公开(公告)号：CN110220725A

公开(公告)日：2019-09-10

申请号：CN201910461363.8

申请日：2019-05-30

Applicant: 河海大学

Inventor： 刘凡 ,  陆小敏 ,  王健 ,  张伟娟

IPC: G01M17/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与BP集成的地铁车轮健康状态预测方法，该方法首先利用深度学习强大的表征能力和BP神经网络较优的预测能力进行模型融合，将深度学习方法DBN、RNN、LSTM与BP神经网络进行融合得到融合模型；然后分别训练三种融合模型，每个融合模型都会得到一个预测结果，将预测结果作为新的BP神经网络的输入，比较BP输出与实际值间的误差学习新的BP神经网络的参数，实现3个融合模型的集成。实际使用时，先将数据分别输入3个融合模型，再将3个融合模型的输出值输入到新的BP神经网络，得到最终的预测结果。本发明综合了集成模型具有更好的鲁棒性特点，对地铁车轮健康预测具有良好的准确性。

公开(公告)号：CN110220725B

公开(公告)日：2021-03-23

申请号：CN201910461363.8

申请日：2019-05-30

Applicant: 河海大学

Inventor： 刘凡 ,  陆小敏 ,  王健 ,  张伟娟

IPC: G01M17/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与BP集成的地铁车轮健康状态预测方法，该方法首先利用深度学习强大的表征能力和BP神经网络较优的预测能力进行模型融合，将深度学习方法DBN、RNN、LSTM与BP神经网络进行融合得到融合模型；然后分别训练三种融合模型，每个融合模型都会得到一个预测结果，将预测结果作为新的BP神经网络的输入，比较BP输出与实际值间的误差学习新的BP神经网络的参数，实现3个融合模型的集成。实际使用时，先将数据分别输入3个融合模型，再将3个融合模型的输出值输入到新的BP神经网络，得到最终的预测结果。本发明综合了集成模型具有更好的鲁棒性特点，对地铁车轮健康预测具有良好的准确性。

公开(公告)号：CN110287329B

公开(公告)日：2021-01-29

申请号：CN201910599049.6

申请日：2019-07-04

Applicant: 河海大学

Inventor： 刘凡 ,  张伟娟 ,  刘森斌

IPC: G06F16/35 ,  G06F16/31 ,  G06Q30/06

Abstract: 本发明公开了一种基于商品文本分类的电商类目属性挖掘方法，属于电商类目属性挖掘技术领域。该方法使用文本分类模型，根据商品文本信息对商品进行分类；基于一级类目商品分类模型与对应目标端一级类目数据建立映射；基于叶子类目商品分类模型与对应目标端叶子类目数据建立映射；基于源端类目体系和目标类目体系的映射，预测源端类目属性和目标端类目属性的相似度，建立类目属性映射，挖掘源端类目下未建立映射的属性作为目标类目的推荐属性；挖掘源端类目属性下未建立映射的属性作为目标类目的推荐属性。本发明在大规模数据集上展现出了优异的分类效果和良好的分类性能。

公开(公告)号：CN112231473A

公开(公告)日：2021-01-15

申请号：CN202011052122.7

申请日：2020-09-29

Applicant: 河海大学

Inventor： 刘凡 ,  高瑞涿 ,  邓言仪 ,  张伟娟

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06Q30/06

Abstract: 本发明公开了一种基于多模态深度神经网络模型的商品分类方法，该方法首先将文本信息转换为词向量，词向量能够更好的体现词与词之间的关系，在使用文本分类模型TextCNN，对商品文本描述进行特征提取；为了避免过拟合，该方法对图片使用了随机图像翻转、随机变化图像的亮度等图像增广操作，再将处理后的结果输入到商品图片分类模型ResNet101中对商品图片进行特征提取。然后对两种模型提取出的特征向量经flatten函数展平后将两个模态数据的特征向量在特征维度上直接连接，最后送入分类器对商品进行分类。本发明商品分类方法，避免了传统单一模态数据对商品分类时的限制，将文本和图片数据结合起来，无论是分类性能还是分类准确率都比使用单一模态数据的模型效果要好。