公开(公告)号：CN116611448A

公开(公告)日：2023-08-18

申请号：CN202310624082.6

申请日：2023-05-30

Applicant: 华侨大学

Inventor： 李弼程 ,  侯哲晓 ,  龚振凯 ,  皮慧娟 ,  王华珍 ,  王成

IPC: G06F40/30 ,  G06F40/289 ,  G06F40/186 ,  G06N3/045 ,  G06F16/35

Abstract: 本发明公开了一种基于提示学习与掩码语言模型的情感文本生成方法及装置，方法包括：步骤1，选取某个主题下的评论作为语料数据，经历预处理后输入语料库，利用方面情感识别技术对方面词进行抽取，联合主题词和情感极性构建结构化语料；步骤2，将目标主题词、方面词和目标情感分别填入预先构建的四种提示模板中，得到包含多种提示的掩码文本；步骤3，利用掩码预训练语言模型，通过提示引导，预测文本中的掩码，得到目标主题方面下的情感文本输出。本发明将主题方面文本和情感属性文本结构化，构建文本提示模板，利用掩码预训练语言模型直接生成方面级目标情感文本，而且后续无需任何微调和重训练步骤。

公开(公告)号：CN115938112A

公开(公告)日：2023-04-07

申请号：CN202211470118.1

申请日：2022-11-23

Applicant: 华侨大学

Inventor： 张惠臻 ,  姚水林 ,  冯文娟 ,  潘玉彪 ,  王成 ,  王靖 ,  缑锦

IPC: G08G1/01 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/048 ,  G06F17/16

Abstract: 本发明涉及一种交通需求预测方法、系统、电子设备及计算机存储介质，涉及智慧交通技术领域，方法包括获取交通数据中的时序特征；根据所述时序特征进行时序信息编码，得到输入特征矩阵；根据所述输入特征矩阵利用时间上的多头门控自注意力提取模块进行特征提取，得到带有时间特征的特征矩阵；根据所述带有时间特征的特征矩阵利用空间上的多头门控递归图注意力模块进行特征提取，得到带有时间特征和空间特征的特征矩阵；获取预设时间交通数据；根据所述预设时间交通数据和所述带有时间特征和空间特征的特征矩阵确定预测结果。本发明通过充分挖掘交通数据中的时空特征，从而实现快速且准确地对城市交通需求进行预测。

公开(公告)号：CN115829909A

公开(公告)日：2023-03-21

申请号：CN202210587952.2

申请日：2022-05-27

Applicant: 华侨大学

Inventor： 李弼程 ,  蔡博伟 ,  刘凯 ,  皮慧娟 ,  王华珍 ,  王成

IPC: G06T7/00 ,  G06T7/40 ,  G06T7/90

Abstract: 本发明提供了一种基于特征增强和频谱分析的伪造检测方法，在RGB空间通过浅层纹理特征增强保留纹理信息，得到纹理特征增强图；在RGB空间通过通道空间注意力机制模块得到注意力图，将注意力图与输入的特征图执行逐元素点乘，得到经注意力强化后的深层语义特征增强图；在频域空间通过色彩空间变换将图片从RGB色彩空间转换到YCbCr色彩空间，通过DFT和DWT两种频域变换将不同的频域通道串联起来得到浅层频域特征，通过特征提取网络得到深层频域特征图；将纹理特征增强图和深层语义特征增强图经双线性池化进行融合，得到RGB空间特征图；将RGB空间特征图和深层频域特征图拼接，经全连接层进行分类；本发明提供的方法，解决受生成网络结构和数据集多样性影响的问题。

公开(公告)号：CN112507606B

公开(公告)日：2022-12-06

申请号：CN202011223450.9

申请日：2020-11-05

Applicant: 华侨大学

Inventor： 王成 ,  王继争 ,  何霆 ,  王田 ,  张忆文

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/08 ,  G06F111/04 ,  G06F119/14

Abstract: 本发明提供一种基于RBF网络的欠定工作模态参数识别方法、检测方法、设备和介质，方法包括：通过获取限定个传感器测点的时域响应信号，在利用其在频率的稀疏性估计混合矩阵得到模态振型的基础上，结合压缩感知算法，使用径向基函数逼近L0范数最小化恢复源信号识别出高于传感器个数的模态坐标响应，进而得到系统的固有频率和阻力比，实现欠定工作模态参数的识别，能够有效提高现有技术的识别精度，还能够有效监测线性工程系统的工作模态参数，可用于振动控制、设备故障诊断、健康监测以及系统结构分析与优化。

公开(公告)号：CN114818717A

公开(公告)日：2022-07-29

申请号：CN202210575509.3

申请日：2022-05-25

Applicant: 华侨大学

Inventor： 李弼程 ,  刘其龙 ,  张敏 ,  皮慧娟 ,  王华珍 ,  王成

IPC: G06F40/295 ,  G06F40/242 ,  G06F40/253 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种融合词汇和句法信息的中文命名实体识别方法及系统，包括以下步骤：步骤1、将原始输入文本映射为字向量，使用改进后的词集匹配算法引入外部词汇信息，并整合在每个字的输入表示中；步骤2、根据字的输入表示，利用双向LSTM抽取上下文信息；步骤3、使用NLP工具从原始输入文本中获取词性标签和句法成分，并且使用健值记忆网络构造句法向量，再通过门控机制对上下文向量与句法向量进行加权融合，获得特征向量；步骤4、将特征向量输入标签预测层的CRF中，实现中文命名实体识别。本发明能够解决中文命名实体中实体边界信息不足的问题和融合输入文本的句法信息。

