-
公开(公告)号：CN113836863B
公开(公告)日：2024-05-28
申请号：CN202111157834.X
申请日：2021-09-30
Applicant: 安徽大学
IPC: G06F30/3947 , G06F30/398
Abstract: 一种Logisim电路图的查重方法及系统，属于数据处理技术领域，解决如何有效地捕捉到Logisim电路图的关键信息，减少拖拽电路图的部分元件或部分最大连通子图对查重的干扰的问题，包括以下步骤：将Logisim电路图视作以元件为节点、以导线为边的无向图，然后将无向图划分为若干最大连通子图，得到最大连通子图集合，从而创建最大连通子图集合数据集；通过计算最大连通子图的相似度，从而计算最大连通子图集合的重复率；根据计算的重复率采用阈值过滤或聚类的方法从Logisim电路图数据集找到重复的Logisim电路图；本发明的技术方案将Logisim电路图表示为最大连通子图集合，有效地捕捉到Logisim电路图的关键信息，减少多种作弊手段对查重的干扰，从而提高查重的效果。
-
公开(公告)号：CN108090048B
公开(公告)日：2021-05-25
申请号：CN201810029406.0
申请日：2018-01-12
Applicant: 安徽大学
IPC: G06F40/216 , G06F40/289 , G06F16/31 , G06F16/35 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了一种基于多元数据分析的高校评价系统，包括：训练模型构建模块，数据获取模块，话题主题分类模块，评论情感分类模块，标签生成模块，数据管理模块，数据可视化模块，如此，充分考虑高校话题信息特点，构建了一个高效的、稳定的热点高校话题发现展示系统，为学生、家长和教师等用户群体提供便捷的服务，从话题分类、关键词抽取的思想，采用中文分词技术，关键词提取技术，并利用空间向量模型将文本信息以向量化形式表示，通过最大化差异结合TF‑IDF算法将各高校的关键词提出出来作为标签，利用类别贡献度模型生成话题特征模型进行分类，并通对话题下的评论信息进行情感分类，通过算法改进提高了文本挖掘准确性和效率，易于推广。
-
公开(公告)号：CN117195998A
公开(公告)日：2023-12-08
申请号：CN202311097640.4
申请日：2023-08-29
Applicant: 安徽大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种改进的卷积神经网络模型的滤波器软剪枝方法，包括步骤：S1、对神经网络模型参数化设置；S2、对神经网络模型训练更新其参数，对BN层的缩放因子γ施加稀疏惩罚；S3、依据稀疏分布的缩放因子γ对部分卷积层滤波器参数置零；S4、依据参数置零情况进行剪枝，获取轻量化神经网络模型。本发明对神经网络模型中的滤波器软剪枝的流程进行了优化，通过去除软剪枝流程中的预剪枝(Pre‑Pruning)阶段，并结合融合历史梯度的参数优化器，使用不依赖于滤波器参数的剪枝标准(即BN层的缩放因子γ)，解决了软剪枝面对类ReLU激活函数时无法生效的问题，克服现有滤波器软剪枝方法的缺陷，从而发挥出软剪枝方法的潜力，获得更好的神经网络模型性能。
-
公开(公告)号：CN116665068A
公开(公告)日：2023-08-29
申请号：CN202310521321.5
申请日：2023-05-10
Applicant: 安徽大学
IPC: G06V20/13 , G06V20/70 , G06V10/778 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/0464 , G06N3/082 , G06V10/82
Abstract: 本发明公开了一种面向遥感目标检测的混合知识解耦的知识蒸馏算法，其中方法包括以下步骤：S1，构建遥感目标检测模型作为用于知识蒸馏的教师模型；S2，对模型进行轻量化处理，形成用于知识蒸馏的学生模型；S3，对边界框信息进行预测并计算目标检测损失；S4，教师模型引导学生模型解耦不同类型的知识；S5，从输出层次上蒸馏语义知识，计算输出层蒸馏的损失函数值；S6，交叉蒸馏不同层次的语义特征和定位特征，计算交叉特征蒸馏的损失函数值；S7，计算总损失函数值，优化学生模型。本发明解决了参数量大、复杂的遥感检测模型难以部署到卫星等边缘设备的问题。本方法不仅实现了遥感检测器的轻量化，还提升了检测器的性能。
-
公开(公告)号：CN107330005A
公开(公告)日：2017-11-07
申请号：CN201710440739.8
申请日：2017-06-13
Applicant: 安徽大学
CPC classification number: G06F17/30283 , G06N3/006 , G06Q50/01
Abstract: 本发明公开了一种面向用户极致体验的社交网络数据放置方法，主要解决了因地理上分散的社交网络用户之间信息交流延迟过高的问题。采用两个阶段：初始化阶段：采用自适应方法将采集的用户社会关系数据集根据社交关系进行位置初始化；数据布局阶段：采用上一阶段的输出作为初始输入，并采用粒子群优化算法为核心的数据放置方法来进行数据布局。本发明采用了粒子群算法来优化社交网络中用户数据的存储位置，在保证网络用户延迟要求的基础上同时最大化减少数据的存储费用，为社交网络服务供应商提供了一个高效的数据管理方法。
