并实现损伤定位。本发明方法是在限定的时间和空间窗口内对结构响应进行PCA分析，从而提高了损伤识别的精度和灵敏度，可利用长期结构监测数据对大跨度实体桥梁或其它结构进行损伤识别。
-
公开(公告)号：CN107665291A
公开(公告)日：2018-02-06
申请号：CN201710886300.8
申请日：2017-09-27
Applicant: 华南理工大学
IPC: G06F19/22
Abstract: 本发明公开了一种基于云计算平台Spark的变异检测方法，包括步骤：1)Spark主节点截取部分的输入序列比对映射格式文件，分发到各个Spark工作节点中；2)Spark工作节点并行对上述的片段序列比对映射格式文件进行预处理，获取片段的预处理信息并返回到Spark主节点；3)Spark主节点根据上述的预处理信息对输入序列比对映射格式文件进行自定义粒度划分，并分发到各个Spark工作节点；4)Spark工作节点对片段序列比对映射格式文件进行变异检测，Spark主节点接收所有工作节点的返回数据并写入文件。本发明能有效解决HaplotypeCaller变异检测方法不能适应于多节点环境情景或者在多节点时负载不均衡的问题。
-
公开(公告)号：CN106886915A
公开(公告)日：2017-06-23
申请号：CN201710041277.2
申请日：2017-01-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于时间衰减采样的广告点击预估方法，主体思想是从离测试集日期近的数据中多采样，离测试集日期远的数据中少采样，采样量依据时间的远近呈现一个渐变的趋势，通过将采样数据进行时间维度上的划分，构建出适合广告点击预估的训练数据，再通过多模型融合的方法，为广告点击预估构建出更加精准和有效的模型。本发明更能捕捉到时间更近的数据的特征，达到更好的预估效果，此类基于时间衰减的采样方法可以延伸到其他跟时间相关，基于时间序列的不平衡数据中，具有广泛的应用前景。
-
公开(公告)号：CN106651423A
公开(公告)日：2017-05-10
申请号：CN201610860105.3
申请日：2016-09-28
Applicant: 华南理工大学
IPC: G06Q30/02
CPC classification number: G06Q30/0242 , G06Q30/0248
Abstract: 本发明提供一种移动应用广告投放的质量评分方法，包括以下步骤：步骤1、根据移动应用广告日志对移动应用广告用户进行分类，对不同类型的移动应用广告用户分别计算移动应用广告用户的可信度；步骤2、根据所述移动应用广告用户的可信度，并将移动应用广告用户对移动应用的影响度作为权重因子，计算得到所述移动应用的广告投放的质量评分。本发明具有可以有效地提升移动应用的广告欺诈识别能力等优点。
-
公开(公告)号：CN105868298A
公开(公告)日：2016-08-17
申请号：CN201610172881.4
申请日：2016-03-23
Applicant: 华南理工大学
CPC classification number: G06F16/9535 , G06K9/6276 , G06K9/6282 , G06Q30/0255
Abstract: 本发明公开了一种基于二叉决策树的手机游戏推荐方法，主要通过训练二叉决策树分类模型来确定用户是否对特定的待推荐手机游戏趣，从而将特征权重对推荐的影响从主观赋值转变为学习模型自动预测。本发明的特色在于使用二叉决策树来确定游戏推荐场景中的特征选择和权重衡量问题，并给出相应的推荐模型。使用本发明可以较好地保证推荐结果和用户偏好的准确性，同时对推荐结果无需做额外二次挑选的前提下又可以保证推荐结果的多样性。
-
Patent Agency Ranking
公开(公告)号：CN104090936A
公开(公告)日：2014-10-08
申请号：CN201410299211.X
申请日：2014-06-27
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F17/30876
Abstract: 本发明公开了一种基于超图排序的新闻推荐方法，包括以下步骤：1)预处理，2)超图构建，3)矩阵构建，4)排序，5)获得排序结果，6)获得推荐结果。本发明主要通过使用超图模型挖掘用户和新闻内容的内在关系和排序关系，从而将新闻推荐比较繁杂的处理体系简化为一个明晰简洁的关联架构。本发明的特色在于简化了新闻推荐的预处理步骤，而且直接给出了推荐列表。使用本发明可以较好地保证推荐结果与用户偏好的准确性，同时对推荐结果无需做额外二次挑选的前提下又可以保证推荐结果的多样性。
