-
公开(公告)号：CN115718767A
公开(公告)日：2023-02-28
申请号：CN202211497936.0
申请日：2022-11-26
Applicant: 河南大学
IPC: G06F16/2455 , G06F16/2453
Abstract: 本发明提供一种面向大数据平台的远程缓存替换方法及装置。该方法包括：在数据库服务器根据用户的数据查询请求进行作业时，监控并采集作业信息；作业信息包括数据库服务器对数据查询请求的数据响应时间、每个待查询数据在设定时间段内的被查询次数和每个待查询数据的数据大小；根据作业信息生成每个待查询数据的原始数据权重；设计时间损失函数，时间损失函数用于量化待查询数据的数据权重与保存时间之间的变化关系；基于时间损失函数，对原始数据权重进行调整得到待查询数据的最终数据权重，并根据最终数据权重生成缓存候选列表；当缓存资源不足时，根据缓存候选列表清理掉当前缓存中的低数据权重的数据，并在缓存中存储高数据权重的数据。
-
公开(公告)号：CN114677234A
公开(公告)日：2022-06-28
申请号：CN202210445519.5
申请日：2022-04-26
Applicant: 河南大学
Abstract: 本发明提出一种融合多通道注意力机制的图卷积神经网络社交推荐方法及系统，通过以下工作，提升社交推荐的效果：一、学习节点特征和拓扑结构节点嵌入的同时，学习两者组合的节点嵌入，得到了它们的共同特性，缓解了对单一特征的过分依赖的问题。二、通过学习拓扑结构的散射嵌入，实现了不同信号的带通过滤，减轻了过平滑现象。三、结合注意力机制，对相关信息进行融合。实验结果表明，与其他算法相比，本发明提出的方法及系统在多个社交网络数据集上性能得以提升，本发明也为后续的研究提供了新的思路。
-
公开(公告)号：CN115145841B
公开(公告)日：2023-05-12
申请号：CN202210843160.7
申请日：2022-07-18
Applicant: 河南大学
IPC: G06F12/0877
Abstract: 本发明提供一种应用于Spark计算平台中的降低内存争用的方法。该方法包括：步骤1：计算内存中所有持久化RDD的价值，并按照价值高低对所有RDD进行排序形成优先队列；步骤2：若监控内存状态获知内存达到瓶颈，则执行步骤3；步骤3：循环释放所述优先队列中价值较低的RDD；步骤4：在进行当前循环释放操作后，若判断获知存在空闲的处理器核，则继续执行步骤3，反之则执行步骤5；步骤5：计算将当前需要持久化的RDD分别持久化至内存中时的内存持久化加速效用和持久化至硬盘中时的硬盘持久化加速效用；步骤6：基于内存持久化加速效用和硬盘持久化加速效用，采用贪心算法求解当前程序中所有需要缓存的RDD的存储位置。
-
公开(公告)号：CN115035299A
公开(公告)日：2022-09-09
申请号：CN202210697730.6
申请日：2022-06-20
Applicant: 河南大学
Abstract: 本发明公开一种基于深度学习的改进型城市街景图像分割方法，包括：基于深度学习的改进型城市街景图像分割模型DEEPLS：使用编码解码的框架和ResNet101作为骨干网络，在ASPP模块中新增一层膨胀率为3的空洞卷积，合并之后的6层用并行的3×3卷积处理之后再用1×1卷积调整通道数，得到的特征图先2倍上采样，输入到CBAM注意力机制再2倍上采样，最后和经过CBAM注意力机制的浅层特征拼接融合得到预测图；基于改进型城市街景图像分割模型DEEPLS对城市街景图像进行分割。本发明能获取更精细的前景细节信息，提升城市街景图像分割效果。
-
Patent Agency Ranking
公开(公告)号：CN115035299B
公开(公告)日：2023-06-13
申请号：CN202210697730.6
申请日：2022-06-20
Applicant: 河南大学
IPC: G06V10/26 , G06V10/82 , G06V10/42 , G06V10/80 , G06N3/0464
