公开(公告)号：CN110118560B

公开(公告)日：2023-03-10

申请号：CN201910450526.2

申请日：2019-05-28

Applicant: 东北大学

Inventor： 于瑞云 ,  王开开 ,  李滨滨 ,  叶德志

IPC: G01C21/20

Abstract: 本发明涉及室内定位技术领域，提供一种基于LSTM和多传感器融合的室内定位方法。首先通过手机的加速度计、地磁传感器、陀螺仪分别采集行人的三轴加速度、三轴磁力值、三轴角速度，及位置坐标数据，并对数据集进行预处理；然后利用WiFi信息对行人进行粗定位，计算行人的初始位置；再利用三轴加速度数据对行人进行计步并进行步长估计，利用三轴磁力值数据和三轴角速度数据对行人进行方向估计，形成行人运动模型，对行人位置进行估算；接着构建并训练行人定位的LSTM模型，利用训练后的LSTM模型对行人位置进行预测；最后对上两步中计算出的行人位置进行卡尔曼滤波融合，完成对行人的定位。本发明能够提高室内定位的精度，且成本低、容易部署。

公开(公告)号：CN112541130A

公开(公告)日：2021-03-23

申请号：CN202011416256.2

申请日：2020-12-07

Applicant: 东北大学

Inventor： 于瑞云 ,  张碧耘 ,  叶德志 ,  汪志鸿

IPC: G06F16/9536 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度交叉特征融合的推荐方法及装置，属于推荐系统协同过滤领域。输入初始数据后，对初始数据进行转换、稠密化、扩展和拼接处理后得到用户特征向量栈和项目特征向量栈；通过计算用户特征向量栈中用户的每个特征与项目特征向量栈中项目的每个特征之间的影响关系，将用户特征与项目特征做细粒度的融合，得到最终的用户嵌入向量和项目嵌入向量，再对这两个向量做内积，得到目标用户对该项目产生交互的预测分数，根据预测分数值为目标用户做出个性化推荐。通过将用户特征与项目特征融合，深度挖掘用户特征与项目特征之间的潜在关系，更加细粒度地考虑了用户和项目之间双向的影响关系，最终为目标用户提供个性化推荐。

公开(公告)号：CN112541130B

公开(公告)日：2021-10-29

申请号：CN202011416256.2

申请日：2020-12-07

Applicant: 东北大学

Inventor： 于瑞云 ,  张碧耘 ,  叶德志 ,  汪志鸿

IPC: G06F16/9536 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度交叉特征融合的推荐方法及装置，属于推荐系统协同过滤领域。输入初始数据后，对初始数据进行转换、稠密化、扩展和拼接处理后得到用户特征向量栈和项目特征向量栈；通过计算用户特征向量栈中用户的每个特征与项目特征向量栈中项目的每个特征之间的影响关系，将用户特征与项目特征做细粒度的融合，得到最终的用户嵌入向量和项目嵌入向量，再对这两个向量做内积，得到目标用户对该项目产生交互的预测分数，根据预测分数值为目标用户做出个性化推荐。通过将用户特征与项目特征融合，深度挖掘用户特征与项目特征之间的潜在关系，更加细粒度地考虑了用户和项目之间双向的影响关系，最终为目标用户提供个性化推荐。

公开(公告)号：CN110118560A

公开(公告)日：2019-08-13

申请号：CN201910450526.2

申请日：2019-05-28

Applicant: 东北大学

Inventor： 于瑞云 ,  王开开 ,  李滨滨 ,  叶德志

IPC: G01C21/20

Abstract: 本发明涉及室内定位技术领域，提供一种基于LSTM和多传感器融合的室内定位方法。首先通过手机的加速度计、地磁传感器、陀螺仪分别采集行人的三轴加速度、三轴磁力值、三轴角速度，及位置坐标数据，并对数据集进行预处理；然后利用WiFi信息对行人进行粗定位，计算行人的初始位置；再利用三轴加速度数据对行人进行计步并进行步长估计，利用三轴磁力值数据和三轴角速度数据对行人进行方向估计，形成行人运动模型，对行人位置进行估算；接着构建并训练行人定位的LSTM模型，利用训练后的LSTM模型对行人位置进行预测；最后对上两步中计算出的行人位置进行卡尔曼滤波融合，完成对行人的定位。本发明能够提高室内定位的精度，且成本低、容易部署。