-
公开(公告)号：CN117390131B
公开(公告)日：2024-09-24
申请号：CN202310815104.7
申请日：2023-07-04
Applicant: 无锡学院
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F18/24 , G06F18/23213 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于多领域的文本情感分类方法，包括：获取目标领域带标签的文本数据并进行预处理，对词嵌入层进行训练，在ALBERT模型中嵌入用于文本主题信息提取的LDA模型，在LDA模型中融合K‑means聚类算法；将词向量序列输入至LDA模型中进行无监督训练，提取文本主题信息，得到“文档‑主题”分布的主题特征向量；将主题特征向量输入到K‑means聚类算法进行二次聚类后，使用余弦相似度输出最优的主题特征向量；通过吉布斯采样方法迭代抽样，LDA模型收敛后得到“主题‑词”分布和“评论‑主题”分布；对文本情感分类模型训练，将通过训练后的文本情感分类模型计算情感分类标签的情感概率，将情感概率最大的标签作为目标数据标签，从而实现跨领域的文本情感分类。
-
公开(公告)号：CN118609352B
公开(公告)日：2025-02-25
申请号：CN202410665083.X
申请日：2024-05-27
Applicant: 无锡学院
Abstract: 本发明公开一种基于时间窗的多AGV交通管制方法，包括：对于区域内有多个相邻的路径的运输系统；调度系统加载路径地图和车辆的车辆信息，车辆信息包括车辆编号和车辆尺寸；生成车辆在所有路径上移动的车辆轮廓曲线；数字化AGV工作环境信息，得到AGV工作环境电子地图；在AGV工作环境电子地图上，为AGV规划出时间最短的路径；本发明针对AGV交通管制中出现的冲突和死锁问题，以时间窗算法为基础提出解决冲突和死锁的策略，针对死胡同路径，提出反向预约路径的方法；对于冲突类型进行分类以及预测，并重新排布冲突的时间窗；对于死锁冲突通过广度搜索算法寻找避让点解决死锁。
-
Patent Agency Ranking
公开(公告)号：CN118609352A
公开(公告)日：2024-09-06
申请号：CN202410665083.X
申请日：2024-05-27
Applicant: 无锡学院
Abstract: 本发明公开一种基于时间窗的多AGV交通管制方法，包括：对于区域内有多个相邻的路径的运输系统；调度系统加载路径地图和车辆的车辆信息，车辆信息包括车辆编号和车辆尺寸；生成车辆在所有路径上移动的车辆轮廓曲线；数字化AGV工作环境信息，得到AGV工作环境电子地图；在AGV工作环境电子地图上，为AGV规划出时间最短的路径；本发明针对AGV交通管制中出现的冲突和死锁问题，以时间窗算法为基础提出解决冲突和死锁的策略，针对死胡同路径，提出反向预约路径的方法；对于冲突类型进行分类以及预测，并重新排布冲突的时间窗；对于死锁冲突通过广度搜索算法寻找避让点解决死锁。
-
公开(公告)号：CN117390131A
公开(公告)日：2024-01-12
申请号：CN202310815104.7
申请日：2023-07-04
Applicant: 无锡学院
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F18/24 , G06F18/23213 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于多领域的文本情感分类方法，包括：获取目标领域带标签的文本数据并进行预处理，对词嵌入层进行训练，在ALBERT模型中嵌入用于文本主题信息提取的LDA模型，在LDA模型中融合K‑means聚类算法；将词向量序列输入至LDA模型中进行无监督训练，提取文本主题信息，得到“文档‑主题”分布的主题特征向量；将主题特征向量输入到K‑means聚类算法进行二次聚类后，使用余弦相似度输出最优的主题特征向量；通过吉布斯采样方法迭代抽样，LDA模型收敛后得到“主题‑词”分布和“评论‑主题”分布；对文本情感分类模型训练，将通过训练后的文本情感分类模型计算情感分类标签的情感概率，将情感概率最大的标签作为目标数据标签，从而实现跨领域的文本情感分类。
-
公开(公告)号：CN119047932B
公开(公告)日：2025-01-24
申请号：CN202411534382.6
申请日：2024-10-31
Applicant: 无锡学院
IPC: G06Q10/0639 , G06Q50/20 , G06F18/2431 , G06N5/01 , G06N20/20 , G06F18/214 , G06V10/80
Abstract: 本发明公开了一种集成学习成绩预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；使用预先训练好的XGBoost模型预测学习行为数据在XGBoost模型训练过程中的迭代信息；对迭代信息进行独热编码，得到学习行为数据的二进制特征向量；将二进制特征向量输入预先训练好的软投票分类器中，得到目标学生的成绩预测结果。本发明在第二层预测中将XGBoost模型、LR模型和RF模型进行融合，将三个模型的预测数据进行加权平均得到融合预测结果，解决传统预测方法最下层模型单一导致的预测性能不佳的问题，有效提高预测性能和准确率。
-
公开(公告)号：CN119047932A
公开(公告)日：2024-11-29
申请号：CN202411534382.6
申请日：2024-10-31
Applicant: 无锡学院
IPC: G06Q10/0639 , G06Q50/20 , G06F18/2431 , G06N5/01 , G06N20/20 , G06F18/214 , G06V10/80
Abstract: 本发明公开了一种集成学习成绩预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；使用预先训练好的XGBoost模型预测学习行为数据在XGBoost模型训练过程中的迭代信息；对迭代信息进行独热编码，得到学习行为数据的二进制特征向量；将二进制特征向量输入预先训练好的软投票分类器中，得到目标学生的成绩预测结果。本发明在第二层预测中将XGBoost模型、LR模型和RF模型进行融合，将三个模型的预测数据进行加权平均得到融合预测结果，解决传统预测方法最下层模型单一导致的预测性能不佳的问题，有效提高预测性能和准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
