-
公开(公告)号：CN116304366A
公开(公告)日：2023-06-23
申请号：CN202310125970.3
申请日：2023-02-17
Applicant: 吉林大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/2415 , G06N3/045
Abstract: 本发明公开了一种融合协同过滤的神经Bandits推荐方法，包括：步骤一、基于待推荐用户构建探索网络和利用网络，构建协同过滤模块；步骤二、在第t轮推荐中，给定臂xt，i通过利用网络输出潜在奖励估计，通过探索网络输出潜在奖励增益，通过协同过滤模块得到当前用户邻居用户的协同分数；步骤三、将潜在奖励估计、潜在奖励增益、当前用户邻居用户的协同分数输入到决策器中，得到基于用户推荐的最优选择策略。通过构建利用网络和探索网络学习预期奖励及潜在增益，并同时考虑邻居协同作用，构造决策器进行最终决策，提高推荐多样性的同时缓解冷启动的问题。
-
公开(公告)号：CN111144666B
公开(公告)日：2022-11-29
申请号：CN202010000236.0
申请日：2020-01-02
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度时空残差网络的海洋温跃层预测方法，基于时空数据的特殊属性，本发明通过使用残差神经网络框架来模拟海洋温跃层演变的接近性，周期性和趋势性，针对每个属性，本发明设计了残余卷积单元的一个分支，每个单元内对海洋温度的空间属性进行建模，ST‑ResNet根据数据动态聚合三个残差神经网络的输出，为不同分支分配不同的权重以预测某一指定海域的最终温跃层情况，对经度95°W～115°W，纬度9.5°N～9.5°S海域的实验表明，所提出的ST‑ResNet相较于传统的SVM方法，在相同运行环境、不同的经度、纬度、深度的数据规格下，loss值分别降低了68、11、9倍，运行时间分别提升了3、35、53倍。
-
公开(公告)号：CN113730689A
公开(公告)日：2021-12-03
申请号：CN202111050592.4
申请日：2021-09-08
Applicant: 吉林大学
Abstract: 本发明公开了一种基于称重的血液透析超滤量及超滤速率监测系统及方法，其中该监测系统由称重单元和数据处理单元组成，所采用的监测方法包括：步骤一、设置超滤量阈值和超滤速率范围；步骤二、采集透析患者的称重数据，对称重数据进行分段拟合，计算超滤量和超滤速率；步骤三、对比监测结果与所设定的阈值及范围，当超滤量达到或超过阈值，发出停止透析提示；当超滤速率超出设定范围时，发出超滤速率异常提示；当用户发出终止命令时终止监测，否则转步骤二。本发明可以在不改变现有血液透析机结构和功能的情况下，进行超滤量及超滤速率的集中监测，降低透析患者发生意外的风险，提高透析治疗的安全性。
-
公开(公告)号：CN113678774A
公开(公告)日：2021-11-23
申请号：CN202111062243.4
申请日：2021-09-10
Applicant: 吉林大学
Abstract: 本发明公开了一种基于物联网的沼泽过滤式鱼菜共生系统及其控制方法，所述鱼菜共生系统包括：养鱼槽；支架，其固定安装在养鱼槽中；旋转架，其可旋转的安装在支架上，旋转架包括圆环形的外框架、中心连接部和多个支撑辐杆；其中，中心连接部设置在外框架的中心处，多个支撑辐杆呈辐射状固定连接在外框架与中心连接部之间；多个植物种植篮，其固定安装在外框架上，并且多个植物种植篮沿外框架的周向均匀间隔布置；补光灯，其设置在旋转架上方；沼泽过滤装置，其固定设置在旋转架上方，沼泽过滤装置的出水落在旋转架上，并且能够带动旋转架旋转；提升泵，其设置在养鱼槽中；水管，其一端连接在提升泵上，另一端与沼泽过滤装置的进水口连通。
-
公开(公告)号：CN114282977B
公开(公告)日：2025-03-28
申请号：CN202111622456.8
申请日：2021-12-28
Applicant: 吉林大学
IPC: G06Q30/0601 , G06F16/2457 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种基于全局有向图的商品会话序列推荐方法，包括：步骤一、提取原始数据集中的商品项目，生成图数据库节点集；根据原始数据集中的项目之间的点击关系，并且将点击关系出现的次数作为节点关系的属性值，生成节点关系集；步骤二、生成会话序列的全局有向图G＝(V,E)；其中，V为图数据库节点集，E为节点关系集；步骤三、对于待推荐会话中的每个项目建立初始值为0的m元评分数组，评分数组中的每个元素对应一个待推荐项目的评分值，通过项目的偏好传播更新每个评分数组中的对应的元素；其中，m为原始数据集中项目的数量；步骤四、得到待推荐会话的所有待推荐项目的总评分值，筛选出多个总评分值高的项目作为待推荐会话的最终推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN118464030A
公开(公告)日：2024-08-09
申请号：CN202410509963.8
