-
公开(公告)号：CN116432262A
公开(公告)日：2023-07-14
申请号：CN202310414875.5
申请日：2023-04-18
Applicant: 南京财经大学
Abstract: 本发明公开了一种基于图文法的平面图案设计方法，该方法包括：制定规则，包括构建用于生成与分析相关抽象点边图的一组图文法产生式，以及针对具体图案生成需求设定一组结点转换规则；基于上述制定的产生式生成点边图；基于点边图通过所述结点转换规则绘制图案；基于点边图中边的属性调整图案的位置。本发明是将图文法和形状文法的优点相结合，图文法具有推导和归约双向工作流，所以通过图文法和结点转换规则生成的复杂图案具有归约能力，即可以对该图案进行结构上的分析。
-
公开(公告)号：CN110929888B
公开(公告)日：2023-05-05
申请号：CN201911077982.3
申请日：2019-11-06
Applicant: 南京财经大学
IPC: G06N20/10 , G06F18/2411 , G06F18/214 , G06Q10/04 , G06Q50/02
Abstract: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
-
公开(公告)号：CN112232388B
公开(公告)日：2024-02-13
申请号：CN202011046627.2
申请日：2020-09-29
Applicant: 南京财经大学
IPC: G06F18/2411 , G06F18/214 , G06Q30/0201
Abstract: 本发明公开了一种基于ELM‑RFE的购物意图关键因素识别方法，该方法首先初始化因素特征排序表和当前特征子集表，并获取当前训练样本集，接着训练超限学习机分类器并计算特征的排序系数，重复该步骤并找出排序得分最小的因素特征，然后更新关键因素排序指标和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，无需调节学习模型参数，能快速识别影响用户购物意图的最有效的因素。实验表明，相比传统的SVM‑RFE方法，本发明的方法仅需0.1％的计算时间，而且仅需3个因素特征在测试集上得到最高的测试精度。在识别用户购买意图的关键因素应用中，本发明的方法可以提升关键因素特征识别效率。(56)对比文件Guang-Bin Huang等.Extreme LearningMachine for Regression and MulticlassClassification《.IEEE Transctions onSystems,Man,and Cybernetics,Part B》.2011,第42卷(第2期),513-529.Serpil Ustebay等.InstructionDetection System with Recursive FeatureElimination by Using Random Forest andDeep Learning Classifier《.2018International Congress on Big Data，DeepLearning and Fighting Cyber Terrorism》.2019,71-76.
-
公开(公告)号：CN116187306A
公开(公告)日：2023-05-30
申请号：CN202310185499.7
申请日：2023-03-01
Applicant: 南京财经大学
IPC: G06F40/253 , G06F16/901
Abstract: 本发明公开了一种基于图文法的图模糊语法结构处理方法。本发明针对图文法的图模糊结构处理机制进行改进，为点边图中的每条边定义连接概率。在产生式中，连接概率描述了一条边在主图中出现的可能性，并基于连接概率对边进行分类，在模糊结构和确定性结构的描述之间建立了桥梁并为文法操作提供了容错性。为了进一步增加文法的灵活性以适应更多实际应用场景，为每个文法配备了一个阈值，连接概率高于该阈值的边为有益边，低于阈值的边为有害边，并且在文法应用中将连接概率和阈值的差值用于计算图柄的匹配权值，为图柄的选择问题提供了较好的理论依据。与其他方法相比，本发明解决了它们在图模糊语法结构上的问题。
-
公开(公告)号：CN112819495A
公开(公告)日：2021-05-18
申请号：CN201911127080.6
申请日：2019-11-18
Applicant: 南京财经大学
Abstract: 本发明公开了一种用户购物意图预测方法，尤其是一种基于支持向量机的随机多项式核的用户购物意图预测方法。该方法首先收集用户在网站上的行为数据，接着确定支持向量机SVM训练模型在训练测试样本集上的参数组合的最优值，最后利用最优参数组合的支持向量机SVM训练模型测试验证样本集，得到用户的购物意图。本发明在传统单尺度多项式核函数的支持向量机的基础上，扩展了多项式核函数的参数，提升了支持向量机参数选择的效率。与传统单尺度多项式核函数的支持向量机相比，该方法在损失较小的泛化性能的基础上，学习模型参数选取的时间仅需传统SVM多项式核方法的不到1％的时间，并且拥有较好的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116296332A
