-
公开(公告)号：CN113987742B
公开(公告)日：2024-12-17
申请号：CN202111074435.7
申请日：2021-09-14
Applicant: 东华大学
IPC: G06F30/20 , G06F17/16 , G06F113/12 , G06F119/02
Abstract: 本发明涉及一种基于SVD算法实现优化梯度下降过程的建模方法，包括以下步骤；步骤一，将待解决的问题通过FunkSVD算法降维分解为两个低秩的矩阵，步骤二，将用户和物品均映射至k维空间中；在k维空间下，对应k个隐藏因子；将物品和用户对应在k维空间上，利用梯度下降的过程优化分布结果；步骤三，采用梯度下降算法进行求解，得出模型。本发明提供了一种基于SVD算法实现优化梯度下降过程的建模方法；能够提高矩阵分解SVD算法的模型构建效率。
-
公开(公告)号：CN110942106A
公开(公告)日：2020-03-31
申请号：CN201911279242.8
申请日：2019-12-13
Applicant: 东华大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于平方平均的池化卷积神经网络图像分类方法。本发明采用梯度下降法对网络中的权值和阈值参数进行逐层的反向调节，以获取网络参数的最优解。其中池化层通过设定池化窗口的大小和步长的大小进行池化运算，目的是减小特征图维度，池化规模一般为2x2。虽然最大值池化能够更多地保留图像的纹理特征，却忽略了背景特征信息。因此在池化层中使用平方平均池化运算方法，对特征矩阵进行平方平均运算，通过平方平均运算更好的保留图像的纹理和背景特征。图像经过一系列卷积层池化层后，最后得到的是一系列的特征图，然后将这些特征图中的像素依次取出，融合成一个向量传给分类器。
-
公开(公告)号：CN107229709A
公开(公告)日：2017-10-03
申请号：CN201710389875.9
申请日：2017-05-27
Applicant: 东华大学
Abstract: 本发明提供了一种场所信息收集和管理系统，包括：用于给用户进行场所信息上传的场所信息上传模块；用于对用户上传的场所信息进行收集和整理的场所信息收集和整理模块；用于判断用户上传的场所信息的可靠性的场所信息可靠性判断模块；用于将可靠的场所信息与已掌握的信息进行整合和筛选的审核模块；用于公布审核通过的场所信息供用户查阅的公布平台；用于对场所信息上传模块、场所信息收集和整理模块、场所信息可靠性判断模块、审核模块及公布平台进行统一控制的中央管理模块。本发明实现了场所信息的自动化收集和管理，具有透明度好、可靠性高、查询方便等优点，提高了场所管理员的工作效率，同时提高了场所信息发布的及时性和场所使用效率。
-
公开(公告)号：CN106960277A
公开(公告)日：2017-07-18
申请号：CN201710134517.3
申请日：2017-03-08
Applicant: 东华大学
CPC classification number: G06Q10/0631 , G06Q50/26
Abstract: 本发明涉及一种基于场所信息管理的冲突检测及推荐方法，包括以下步骤：生成场所信息数据；接收某个场所的借用申请；依据借用申请进行冲突分析；根据冲突分析结果审批接收到的借用申请；对被拒绝的借用申请根据相似度进行合理推荐。本发明能够实现场所信息的共享及优化管理。
-
公开(公告)号：CN110942105B
公开(公告)日：2022-09-16
申请号：CN201911279148.2
申请日：2019-12-13
Applicant: 东华大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。
-
Patent Agency Ranking
公开(公告)号：CN104239753B
公开(公告)日：2017-05-03
申请号：CN201410315438.9
申请日：2014-07-03
Applicant: 东华大学
IPC: G06F21/10
Abstract: 本发明公开了云存储环境下文本文档的一种篡改检测方法，以及该方法的两种实施方案：云服务器端使用该方法和客户端使用该方法。篡改检测方法的执行过程是：首先分别对上传到云服务器端的文档与下载到客户端的文档计算若干个称为指纹的数字序列；然后，比对两次计算的文档指纹，如果二者相等，则表示文档没有被他人篡改过。否则，继续比对段落指纹及句子指纹，定位被篡改的具体句子。云服务器端使用此方法的实施步骤是：当文档上传到服务器端之后和下载到客户端之前，在云服务器端分别计算指纹，再比对两次计算的指纹。本发明能快速准确的为文档提供篡改检测，还能精确定位篡改位置。同时该方法给服务器端、客户端和网络带宽带来的负担较小。
-
公开(公告)号：CN104239753A
公开(公告)日：2014-12-24
申请号：CN201410315438.9
申请日：2014-07-03
Applicant: 东华大学
IPC: G06F21/10
CPC classification number: G06F21/16 , G06F21/64 , G06F2221/2107
Abstract: 本发明公开了云存储环境下文本文档的一种篡改检测方法，以及该方法的两种实施方案：云服务器端使用该方法和客户端使用该方法。篡改检测方法的执行过程是：首先分别对上传到云服务器端的文档与下载到客户端的文档计算若干个称为指纹的数字序列；然后，比对两次计算的文档指纹，如果二者相等，则表示文档没有被他人篡改过。否则，继续比对段落指纹及句子指纹，定位被篡改的具体句子。云服务器端使用此方法的实施步骤是：当文档上传到服务器端之后和下载到客户端之前，在云服务器端分别计算指纹，再比对两次计算的指纹。本发明能快速准确的为文档提供篡改检测，还能精确定位篡改位置。同时该方法给服务器端、客户端和网络带宽带来的负担较小。
-
公开(公告)号：CN113987742A
公开(公告)日：2022-01-28
申请号：CN202111074435.7
申请日：2021-09-14
Applicant: 东华大学
IPC: G06F30/20 , G06F17/16 , G06F113/12 , G06F119/02
Abstract: 本发明涉及一种基于SVD算法实现优化梯度下降过程的建模方法，包括以下步骤；步骤一，将待解决的问题通过FunkSVD算法降维分解为两个低秩的矩阵，步骤二，将用户和物品均映射至k维空间中；在k维空间下，对应k个隐藏因子；将物品和用户对应在k维空间上，利用梯度下降的过程优化分布结果；步骤三，采用梯度下降算法进行求解，得出模型。本发明提供了一种基于SVD算法实现优化梯度下降过程的建模方法；能够提高矩阵分解SVD算法的模型构建效率。
-
公开(公告)号：CN107480550B
公开(公告)日：2020-05-26
申请号：CN201710539901.1
申请日：2017-07-04
Applicant: 东华大学
IPC: G06F21/62 , G06F16/9537
Abstract: 本发明提供了一种基于角度划分和位置语义的轨迹隐私保护算法，步骤1：初始化生成网格地图模型，为网格地图模型随机分配各种位置类型；步骤2：用户输入信息；步骤3：处理用户输入的信息；步骤4：用户提出服务查询请求，输入当前时刻的位置坐标；步骤5：根据所述位置坐标进行角度划分，产生多个虚假位置九宫格区域；步骤6：根据当前位置语义，选择合适的虚假位置；步骤7：将所有时刻生成的虚假位置连接起来，产生虚假轨迹。本发明将位置语义和轨迹隐私保护算法相结合，用位置普及度、敏感度和隐私度来量化位置语义信息，对位置语义信息进行数学建模，通过模型准确描述位置语义信息，能够实现用户真实轨迹的隐私保护。
-
公开(公告)号：CN110942105A
公开(公告)日：2020-03-31
申请号：CN201911279148.2
申请日：2019-12-13
Applicant: 东华大学
Abstract: 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