申请日：2024-04-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于关键边的多车路径规划方法，包括：初始解的构造，使用关键边的邻域构造和禁忌搜索，解优化方法。算法流程如下：使用改进的K‑POSTMEN算法求得初始解S1，即为当前解S；计算图G中的关键边集合KE，并计算初始解S1中每条回路RL包含的关键边集合Sk；通过禁忌搜索算法迭代搜索最优解：移动关键边构造邻域。本发明涉及多车路径规划技术领域，本发明的有益效果是，邻域构造规则决定了当前解的变化方式，也决定了算法的搜索范围和收敛快慢。CTA‑kroutes算法以关键边为基础，从当前解的最长路径RLa中移动关键边及其周边路径rc到当前解的最短路径RLb中，即在最长路径RLa中删除rc并在最短路径RLb中添加rc。
-
公开(公告)号：CN117912008A
公开(公告)日：2024-04-19
申请号：CN202311591573.1
申请日：2023-11-27
Applicant: 吉林大学
IPC: G06V20/68 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于vision transformer的食物识别方法，包括：构建食物识别训练模型，包括：两层线性层、融合模块、多个第一transformer层、多个第二transformer层、食物种类分类器、第一食材分类器和第二食材分类器；将食物样本图片依次经过多个第一transformer层、多个第二transformer层处理后，输入食物种类分类器和第一食材分类器，得到食物种类识别结果和第一食材识别结果；将食物图片样本中包含的食材信息转化为食材编码，并将食材编码输入两层线性层；将两层线性层的输出向量和第一transformer层的输出向量输入融合模块；将融合模块的输出向量输入第二食材分类器，得到第二食材识别结果；根据识别结果对食物识别训练模型进行优化更新，得到食物识别模型；使用食物识别模型对食物图像进行识别。
-
公开(公告)号：CN116912522A
公开(公告)日：2023-10-20
申请号：CN202310904322.8
申请日：2023-07-24
Applicant: 吉林大学
IPC: G06V10/72 , G06V10/74 , G06V10/762 , G06V10/764 , G06V20/10 , G06V20/17
Abstract: 本发明公开了一种自适应密度峰值聚类波段选择方法，包括以下步骤：步骤S1：输入高光谱图像；步骤S2：计算光谱信息散度，计算光谱角；步骤S3：构造相似矩阵；步骤S4：计算局部密度，计算相对距离；步骤S5：构建波段得分；步骤S6：计算平均斜率；步骤S7：输出波段子集。本发明涉及高光谱图像技术领域，本发明的有益效果是，对传统基于欧式距离的密度峰值聚类波段选择方法进行改进，将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择，取代传统的欧式距离构建波段相似矩阵。通过构建波段评分策略，有效自动选择出重要的光谱波段子集。
-
公开(公告)号：CN116561522A
公开(公告)日：2023-08-08
申请号：CN202310534671.5
申请日：2023-05-12
Applicant: 吉林大学
IPC: G06F18/15 , G06F18/214
Abstract: 本发明公开了一种基于特征选择的T‑S模型缺失值插补法，包括包括以下步骤：步骤1：使用中位数填补法进行预填补缺失值，然后采用FCM算法将含有缺失数据的数据集划分为许多个模糊子集，得到样本对模糊集的隶属度，并使用高斯投影求解样本各属性在相应模糊集的隶属度，从而获得前提参数；步骤2：使用预填补的数据集，根据最小二乘法获得结论参数。步骤3：前提、结论参数获取结束后，使用步骤2中预填补的数据集依次求解每个属性列对应的模型输出。本发明涉及T‑S模型缺失值插补法技术领域，本发明的有益效果是，对T‑S模型缺失值插补进行了改进。本专利利用数据集中特征变量之间的相关性，提出提出基于特征选择的T‑S插补法，简称FS‑TSIM插补法。
-
公开(公告)号：CN113487529B
公开(公告)日：2022-07-26
申请号：CN202110783150.4
申请日：2021-07-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于Yolo的气象卫星云图目标检测方法，包括：一、提取出多张红外云图和多张可见光云图；二、统计可见光云图中的无效信息，根据可见光云图中的无效信息占比将多张可见光云图划分为：第一可见光云图、第二可见光云图和第三可见光云图；其中，第一可见光云图的无效信息占比ψ1满足ψ1＜ψmin；第二可见光云图的无效信息占比ψ2满足ψmin≤ψ2≤ψmax；第三可见光云图的无效信息占比ψ3满足ψ3＞ψmax；ψmin为无效信息阈值下限，ψmax为无效信息阈值上限；三、将第一可见光云图与其对应的红外云图进行融合，得到融合云图；将与第一可见光云图相对应的红外云图、融合云图以及第三可见光云图组成待检测云图集；四、采用Yolo算法对检测云图集中的云图进行目标检测，识别出云图中的典型天气现象。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