公开(公告)日：2023-06-23
申请号：CN202310267166.9
申请日：2023-03-20
Applicant: 南京财经大学
IPC: G01M13/00 , G01M7/02 , G06F18/2131
Abstract: 本发明公开了一种基于混合三稳态随机共振系统的微弱信号检测方法，基于收集的原始设备的故障信号确定二次采样频率，并对二次采样频率进行变尺度随机共振，得到符合绝热近似理论下的小参数系统输入信号，基于可控势阱条件，建立混合三稳态随机共振系统，并通过小参数系统输入信号求得混合三稳态随机共振系统的输出信号，基于混合三稳态随机共振系统的输出信号，实现微弱特征信号的检测、提取以及设备故障程度判定。本发明通过混合三稳态随机共振模型的建立，提高了对微弱信号的检测能力。
-
公开(公告)号：CN112232388A
公开(公告)日：2021-01-15
申请号：CN202011046627.2
申请日：2020-09-29
Applicant: 南京财经大学
Abstract: 本发明公开了一种基于ELM‑RFE的购物意图关键因素识别方法，该方法首先初始化因素特征排序表和当前特征子集表，并获取当前训练样本集，接着训练超限学习机分类器并计算特征的排序系数，重复该步骤并找出排序得分最小的因素特征，然后更新关键因素排序指标和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，无需调节学习模型参数，能快速识别影响用户购物意图的最有效的因素。实验表明，相比传统的SVM‑RFE方法，本发明的方法仅需0.1％的计算时间，而且仅需3个因素特征在测试集上得到最高的测试精度。在识别用户购买意图的关键因素应用中，本发明的方法可以提升关键因素特征识别效率。
-
公开(公告)号：CN111368176A
公开(公告)日：2020-07-03
申请号：CN202010134513.7
申请日：2020-03-02
Applicant: 南京财经大学
IPC: G06F16/9532 , G06F16/9535
Abstract: 本发明公开了一种基于监督语义耦合一致的跨模态哈希检索方法及系统，该方法包括：提取各模态数据库中模态样本数据的特征，构建样本库集合；求取样本库集合中各模态样本的哈希编码；提取待检索模态数据的特征，并根据该特征求取待检索模态数据的哈希编码；对比待检索模态数据的哈希编码与各模态样本的哈希编码，对比结果符合预设条件的模态样本即作为待检索模态数据的检索结果。本发明不仅考虑了高层语义关系，同时还考虑了各个模态之间的内联耦合性，使得各个模态不仅能够监督学习到自身的哈希码，同时也能够保持各个模态间的语义一致性。本发明能够有效提升哈希码的判别力度和紧凑鲁棒性，加速模态间的检索速率，提升跨模态检索的准确率。
-
公开(公告)号：CN110929888A
公开(公告)日：2020-03-27
申请号：CN201911077982.3
申请日：2019-11-06
Applicant: 南京财经大学
Abstract: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
-
公开(公告)号：CN112232387B
公开(公告)日：2024-02-06
申请号：CN202011046610.7
申请日：2020-09-29
Applicant: 南京财经大学
IPC: G06F18/214 , G06F18/2411 , G06Q10/0639 , G06Q50/02
Abstract: 本发明公开了一种基于LSELM‑RFE的粮食作物病害症状的有效特征识别方法，该方法首先初始化有效特征排序表和当前特征子集表，并获取当前训练样本集，接着训练最小二乘超限学习机分类器并计算特征的排序系数，找出排序得分最小的因素特征，然后更新有效特征排序表和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，只需调节学习模型参数C，能快速识别粮食作物病害症状的有效特征。通过在UCI标准数据库中的Soybean数据集上的实验表明，相比传统SVM‑RFE方法，本发明方法仅需3％的计算时间，而且仅需1个有效特征在测试集上得到最高的测试精度，识别出的特征更有效。(56)对比文件姚志凤.小麦条锈病早期检测与预测预报关键技术研究《.中国博士学位论文全文数据库 农业科技辑》.2020,(第2期),第D046-9页.
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
