公开(公告)号：CN113160432A

公开(公告)日：2021-07-23

申请号：CN202110422140.8

申请日：2021-04-20

Applicant: 哈尔滨理工大学

Inventor： 田新雨 ,  何云斌 ,  赫斌

IPC: G07B15/02

Abstract: 本发明是一种基于大数据的智能停车场选位器，主要包括触摸电子显示屏、扫描仪、支付设备，所述的扫描仪负责扫描车身，识别车型，通过电路板与触摸电子显示屏相连接，显示屏根据扫描仪下方的数据处理器所分析的车型随时更新车位，所述的触摸电子显示屏上面显示了小型、中型和大型车的车位情况，选定好车位后，通过支付设备获取某个车位，所述的的支付设备包括纸币、硬币以及二维码扫描装置，同时二维码扫描装置中设有扬声器，播放支付金额等支付信息，这些支付设备同时又与传送带相连接，通过传送带将纸币以及硬币送到钱箱中，方便工作人员获取。本发明通过大数据的分析随时对车位进行更新，方便于市民，操作简单，为各种出行者提供停车服务。

公开(公告)号：CN114943266A

公开(公告)日：2022-08-26

申请号：CN202210229884.2

申请日：2022-03-09

Applicant: 哈尔滨理工大学

Inventor： 赫斌 ,  何云斌 ,  赵琦

IPC: G06K9/62

Abstract: 本发明针对CLIQUE算法参数人工选择的缺点，本文提出一种于自适应网格边界划分的多维数据聚类改进算法。首先对人工输入的密度阈值参数进行改进，将每个维度划分为多个网格单元，然后计算每个维度投影的数据点数和和非空单元网格的个数和，计算出密度阈值。之后针对维度过高时产生的问题进行改进，当进行聚类时，子空间的密集连通单元网格的数量等于1时，说明该子空间将所有数据聚为一类，同时也会删除一些孤立点和少部分簇中数据点，故对数据聚类帮助不大，可将此维度舍弃。密集连通单元网格的数量大于1时，说明该子空间能够有效帮助聚类，可将此子空间保留下来。最后采用自适应网格边界划分，改进原先硬划分网格单元的问题。

公开(公告)号：CN113052736A

公开(公告)日：2021-06-29

申请号：CN202110431703.X

申请日：2021-04-21

Applicant: 哈尔滨理工大学

Inventor： 赫斌 ,  何云斌 ,  赵琦

IPC: G06Q50/20 ,  G06Q10/06 ,  G06Q10/10 ,  H04N7/18

Abstract: 本发明是一种基于监控检测的教室自习室管理系统，主要包括多个从机，从机均包括多个监控检测模块、教室状态切换模块、教室用电控制模块、储物模块、教室显示模块、单片机、继电器、铁电存储器，串口通讯模块、上位机、楼层显示模块、教学楼显示模块；单片机分别与多个监控检测模块、教室状态切换模块、教室用电控制模块、储物模块和教室显示模块连接；然后与铁电存储器相连，由单片机处理，显示在楼层显示模块上；串口通讯模块分别连接从机与上位机，上位机连接教学楼显示模块，由教学楼管理员对上位机进行操作。高校图书馆自习室位置紧张，该系统能帮助学生快速找到有空缺的教室，同时帮助管理员对教学楼进行管理。

公开(公告)号：CN114626451A

公开(公告)日：2022-06-14

申请号：CN202210227779.5

申请日：2022-03-08

Applicant: 哈尔滨理工大学

Inventor： 弋琨 ,  万静 ,  赫斌

IPC: G06K9/62

Abstract: 本发明是公开了一种基于密度的数据预处理优化方法，首先计算样本对象的欧氏距离与平均距离，然后进行粗聚类；利用密度权重找出聚类的中心点，将中心点为中心，平均距离为半径里的所有数据对象归为一类，得到聚类数目；最后，将预处理后得到的聚类中心点与聚类数目利用K‑medoids算法进行细聚类，得到最终的聚类结果。本发明旨在解决数据聚类结果受其初始化的聚类中心影响较大、不能得到最优解的问题，在聚类方法基础上加入数据预处理过程，保证了初始聚类中心的稳定，通过密度作为启发信息，选取密度权重大的作为中心点，避免聚类数目的随机选取，显著提高了聚类的效果，缩短了聚类过程所消耗的时间。

公开(公告)号：CN114186560A

公开(公告)日：2022-03-15

申请号：CN202111524927.1

申请日：2021-12-14

Applicant: 哈尔滨理工大学

Inventor： 刘睿 ,  仇化平 ,  赫斌

IPC: G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06F16/35 ,  G06F16/33

Abstract: 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)融合支持向量机(Support Vector Machine，SVM)的中文词义消歧方法。本发明首先预处理语料。对训练和测试语料的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子以及歧义词两侧词汇单元的词形、词性和语义类作为消歧特征，消歧特征作为节点来构建词义消歧图。使用Word2Vec、Doc2Vec工具、逐点互信息(PMI)、TF‑IDF算法对图中节点和边的权值进行计算。训练语料训练GCN模型，将模型优化。利用优化后的GCN模型计算训练和测试语料的消歧特征，再将训练语料计算后的消歧特征输入SVM分类器中，优化SVM分类器，再对测试语料进行分类，得到歧义词汇在语义类别下分类情况。本发明具有较好的词义消歧效果，准确的判断歧义词汇的真实含义。