-
公开(公告)号：CN114528490A
公开(公告)日：2022-05-24
申请号：CN202210151706.2
申请日：2022-02-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
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：CN110442800B
公开(公告)日：2022-05-20
申请号：CN201910659962.0
申请日：2019-07-22
Applicant: 哈尔滨工程大学
IPC: G06F16/9536
Abstract: 一种融合节点属性和图结构的半监督社区发现方法，属于网络分析技术领域。包括以下步骤：1)计算m个属性的信息熵；2)计算属性相似度；3)利用Jaccard相似度计算结构相似度；4)计算属性和结构总的相似度；5)寻找K个初始社区；6)初始化初始社区矩阵；7)结合半监督方法计算出社区划分矩阵；8)计算平衡值(trade‑off)分析参数的合理取值范围9)根据trade‑off和模块度获得最优的模块度及社区发现结果。本发明通过不断调节算法中涉及的参数来得到一种合理地划分方式，并最后给出对于社区发现最优结果以及算法参数合理范围；融合属性进行社区发现，给出了属性所占比例的合理范围，社区发现模块度和紧密度得到提高。
-
公开(公告)号：CN114492978A
公开(公告)日：2022-05-13
申请号：CN202210067402.8
申请日：2022-01-20
Applicant: 哈尔滨工程大学
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。
-
公开(公告)号：CN114330299A
公开(公告)日：2022-04-12
申请号：CN202111557961.9
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于多方面全局关系项目表示学习的会话推荐方法、系统、设备和介质，本发明通过数据驱动并独立于会话的方式学习多方面全局关系的项目表示，构建基于多方面全局关系项目表示学习的会话推荐模型，首先利用训练集全部会话数据构建全局基础图，其次根据该全局基础图构建顺序关系图、共现关系图以及不相容关系图，并通过三种不同的聚合层实现在对应关系图上的信息传播过程，最后通过正面以及负面关系增强当前会话表示，从而大大提高会话推荐性能。
-
公开(公告)号：CN111814956B
公开(公告)日：2022-04-08
申请号：CN202010581735.3
申请日：2020-06-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。
-
Patent Agency Ranking
公开(公告)号：CN110636065B
公开(公告)日：2021-12-07
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。
-
公开(公告)号：CN112580382A
公开(公告)日：2021-03-30
申请号：CN202011589243.5
申请日：2020-12-28
Applicant: 哈尔滨工程大学
IPC: G06K7/14
Abstract: 本发明公开了一种基于目标检测二维码定位方法，包括：构建二维码图像数据集，并划分为训练集和测试集，分别对两个数据集进行预处理，得到处理后的图像数据及每张图像所对应的标签文件；构建特征提取网络，利用特征提取网络对卷积操作进行优化，得到多个特征图；构建预测模块，采用空间注意力机制获得多个特征图中每个目标中心点特征；将训练集和每张图像所对应的标签文件输入特征提取网络和预测模块中进行训练，得到训练好的二维码定位模型；将训练集输入训练好的二维码定位模型中进行测试，得到最终二维码在图像上的位置坐标。该方法实现快速定位与较少参数模型的二维码定位模型。
-
公开(公告)号：CN111814956A
公开(公告)日：2020-10-23
申请号：CN202010581735.3
申请日：2020-06-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。
-
公开(公告)号：CN110489804A
公开(公告)日：2019-11-22
申请号：CN201910659827.6
申请日：2019-07-22
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明公开了一种单位圆盘图上的最大独立集近似求解方法，包括以下步骤：步骤1：利用动态规划方法设计一种单位圆盘顶点的相邻顶点集诱导子图的最大顶点独立集的最优解求解方法，并给出任意两顶点相邻顶点集并集诱导子图的最大顶点独立集的最优解；步骤2：针对一般的单位圆盘图，首先计算顶点支配独立集；之后对顶点支配独立集中成员进行单独检查，判断结果是否可优化，得到中间解；最后对中间解中成员进行联合检查，判断结果是否可优化，得到最终解。本发明以O(Δ2n3)的计算时间复杂度得到近似比为1.5的近似解，其中Δ为顶点最大度，相比单位圆盘图上最大独立集求解问题的现有近似算法，本发明提高了近似比，具有更高的效率。
-
公开(公告)号：CN105184074B
公开(公告)日：2018-10-26
申请号：CN201510551820.4
申请日：2015-09-01
Applicant: 哈尔滨工程大学
IPC: G16H30/20
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于多模态医学影像数据模型的医学数据提取和并行加载方法。本发明包括：数据准备；数据建模；数据提取；数据加载；数据使用。本发明提出的多模态数据模型是对医学影像数据的一个统一模型。提出的基于多模态数据模型的DICOM提取和并行加载技术实现了医学影像数据的统一建模和存储。这种统一建模的数据提取和加载技术对原始数据的利用率很高，不同类型数据之间的关系也被精确完整地表达，从而扩展了基于医学影像数据的数据挖掘的挖掘范围和深度。采用统一模型对所有模态的数据建模，使数据的后期使用和更新具有更好的通用性和一致性。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.025 seconds)