公开(公告)号：CN114680427A

公开(公告)日：2022-07-01

申请号：CN202210378190.5

申请日：2022-04-12

Applicant: 华侨大学

Inventor： 赖雄鸣 ,  黄菊 ,  王成 ,  张勇

IPC: A43D8/16 ,  A43D1/08

Abstract: 本发明提供了一种鞋槽自动画线装置，包括固定旋转装置和画线装置，所述固定旋转装置和画线装置均电连接于控制系统，其中，所述固定旋转装置包括多向固定台，所述画线装置包括机器人装置、点胶机装置、喷涂装置以及视觉检测装置；利用所述鞋槽自动画线装置，本发明还提供了一种鞋槽自动画线方法，用于对鞋槽精准画线。通过本发明，使鞋槽画线更准确度和安全性更高，大大提升了生产效率。

公开(公告)号：CN110532471B

公开(公告)日：2022-07-01

申请号：CN201910796504.1

申请日：2019-08-27

Applicant: 华侨大学

Inventor： 王成 ,  陈德蕾 ,  潘傲寒

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/08

Abstract: 本发明公开了一种基于门控循环单元神经网络的主动学习协同过滤方法，包括：获取用户评分数据集将其用户对商品评分矩阵转化为成时间序列数据，设置对应的门控循环单元神经网络结构；采用改进MinRating主动学习算法动态采样数据，主动选择合适的训练集，输入用户的时间序列数据到门控循环单元神经网络输入层进行训练，并将门控循环单元神经网络输出与目标值进行损失计算，根据迭代算法adma进行参数的更新；利用训练得到的神经网络模型进行协同过滤推荐，实现TopN推荐。本发明方法在短时预测成功率、召回率、项目覆盖和用户覆盖上优于传统协同过滤算法；主动学习部分能够帮助模型快速建立，在一定程度上解决推荐系统的冷启动问题。

公开(公告)号：CN109783957B

公开(公告)日：2022-07-01

申请号：CN201910063608.1

申请日：2019-01-23

Applicant: 华侨大学

Inventor： 蔡奕侨 ,  彭德明 ,  吴端伟 ,  张惠臻 ,  王成 ,  田晖

IPC: G06F30/23 ,  G06F30/28 ,  G06F30/17 ,  G06F119/14 ,  G06F113/08

Abstract: 本发明是一种用于高温泵设计的多变量多目标并行优化方法，本发明基于多目标多学科优化基础，本高温泵主要工作在>300摄氏度度的极限工况下，将高温泵的优化流程模块化，模块一为实验设计模块，模块二为多目标并行优化算模块，模块三为最优分析和重新设计模块。本发明结合CFD计算和有限元分析，并建立高温泵的数据库，对水力性能、气蚀性能和安全可靠性三个指标进行评估，且多个设计变量，得到对高温泵三个优化指标的最优设计和最差设计，并利用最差设计的结果去约束最优设计，从而建立一种多变量多目标并行的高温泵的设计优化方法。

公开(公告)号：CN109764882B

公开(公告)日：2022-06-07

申请号：CN201811610039.X

申请日：2018-12-27

Applicant: 华侨大学

Inventor： 蔡奕侨 ,  张凯凯 ,  彭德明 ,  傅顺开 ,  田晖 ,  陈永红 ,  王成

IPC: G01C21/34

Abstract: 本发明提出了一种基于自适应局部搜索链的多目标车辆路径规划方法，其内容涉及物流运输和智能计算两大技术领域。本发明的技术方案包含三个要点：第一，定义了解的优化潜力，并结合禁忌的思想，自适应地从解集中选择一个解作为当前局部搜索链的起点；第二，将目标的优化顺序进行随机排列，使算法按照不同的次序调用不同的局部搜索操作，从而构建基于随机序列的局部搜索链；第三，采用基于历史经验的中间结点选择机制，通过评估当前解对于下一阶段的优化目标的提升潜力，为局部搜索链自适应地选择中间结点。本发明通过将不同阶段的局部搜索成果进行传递和利用，为该问题提供了一种高效的基于自适应局部搜索链的解决方案。

公开(公告)号：CN113779506A

公开(公告)日：2021-12-10

申请号：CN202111067225.5

申请日：2021-09-13

Applicant: 华侨大学

Inventor： 王成 ,  崔振凯

IPC: G06F17/18 ,  G06K9/62 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04 ,  G06Q50/04

Abstract: 本发明涉及一种基于深度迁移学习的多点频域振动响应预测方法及系统，利用第一个频率下的振动响应频域数据样本集训练多输入多输出回归分析模型，获得第一个频率的频域振动响应预测模型，根据传递函数在频域的连续性，将第一个频率的频域振动响应预测模型的权值迁移到与其最相似频率的训练模型中进行训练，得到此频率下的预测模型；依次循环此过程，得到所有频率点的模型。本发明基于数据驱动的神经网络和模型迁移技术直接对数据集训练模型，解决了矩阵病态求逆问题，可以获得更好的神经网络模型的初值，不容易陷入局部最优，加快了神经网络的收敛速度，提高了不相关多源未知载荷下的多点频域振动响应预测的精度和效率。