-
公开(公告)号：CN118409967A
公开(公告)日：2024-07-30
申请号：CN202410587950.2
申请日：2024-05-13
Applicant: 燕山大学
IPC: G06F11/36
Abstract: 本发明提供了一种应用于云API高阶互补推荐的溯因矫正方法，属于智能软件工程技术领域，包括利用高阶互补推荐模型得到候选云API的互补得分并由高到低排序；选择前K个候选云API并利用注意力机制生成综合云API；对输入到高阶互补推荐模型的云API查询集采样得云API溯因子集，再选取未在云API溯因子集中的云API作为真实原因；将云API溯因子集和综合云API输入到溯因推理模型，预测得到真实原因的互补得分；利用真实原因的互补得分计算溯因损失；以最小化溯因损失信号反向传播，矫正前K个候选云API的互补得分；根据矫正后的互补得分对前K个候选云API重新排序。本发明能够矫正云API高阶互补推荐结果，保障云API高阶互补推荐模型在实际服务化软件开发中的应用效果。
-
公开(公告)号：CN115757393A
公开(公告)日：2023-03-07
申请号：CN202211291564.6
申请日：2022-10-19
Applicant: 燕山大学
Abstract: 本发明提供了一种多租户模式下租户扩展属性合并方法及其多租户系统，该方法包括以下步骤：审核租户的扩展属性申请信息；根据审核结果判断当前租户的申请是否通过，审核通过，持久化当前租户的扩展属性信息并发送扩展属性变更通知；接收到扩展属性变更通知，为当前租户执行扩展属性合并操作，得到归属于当前租户包含扩展属性列的视图；重复上述步骤，为租户执行对不同基本表扩展后的属性合并操作，完成租户扩展属性合并。本发明提供的方法可以有效为开发者屏蔽掉使用元数据记录自定义扩展属性带来的弊端，通过执行扩展属性合并方法在逻辑上实现纵表到横表的映射，避免业务逻辑层做繁杂的扩展数据合并工作，使其专注于业务的实现。
-
公开(公告)号：CN115794811A
公开(公告)日：2023-03-14
申请号：CN202211281596.8
申请日：2022-10-19
Applicant: 燕山大学
IPC: G06F16/22 , G06F16/2455
Abstract: 本发明涉及一种支持多租户共享数据存储的数据表字段扩展方法，其包括以下步骤，步骤1：构建租户的基本表、扩展列元数据表、扩展表和扩展表元数据表；步骤2：获取租户数据表字段扩展需求；步骤3：持久化租户共享数据存储的数据表字段扩展；步骤4：根据基本表、扩展列元数据表、扩展表和扩展表元数据表确定租户的数据信息。本发明提出的扩展列元数据表用于存储不同租户的定制信息；扩展表用于扩展列用尽之后，满足租户个性化定制字段需求，存储租户定制信息数据；扩展表元数据表用于存储不同租户在扩展表中的个性化定制信息。本发明设计的数据库能够满足多租户共享数据存储模式下的数据表字段需求，数据库空间利用率高，提升数据查询效率。
-
Patent Agency Ranking
公开(公告)号：CN113344091A
公开(公告)日：2021-09-03
申请号：CN202110680679.3
申请日：2021-06-18
Applicant: 燕山大学
Abstract: 本发明涉及一种基于标签相关性的多标签流特征确定最优特征子集的方法，其包括以下步骤：任意的新特征以流的形式依次流入模型；对每个新特征进行在线显著性分析；对非显著的特征进行在线相关性分析；对候选特征集中的特征进行冗余性分析；重复以上步骤，直至没有新的特征流入模型为止，最终获得一个最优特征子集。本发明能从具有流特征和多标签的数据中挖掘特征，并考虑标签之间的相关性以增加算法的预测性能，同时降低学习的时间复杂度，满足在线特征选择的时效性要求。本发明应用广泛，能应用于各种数据的特征选择任务中，有助于在提取特征时过滤掉对任务无用的特征信息，从而提升了相关工作的工作效率。
-
公开(公告)号：CN120072213A
公开(公告)日：2025-05-30
申请号：CN202510108472.7
申请日：2025-01-23
Applicant: 燕山大学
IPC: G16H30/40 , G06T7/11 , G06N3/0895
