-
公开(公告)号：CN110245984B
公开(公告)日：2023-08-01
申请号：CN201910494079.0
申请日：2019-06-09
Applicant: 广东工业大学
IPC: G06Q30/0201 , G06N3/0464 , G06N3/044 , G06N3/08 , G06Q50/00 , G06Q30/0203
Abstract: 本发明涉及数据挖掘、社交网络、因果推断领域，公开了一种基于因果推断的网络购物行为分析方法和系统，通过融合用户属性特征、社交行为特征和历史购物行为特征、用户关系等多层次、跨领域特征，能够充分获取用户行为特征和兴趣偏好；经过合理设计的分析系统，利用因果网络模型，去除无用的特征，减少了噪声特征的干扰，并可解释用户行为的因果性及其行为动机，提高用户购物行为预测的准确度。
-
公开(公告)号：CN110347791B
公开(公告)日：2023-06-16
申请号：CN201910541695.7
申请日：2019-06-20
Applicant: 广东工业大学
IPC: G06F16/33 , G06F16/35 , G06N3/0464
Abstract: 本发明涉及教育领域，更具体的，涉及一种基于多标签分类卷积神经网络的题目推荐方法，本发明突出训练集中的高相关标签间的相关性，将相关性高于一定阈值的标签对都视为高相关标签对，能够调整每个标签的不平衡率以及让模型更好的学习高相关性以提高分类的准确度，并且本发明的卷积神经网络可以自动提取题目关键词的特征，能够更好的帮助卷积神经网络对考点特征标签的分类，此外，本发明在卷积神经网络中的第一层全连接层中加入标签间的相关性信息，让模型在训练中考虑标签间的相关性，以提高效率、网络识别分类的准确度。
-
公开(公告)号：CN113673609B
公开(公告)日：2023-06-06
申请号：CN202110977713.3
申请日：2021-08-24
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于线性隐变量的调查问卷数据分析方法，包括：收集填写后的调查问卷并进行预处理和标准化处理；构建测量模型，根据标准化处理后的观测变量，获得观测变量的聚类和隐变量的骨架图；枚举隐变量骨架图的等价类，进行三分体约束判断；若违背三分体约束，则拒接；若满足三分体约束，将每个隐变量分别作为根节点，对其余隐变量剔除来自根节点的影响，保留相应的等价类；对被保留等价类进行合并，根据合并结果输出隐变量的因果结构图，获得调查问卷中隐变量间的因果关系。本发明可以获得任意形式分布的隐变量间的因果关系，对调查问卷进行辅助分析，分析结果更准确，有助于做出正确决策。
-
公开(公告)号：CN110599195B
公开(公告)日：2023-04-14
申请号：CN201910713859.X
申请日：2019-08-02
Applicant: 广东工业大学
IPC: G06Q30/018 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06F16/335 , G06F40/284
Abstract: 本发明涉及一种识别刷单的方法，包括以下步骤：获取大量用户的大量有效评论文本集合，并训练出各评论文本每个词的词向量；多次随机组合两个评论文本与其是否属于同一用户的标识值构成训练集；搭建并训练卷积神经网络，用于预测两个评论文本是否为同一人所写；一个商家若存在大量不同用户的两个评论文本却被预测为同一人所评论的情况，则预测该商家存在刷单行为。本发明利用了人说话、打字具有一定个性的语言、格式风格习惯的特点，利用该思路进而识别刷单，借助神经网络模型通过细节特征、学习评论文本中所带有的语言习惯，进而识别评论文本是否由同一个人所写，最后再基于该模型通过一定方法识别某个网店是否具有刷单行为。
-
公开(公告)号：CN115883642A
公开(公告)日：2023-03-31
申请号：CN202310077014.2
申请日：2023-02-08
Applicant: 广东工业大学
Abstract: 本发明公开了一种失物信息推送方法、装置、电子设备及存储介质，用于解决现有的失物信息推送方法容易将信息推送给错误的对象，导致失物找回率和招领成功率降低，且导致用户体验下降的技术问题。本发明包括：响应用户端发送的失物发布请求，生成失物信息；失物信息包含用户端的位置信息；采用失物信息生成推送信息；根据位置信息确定推送对象；将推送信息推送至推送对象。本发明通过位置信息推送对象精准匹配，从而提高了失物信息的推送准确性，提高失物找回率和招领成功率，提高用户体验。
-
Patent Agency Ranking
公开(公告)号：CN110222272B
公开(公告)日：2022-10-14