Abstract: 本发明公开一种基于深度学习的改进型城市街景图像分割方法，包括：基于深度学习的改进型城市街景图像分割模型DEEPLS：使用编码解码的框架和ResNet101作为骨干网络，在ASPP模块中新增一层膨胀率为3的空洞卷积，合并之后的6层用并行的3×3卷积处理之后再用1×1卷积调整通道数，得到的特征图先2倍上采样，输入到CBAM注意力机制再2倍上采样，最后和经过CBAM注意力机制的浅层特征拼接融合得到预测图；基于改进型城市街景图像分割模型DEEPLS对城市街景图像进行分割。本发明能获取更精细的前景细节信息，提升城市街景图像分割效果。
-
公开(公告)号：CN115272700B
公开(公告)日：2023-06-02
申请号：CN202210929028.8
申请日：2022-08-03
Applicant: 河南大学
IPC: G06V10/44 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开一种基于多尺度特征自增强的改进SSD小目标检测方法，主要包括三个阶段，在第一阶段，对输入图像的辅助特征提取操作补充了特征层的细粒度信息，以增强小物体的特征表示；在第二阶段，聚合多个并行映射集成更有效的信息来补充边缘特征并增强特征层之间的相关性；最后，通过引入设计的特征自增强模块来扩展网络以提高特征的自学习能力。在PASCAL VOC数据集上进行了综合实验，实验结果表明，本发明构建的网络在小物体检测场景中具有较好的检测效果。
-
公开(公告)号：CN115272700A
公开(公告)日：2022-11-01
申请号：CN202210929028.8
申请日：2022-08-03
Applicant: 河南大学
Abstract: 本发明公开一种基于多尺度特征自增强的改进SSD小目标检测方法，主要包括三个阶段，在第一阶段，对输入图像的辅助特征提取操作补充了特征层的细粒度信息，以增强小物体的特征表示；在第二阶段，聚合多个并行映射集成更有效的信息来补充边缘特征并增强特征层之间的相关性；最后，通过引入设计的特征自增强模块来扩展网络以提高特征的自学习能力。在PASCAL VOC数据集上进行了综合实验，实验结果表明，本发明构建的网络在小物体检测场景中具有较好的检测效果。
-
公开(公告)号：CN115145841A
公开(公告)日：2022-10-04
申请号：CN202210843160.7
申请日：2022-07-18
Applicant: 河南大学
IPC: G06F12/0877
Abstract: 本发明提供一种应用于Spark计算平台中的降低内存争用的方法。该方法包括：步骤1：计算内存中所有持久化RDD的价值，并按照价值高低对所有RDD进行排序形成优先队列；步骤2：若监控内存状态获知内存达到瓶颈，则执行步骤3；步骤3：循环释放所述优先队列中价值较低的RDD；步骤4：在进行当前循环释放操作后，若判断获知存在空闲的处理器核，则继续执行步骤3，反之则执行步骤5；步骤5：计算将当前需要持久化的RDD分别持久化至内存中时的内存持久化加速效用和持久化至硬盘中时的硬盘持久化加速效用；步骤6：基于内存持久化加速效用和硬盘持久化加速效用，采用贪心算法求解当前程序中所有需要缓存的RDD的存储位置。
-
公开(公告)号：CN114677234B
公开(公告)日：2024-04-30
申请号：CN202210445519.5
申请日：2022-04-26
Applicant: 河南大学
IPC: G06Q50/00 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明提出一种融合多通道注意力机制的图卷积神经网络社交推荐方法及系统，通过以下工作，提升社交推荐的效果：一、学习节点特征和拓扑结构节点嵌入的同时，学习两者组合的节点嵌入，得到了它们的共同特性，缓解了对单一特征的过分依赖的问题。二、通过学习拓扑结构的散射嵌入，实现了不同信号的带通过滤，减轻了过平滑现象。三、结合注意力机制，对相关信息进行融合。实验结果表明，与其他算法相比，本发明提出的方法及系统在多个社交网络数据集上性能得以提升，本发明也为后续的研究提供了新的思路。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