Abstract: 本发明公开基于跨图像学习和形状融合的半监督医学图像分割方法，涉及计算机视觉与数字图像处理技术领域。所述方法包括：对原始医学图像进行预处理，并将预处理数据输入第一分支网络中进行分割预测，并通过形状融合模块得到形状先验数据。将得到的形状先验数据与预处理数据进行拼接，并输入第二分支网络中进行分割预测，得到特征图；对特征图进行基于图像原型的跨图像预测计算，进而计算跨图像一致性损失；基于跨图像一致性损失、交叉熵损失和DICE损失计算全过程损失，利用全过程损失对各分支网络进行训练，并利用训练好的网络模型对待测图像进行分割。本发明通过强调图像间的信息交互和特征之间的关联，有助于增强和突出相关特征，提高对新、未见图像的泛化能力，进而提高分割准确率。
-
公开(公告)号：CN120047983A
公开(公告)日：2025-05-27
申请号：CN202510112695.0
申请日：2025-01-24
Applicant: 燕山大学
IPC: G06V40/16 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N5/025 , G06N5/04 , G06N3/048
Abstract: 本发明公开一种具有因果效应传递的人脸特征解耦表示方法、装置及介质，涉及因果发现、图像生成与解耦表示学习技术领域。该方法包括：建立变分自编码器，响应于输入的人脸数据，基于所述变分自编码器从潜在空间中学习得到潜在特征分布；将结构因果模型集成至所述变分自编码器中，对因果效应进行建模，以从所述潜在特征分布中提取因果特征；建立图注意力网络，将所述因果特征输入至所述图注意力网络中解耦时传递因果效应；设计损失函数，利用判别器对所述图注意力网络进行训练。该方法能够有效地挖掘并传递人脸特征间的因果关系，提升特征表示的解释性和可迁移性，具有较强的应用潜力，尤其适用于人脸识别、表情分析等任务。
-
公开(公告)号：CN120047792A
公开(公告)日：2025-05-27
申请号：CN202510112408.6
申请日：2025-01-24
Applicant: 燕山大学
IPC: G06V10/82 , G06V10/764 , G06V10/40 , G06V10/74 , G06N3/042 , G06N3/0455 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N5/025 , G06N5/04
Abstract: 本申请提供一种医学图像的可聚合因果信息提取方法、装置、设备及介质。涉及表示学习、因果推断与深度生成模型技术领域。该方法包括：构建因果表示学习框架；因果表示学习框架包括编码器、结构因果模型、解码器和判别器，编码器用于将输入的医学图像编码为低维的外生变量，结构因果模型以低维的外生变量作为输入，并基于低维的外生变量生成因果表示，解码器用于干预并重构因果表示，判别器用于对抗性训练；建立模型训练损失函数，基于模型训练损失函数对因果表示学习框架进行训练，以训练后的因果表示学习框架实现医学图像中的可聚合因果信息提取。本申请识别出的因果图能够明确描述不同特征之间的因果关系，为临床医生提供更透明的决策支持。
-
公开(公告)号：CN118277667A
公开(公告)日：2024-07-02
申请号：CN202410454650.7
申请日：2024-04-16
Applicant: 燕山大学
IPC: G06F16/9535 , G06N20/00
Abstract: 本发明提供了一种基于逻辑推理的高阶互补云API推荐方法，属于智能软件工程领域，包括获得并解析Mashup应用‑云API历史交互数据及云API功能标签等信息；利用解析后的数据生成Mashup应用‑云API交互图、云API‑云API共同调用行为图。设计投影、合取及取反基本逻辑算子，基于基本逻辑算子设计互补关系逻辑推理网络和非替补关系逻辑推理网络，利用合取逻辑算子整合互补关系逻辑推理网络和非替补关系逻辑推理网络的推理结果，消除替补关系噪声对结果的影响，生成候选云API与查询集的高阶互补概率，按照高阶互补概率从高到低排序生成高阶互补云API列表。本发明通过动态感知查询集中云API之间的关系，从高阶和互补两个角度进行云API推荐，更符合面向服务软件开发实际需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.013 seconds)