申请号：CN201910311200.1
申请日：2019-04-18
Applicant: 广东工业大学
IPC: G06F16/9536 , G06F16/9535 , G06K9/62 , G06Q30/06
Abstract: 本发明提供一种潜在客户挖掘与推荐方法，本发明从社交平台上获取用户的个人信息和社交活动信息，并与本地存储的用户购物记录融合，经过数据清洗和筛选后，得到用于训练和测试潜在客户分类模型的数据；然后根据用户个人信息、社交记录、购物记录构造用户画像，同时将用户的社交记录和购物记录处理为可供模型使用的特征向量形式，然后训练用户兴趣预测模型，将用户分为潜在客户和路人；最后识别并根据潜在客户的兴趣提供更有针对性的商品页面展示给他们。本发明可以在精准分类用户的同时判断用户的兴趣；根据用户的兴趣判断展示相应的产品或实施精准广告投放，实现潜在客户的转化；对于老客户也可以提供针对性的推荐，增加客户黏性。
-
公开(公告)号：CN109492546B
公开(公告)日：2022-08-12
申请号：CN201811241761.0
申请日：2018-10-24
Applicant: 广东工业大学
IPC: G06K9/00
Abstract: 本发明提供一种融合小波包与互信息的生物信号特征提取方法，包括以下步骤：S1)、获取生物信号，并去除低频场电位和高频噪声；S2)、进行生物信号的分割；S3)、对生物信号进行小波包分解；S4)、随机选取少数用小波包分解系数表示的生物信号作为训练数据；S5)、运用最大互信息准则对训练生物信号数据进行特征选择；S6)、对测试生物信号进行特征提取，得到测试生物信号的低维时‑频特征；S7)、应用分类器对所述生物信号的低维时‑频特征进行分类，进而得到目标生物信号和多种非目标生物信号的多分类结果，本发明所提取的脑电信号特征经过聚类处理结果显示大大提高了正常与癫痫信号的分类精度。
-
公开(公告)号：CN114666204A
公开(公告)日：2022-06-24
申请号：CN202210429761.3
申请日：2022-04-22
Applicant: 广东工业大学
IPC: H04L41/0631 , H04L41/0695
Abstract: 本发明公开了一种基于因果强化学习的故障根因定位方法及系统，方法包括以下步骤：S1：获取真实故障场景中故障告警事件数据，作为历史数据；S2：利用历史数据构建故障因果强化学习模型；所述故障因果强化学习模型包括因果结构学习模块、因果图环境模型模块与策略网络模块；S3：通过所述故障因果强化学习模型与故障告警环境交互，学习并更新所述因果图环境模型模块以及所述策略网络模块，生成表征完整的最终告警因果图模型，以及输出最优策略；S4：利用所述最终告警因果图模型追溯故障节点的根因故障及根因告警类型。本发明提高了故障根因定位的检测效率和准确度。
-
公开(公告)号：CN114463174A
公开(公告)日：2022-05-10
申请号：CN202210051569.5
申请日：2022-01-17
Applicant: 广东工业大学
Abstract: 本发明提供基于元学习与结构保持的任意尺度图像超分辨率的方法，包括：构建并训练超分辨率网络模型，对获取的高分辨率图像数据进行预处理，得到低分辨率图片数据；对低分辨率图片数据进行处理，得到梯度图数据；对低分辨率图片进行特征提取、上采样，得到超分辨率分支网络上采样图片，对梯度图进行特征提取、上采样，得到梯度图分支网络上采样图片；超分辨率分支网络上采样图片与梯度图分支网络上采样图片输入混合模块中进行加权运算，重建得到超分辨率图像；设置损失函数，对超分辨率网络模型进行迭代训练直至模型收敛，得到训练好的任意尺度超分辨率网络模型；本发明超分辨率网络模型可以在任意尺度下生成视觉效果良好的超分辨率SR图像。
-
公开(公告)号：CN109801348B
公开(公告)日：2022-03-04
申请号：CN201910036395.3
申请日：2019-01-15
Applicant: 广东工业大学
Abstract: 本发明提供一种适用于三维流体模拟的三阶高精度对流插值算法。基于约束插值剖面法(CIP)，在使用半拉格朗日法求解三维流体运动控制方程中对流项时，针对回退点处物理量的计算发明了一种高精度插值方法，提升了对流精度。此外，为减少内存消耗，只存储物理场的值及其一阶导数作为计算变量，高阶导数则在保证计算精度不受损的前提下基于推导的泰勒展开式近似计算。本发明能够在时间和内存消耗较少的前提下保持三阶高精度，且具有紧模板特性。对比现有方法，该方法在视觉质量、速度、内存消耗等方面都有明显的改进，能够有效提升流体模拟的对流精度和速度。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.034 seconds)
