-
公开(公告)号：CN117196842A
公开(公告)日：2023-12-08
申请号：CN202311162409.9
申请日：2023-09-11
Applicant: 东北大学
IPC: G06Q40/04 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于因果关系图神经网络的股票特征分析系统及方法，涉及人工智能技术领域，本系统分为特征提取层和预测层。首先获取股票的历史时序数据和关系数据并进行筛选和预处理工作；将数据输入到股票特征分析系统中，数据分别经过静态关系提取模块SRE和动态关系提取模块DRE,最后将SRE和DRE的输出结果SRE_embedding和DRE_embedding拼接到一起，最后送入预测层得到股票的最终预测结果。本发明考虑了股票数据中的隐性关系和随时间变化的动态关系。与现有的基于GNN的方法做对比，在股票趋势预测中，精度比其他模型的精度更高。
-
公开(公告)号：CN105866733A
公开(公告)日：2016-08-17
申请号：CN201610397509.3
申请日：2016-06-07
Applicant: 东北大学
CPC classification number: H04W64/00 , G01S5/0252 , G01S5/0257 , G01S5/0273 , H04W84/12
Abstract: 本发明提供一种确定室内位置的方法及装置，属于定位技术领域。用于解决现有技术室内定位存在定位精度低的问题。包括：第一终端在预先确定的参考点获取发射端发射的第一信号，将第一终端获取的第一信号存储到数据库；第二终端在待确定位置获取至少一组发射端发射的第二信号，根据所述第二信号离差标准化后的均值向量与标准差向量，确定发射端权重；根据发射端权重，第二信号和第一信号，进行加权K近邻算法，确定待确定位置坐标点集合；将待确定位置坐标点集合的任一点确定为初始点，以确定的初始点为中心，选取正态核函数，确定Mean shift向量；当所述Mean shift向量小于设定阈值时，将所述Mean shift向量等式右侧的被减数确定为所述待确定位置坐标。
-
公开(公告)号：CN106060921B
公开(公告)日：2019-11-08
申请号：CN201610399554.2
申请日：2016-06-07
Applicant: 东北大学
Abstract: 本发明提供一种基于流形学习的室内位置确定方法及装置，属于定位技术领域，包括使第一终端在参考点获取至少一组发射端发出的第一信号，并确定第一信号的信号强度值以及与参考坐标点；将第一信号以及与第一信号对应的参考坐标点存储到参考点数据库；第二终端在待确定位置获取发射端发出的第二信号，将第二终端获取的第二信号与第一信号结合构成一个矩阵，确定所述矩阵的无向加权图；通过Floyd算法确定所述无向加权图的距离矩阵，根据距离矩阵计算新形成的第一矩阵；根据所述的第一矩阵，确定低维嵌入矩阵；对所述低维嵌入矩阵使用WKNN算法，确定所述待确定位置的坐标点。
-
公开(公告)号：CN106060921A
公开(公告)日：2016-10-26
申请号：CN201610399554.2
申请日：2016-06-07
Applicant: 东北大学
Abstract: 本发明提供一种基于流形学习的室内位置确定方法及装置，属于定位技术领域，包括使第一终端在参考点获取至少一组发射端发出的第一信号，并确定第一信号的信号强度值以及与参考坐标点；将第一信号以及与第一信号对应的参考坐标点存储到参考点数据库；第二终端在待确定位置获取发射端发出的第二信号，将第二终端获取的第二信号与第一信号结合构成一个矩阵，确定所述矩阵的无向加权图；通过Floyd算法确定所述无向加权图的距离矩阵，根据距离矩阵计算新形成的第一矩阵；根据所述的第一矩阵，确定低维嵌入矩阵；对所述低维嵌入矩阵使用WKNN算法，确定所述待确定位置的坐标点。
-
-
-
Search Results
4
records
(took 0.02 seconds)