-
公开(公告)号：CN104090931A
公开(公告)日：2014-10-08
申请号：CN201410290459.X
申请日：2014-06-25
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30705 , G06F17/30876 , G06F17/30882
Abstract: 本发明公开了一种基于网页链接参数分析的信息预测采集方法，包括以下顺序的步骤：计算网页链接的参数特征统计信息，计算网页所包含外部链接的分布信息，根据网页的外部链接分布特征对网页进行分类，网页资源的抽样预测，预测样本的采集测试，网页资源的总体预测。本发明的方法，有效地补充了传统采集信息方式的不足，扩展了待采集链接资源的数量，利用已知的网页资源特征预测到了大量未采集的网页资源，提高了采集网页信息的覆盖率。
-
公开(公告)号：CN101944109B
公开(公告)日：2012-06-27
申请号：CN201010275844.9
申请日：2010-09-06
Applicant: 华南理工大学 , 广州数园网络有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种基于页面分块的图片摘要提取系统，包括页面预处理模块、页面分类模块、页面分块模块、主题块识别模块和信息提取模块。本发明还公开了一种基于页面分块的图片摘要提取方法，具体包括：步骤S1、从Internet上把页面抓取下来；步骤S2、页面预处理模块对页面进行预处理；步骤S3、页面分类模块对预处理后的页面分类；步骤S4、页面分块模块进行语义块划分；步骤S5、页面分块模块将主题型页面发送到主题块识别模块，主题块识别模块识别出主题块，并发送给信息提取模块；页面分块模块将非主题型页面发送到信息提取模块；步骤S6、信息提取模块下载图片并与页面关联。本发明具有提取速度快、准确度高、效果好的优点。
-
公开(公告)号：CN118865373A
公开(公告)日：2024-10-29
申请号：CN202410815254.2
申请日：2024-06-24
Applicant: 华南理工大学
IPC: G06V20/69 , G06V10/44 , G06V10/774 , G06V10/82 , G06F40/30 , G06N3/0455 , G06T7/00
Abstract: 本发明公开了一种基于多模态增强的骨髓细胞识别系统，包括：细胞图像分割模块，为一种用于对骨髓细胞显微镜图像数据进行分割的改进SAM模型；该模块结合了SAM模型和Adapter块；标签文本改造模块，用于将传统的标签文本转换为粗、细粒度文本特征表示；多模态对齐模块，采用一种改进PMC‑CLIP模型实现对标签文本改造模块输出的粗、细粒度文本特征进行图像‑文本对齐。本发明通过粗粒度+细粒度的文本信息提示，可有效提高细胞个数少的种类以及复杂细胞图像的识别准确率，解决细胞种类不平衡和复杂图像难区分的问题，提高模型的识别准确率。
-
公开(公告)号：CN118708893A
公开(公告)日：2024-09-27
申请号：CN202410206340.3
申请日：2024-02-26
Applicant: 华南理工大学
IPC: G06F18/20 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N3/0499 , G06F18/23213
Abstract: 本发明公开了一种深度动态图模型的时空解释特征生成方法，包括：构建并训练深度动态图模型；对空间和时间维度进行解耦，使用层级相关性传播方法获取空间和时间相关性分数，分别从空间和时间两个维度对深度动态图模型的预测进行解释特征生成。在结构维度上，利用空间相关性分数，筛选出对模型预测贡献最大的边和节点；在时间维度上，利用时间相关性分数的得到关键时间点的图快照，然后对这些图快照进行聚类分析，识别出能够代表动态图的某些动态模式。本发明通过识别动态图中的规律与模式，有助于揭示影响模型决策的关键要素，提高模型的解释性。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.024 seconds)