-
Patent Agency Ranking
公开(公告)号：CN119443167B
公开(公告)日：2025-04-08
申请号：CN202510032308.2
申请日：2025-01-09
Applicant: 安徽大学
IPC: G06N3/0495 , G06N3/063 , G06N3/045
Abstract: 本发明提供了一种面向Grounding DINO的量化推理加速方法及系统，属于计算机网络信息技术领域，方法包括：将待量化Grounding DINO模型中Linear层替换为W4Linear层，并获取待量化Grounding DINO模型的权重和权重矩阵的形状；根据权重矩阵的形状动态调整分组大小，基于分组大小对权重进行量化；对量化后的权重进行压缩，将待检测数据输入量化压缩后的Grounding DINO模型，模型基于W4A32行乘行去量化矩阵乘法推理出结果；解决Grounding DINO模型在资源受限的设备上部署时不能使用仅权重分组量化的问题，以及模型无法直接应用低位矩阵乘法内核的问题。
-
公开(公告)号：CN119692591A
公开(公告)日：2025-03-25
申请号：CN202411504438.3
申请日：2024-10-26
Applicant: 安徽大学
IPC: G06Q10/063 , G06Q50/20 , G06N3/044 , G06N3/084 , G06N3/0442
Abstract: 本发明公开了一种基于多概念表示的个性化知识追踪方法，包括：收集学生答题记录数据集并进行预处理，生成多概念的答题记录，基于多概念的答题记录形成用于表示答题历史记录的概念编码矩阵x和个性化历史记录的难度信息矩阵d，将概念编码矩阵x和难度信息矩阵d拼接后送入循环神经网络，进行学生答题预测；本发明通过将问题涉及到的多个概念用多热编码表示丰富输入特征，同时考虑不同学生关于每个概念的正确率作为个性化依据，实现每个学生的个性化历史记录表示，显著提高模型预测性能的同时，也实现了不同学生个性化的知识追踪。
-
公开(公告)号：CN115457319A
公开(公告)日：2022-12-09
申请号：CN202211070342.1
申请日：2022-09-02
Applicant: 安徽大学
Abstract: 一种基于融合高通信号和特征相关性的节点分类方法，包括以下步骤：S1、处理数据，构建网络数据；S2、使用松弛最小生成树构建特征相关性图；S3、设计出对应的低通滤波器和高通滤波器；S4、在原始拓扑结构图和特征相关性图应用低通滤波器和高通滤波器得到两个图中节点特征的高通信号和低通信号，并设计两种不同的融合方式为两张图融合两种不同信号，得到两种图中不同节点的表示；S5、得到最终的节点表示；S6、具有相同标签的节点划分为一类。本申请引入高通信号能够使得不同标签节点特征差异性变大，保留低通信号能够使得相同标签节点特征差异性变的更小，从两方面提高了节点分类的精度。
-
公开(公告)号：CN114491041A
公开(公告)日：2022-05-13
申请号：CN202210105810.8
申请日：2022-01-28
Applicant: 安徽大学
Abstract: 本发明提供一种基于网络表示学习和层次标签嵌入的专利分类方法及系统，方法包括：获取包含类别标签等数据的专利信息；利用专利引文、发明人与权利人信息构造发明人网络和权利人网络；通过层次标签嵌入获得标签描述的语义特征表示，结合层次类别结构关联性对标签语义进行增强，得到最终层次标签语义特征表示；通过文本嵌入获得专利文本特征表示，获得最终的专利文本特征；通过网络表示学习获得网络专利节点特征，结合两个网络之间的相关性增强专利节点特征表示，融合两个网络的专利节点特征，获得最终的专利节点特征；融合专利文本特征和专利节点特征进行专利分类。解决了忽略专利类别标签在分类过程中的特征增强作用导致专利分类准确性较低的技术问题。
-
公开(公告)号：CN108090048A
公开(公告)日：2018-05-29
申请号：CN201810029406.0
申请日：2018-01-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多元数据分析的高校评价系统，包括：训练模型构建模块，数据获取模块，话题主题分类模块，评论情感分类模块，标签生成模块，数据管理模块，数据可视化模块，如此，充分考虑高校话题信息特点，构建了一个高效的、稳定的热点高校话题发现展示系统，为学生、家长和教师等用户群体提供便捷的服务，从话题分类、关键词抽取的思想，采用中文分词技术，关键词提取技术，并利用空间向量模型将文本信息以向量化形式表示，通过最大化差异结合TF-IDF算法将各高校的关键词提出出来作为标签，利用类别贡献度模型生成话题特征模型进行分类，并通对话题下的评论信息进行情感分类，通过算法改进提高了文本挖掘准确性和效率，易于推广。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.018 seconds)
