-
公开(公告)号：CN114548116B
公开(公告)日：2025-03-28
申请号：CN202210178120.5
申请日：2022-02-25
Applicant: 杭州电子科技大学
IPC: G06F40/30 , G06F40/232 , G06F40/211 , G06F40/117 , G06N3/048 , G06N3/044
Abstract: 本发明公开一种基于语序与语义联合分析的中文文本检错方法及系统。针对现有的中文文本检错方法，无法深入理解中文文本语义，自动分配权重，设计了一种把文本视为一维图片，并且使用双向循环神经网络拟合文本与自注意力机制分配权重的中文文本预测错误模型。本发明采用全卷积神经网络(FCN)与残差网络(ResNet)组成的语义理解模块(FR)，具有以下两个优点：一是使用全卷积神经网络(FCN)把一维文本数据视为一维图片，理解文本语义，解决了现有技术处理语义手段缺乏问题；二是使用残差网络(ResNet)加深了网络的层数，提高了特征的数量，加深对文本语义的理解程度。
-
公开(公告)号：CN114548116A
公开(公告)日：2022-05-27
申请号：CN202210178120.5
申请日：2022-02-25
Applicant: 杭州电子科技大学
IPC: G06F40/30 , G06F40/232 , G06F40/211 , G06F40/117 , G06N3/04
Abstract: 本发明公开一种基于语序与语义联合分析的中文文本检错方法及系统。针对现有的中文文本检错方法，无法深入理解中文文本语义，自动分配权重，设计了一种把文本视为一维图片，并且使用双向循环神经网络拟合文本与自注意力机制分配权重的中文文本预测错误模型。本发明采用全卷积神经网络(FCN)与残差网络(ResNet)组成的语义理解模块(FR)，具有以下两个优点：一是使用全卷积神经网络(FCN)把一维文本数据视为一维图片，理解文本语义，解决了现有技术处理语义手段缺乏问题；二是使用残差网络(ResNet)加深了网络的层数，提高了特征的数量，加深对文本语义的理解程度。
-
公开(公告)号：CN115526225A
公开(公告)日：2022-12-27
申请号：CN202210877420.2
申请日：2022-07-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于序列相似度和动态掩码训练机制的轨迹修复方法。首先把用经纬度表示的二维轨迹点离散化，映射到网格中生成一维的轨迹序列，搭建基于相似性移动规律的轨迹修复模型Similarmove；使用动态掩码训练方法对基于相似性移动规律的轨迹修复模型Similarmove进行训练；利用训练好的基于相似性移动规律的轨迹修复模型Similarmove实现轨迹修复。本发明通过在注意力机制中结合DTW相似度提取了历史轨迹序列的相似性规律，通过动态掩码机制引入多种训练信息，增加了网络模型泛化能力，缓解了轨迹修复任务中训练数据稀缺的问题，提升了轨迹修复准确率。
-
Patent Agency Ranking
公开(公告)号：CN113934714A
公开(公告)日：2022-01-14
申请号：CN202111075791.0
申请日：2021-09-14
Applicant: 杭州电子科技大学
IPC: G06F16/215 , G06V10/762 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开一种基于概率密度聚类的数据清洗方法及装置。本发明从基于层级聚类模型预测数值型错误数据出发，利用数据的概率密度求出数据的特征向量，再根据特征向量来进行模型训练和预测，提高了错误数据的预测精准度，并且人工参与的工作量较小，工作复杂度较低；在利用概率密度求特征向量的过程中，设置的阈值精度较高，个数较多，使本方法具有的一定的泛化型。
-
公开(公告)号：CN109886097A
公开(公告)日：2019-06-14
申请号：CN201910023261.8
申请日：2019-01-10
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06N3/00 , G06N3/08 , A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于人工鱼群优化H-ELM的疲劳驾驶检测方法；具体为：1、使用32导脑电采集设备获取驾驶脑电信号；2、对原始脑电信号进行预处理，包括降频、滤波；3、对预处理后的进行短时傅里叶变换再获取其功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；4、对提取的特征使用多层感知超限学习机进行分类学习、识别；5、通过人工鱼群算法对超限学习机的分类、识别效果进行优化。本发明使用AFSA优化后的H-ELM分类器对疲劳驾驶脑电信号进行检测，可有效的提高分类检测准确率。
-
公开(公告)号：CN108229401A
公开(公告)日：2018-06-29
申请号：CN201810010871.X
申请日：2018-01-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于AFSA‑SVM的多模态信号分类方法。传统支持向量机(SVM)分类方法信号分类处理中存在参数设置和分类正确率低等问题，本发明提出了一种基于人工鱼群(AFSA)优化支持向量机惩罚因子c和核参数g的分类模型，该方法利用CSP算法对脑部EEG和NIRS同步采集的信号进行特征提取和融合，然后利用AFSA优化算法确定支持向量机的惩罚因子c和核参数g，构建分类器模型进行信号训练和测试分类，从而提高了运动想象任务分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。
-
公开(公告)号：CN113934714B
公开(公告)日：2024-11-12
申请号：CN202111075791.0
申请日：2021-09-14
Applicant: 杭州电子科技大学
IPC: G06F16/215 , G06V10/762 , G06V10/764 , G06V10/774
Abstract: 本发明公开一种基于概率密度聚类的数据清洗方法及装置。本发明从基于层级聚类模型预测数值型错误数据出发，利用数据的概率密度求出数据的特征向量，再根据特征向量来进行模型训练和预测，提高了错误数据的预测精准度，并且人工参与的工作量较小，工作复杂度较低；在利用概率密度求特征向量的过程中，设置的阈值精度较高，个数较多，使本方法具有的一定的泛化型。
-
公开(公告)号：CN115859213A
公开(公告)日：2023-03-28
申请号：CN202211493241.5
申请日：2022-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于时空融合与自注意力机制的交通流量修复方法及系统。本发明提出了时空结合及时空剔除的交通流修复方法，时空结合使得模型在使用自注意力机制时，将空间信息、时间信息及数值相加并看为一个整体，充分利用了道路中的路网的空间信息及时间的前后关系，提高了道路图信息的利用率；提出了用于交通流量修复的时空融合与自注意力机制。时空融合与自注意力机制通过结合空间与时间信息，使得模型能够提取到不同道路之间车流量的隐含关系，学习道路图的历史流量特征；提出了正序逆序两种序列数据修复融合的方法。通过正序逆序两种遍历方法得到两种序列，提取不同序列的多种信息，提高修复准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
