一种结合并行集成学习和联邦学习的图像分类方法

    公开(公告)号:CN114863169B

    公开(公告)日:2023-05-02

    申请号:CN202210453041.0

    申请日:2022-04-27

    Abstract: 本发明提供了一种结合并行集成学习和联邦学习的图像分类方法,包括以下步骤:S1:每个客户端确定参与训练的数据集,并协商确定训练使用的各种参数;S2:客户端之间使用参与训练的数据集和协商确定的参数,采用联邦学习的方式并行训练,得到训练后的基础模型;S3:客户端使用未参与训练的基础模型得到预测结果,结合原有的标签得到元模型的训练数据集;S4:客户端使用未参与训练的基础模型得到预测结果,结合原有的标签得到元模型的训练数据集;S5:将要分类的图像输入训练好的基础模型,再将得到的预测结果输入训练好的元模型,得到最终的分类结果。本发明通过并行集成学习的方式,提升了联邦学习在非独立同分布数据集下的图像分类性能。

    一种针对未知泄漏源位置的气体浓度预测方法

    公开(公告)号:CN117272822A

    公开(公告)日:2023-12-22

    申请号:CN202311273300.2

    申请日:2023-09-28

    Inventor: 刘鹏 潘智乐 周奕

    Abstract: 本发明公开了一种针对未知泄漏源位置的气体浓度预测方法。首先记录化工园区浓度监测点空间相对位置以及浓度泄露时各监测点对应的浓度时序;利用空间相对位置构建邻接矩阵;利用化工园区当前的风速、风向对该邻接矩阵进行修正;将邻接矩阵结合当前时刻各点浓度送入GCN进行图卷积以学习空间依赖关系;将经过图卷积的数据送入时间预测模块以学习时间依赖关系;训练时利用上一个时刻的预测浓度对当前时刻的邻接矩阵进行修正,再对其进行图卷积,以此作为浓度预测的指导,从而帮助GRU预测模块更加准确、高效地得到未来的气体浓度值。

    一种卷积-LSTM混合深度神经网络的股票涨跌预测系统

    公开(公告)号:CN115049494A

    公开(公告)日:2022-09-13

    申请号:CN202210795830.2

    申请日:2022-07-06

    Abstract: 本发明公开了一种卷积‑LSTM(Long Short‑Term Memory,长短期记忆网络)混合深度神经网络的股票涨跌预测系统,包括以下模块:股票历史数据存储模块、股票预测模型建立模块、股票预测模块,所述股票存储模块用于存储股票的历史数据样本集;所述股票预测模型建立模块是使用处理后的数据对深度神经网络进行训练的方法来建立股票预测模型;所述股票预测模块是利用前述股票预测模型建立模块所建立的股票预测模型,输入历史股票数据,输出预测的股票价格,再根据股票预测价格确定股票涨跌情况。本发明的深度神经网络是通过一维卷积神经网络对两组样本数据的特征进行提取得到两组不同的特征数据,再将两组特征数据融合后输入LSTM,从而得到对股票的预测价格。

    一种用于智慧车间的室内定位方法及系统

    公开(公告)号:CN113596989B

    公开(公告)日:2022-08-23

    申请号:CN202110890772.7

    申请日:2021-08-04

    Abstract: 本发明提供了一种用于智慧车间的室内定位方法系统,属于室内定位技术领域,该方法包括利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。本发明解决了汽车4S店中车位内的车辆不能全覆盖定位,且对于车位外的地方无法定位或只能模糊定位的问题。

    一种基于遗传算法的量化投资的优化方法

    公开(公告)号:CN113570456A

    公开(公告)日:2021-10-29

    申请号:CN202110659560.8

    申请日:2021-06-15

    Abstract: 本发明公开了一种基于遗传算法的量化投资的优化方法,其包括初始化支持向量机量化分析模型的输入数据和模型参数;采用遗传算法对输入数据和模型参数进行处理,得到最优输入数据和最优模型参数;将最优输入数据和最优模型参数输入支持向量机量化分析模型,通过该量化分析模型对股票的涨跌概率进行预测,根据预测结果选择前只股票构成投资组合;根据马科维兹算法对投资组合各股的权重进行计算,并根据资产配比得到投资组合的实际收益。本发明在降低计算成本的同时,可以达到高投资回报和低风险。

    一种基于位置指纹和PDR算法的融合人行定位方法

    公开(公告)号:CN113566820B

    公开(公告)日:2023-05-16

    申请号:CN202110674546.5

    申请日:2021-06-17

    Abstract: 本发明公开了一种基于位置指纹和PDR算法的融合人行定位方法,将参考点定位数据进行坐标转换,得到平面坐标系下定位数据,并分别利用位置指纹算法以及PDR算法分别根据转换后的平面坐标系下定位数据进行计算,得到第一定位坐标以及第二定位坐标,并计算融合判断值,判断是否满足预设融合阈值,若满足则通过扩展卡尔曼滤波以及粒子滤波分别进行一阶融合以及二阶融合,得到最终定位数据,否则直接将第一定位坐标作为最终定位坐标;本发明对室内定位数据进行融合,提高了定位精度,解决了传统位置指纹算法定位不稳定以及PDR算法无法确定初始位置、定位精度不高且存在累计误差的问题,具有成本低、定位精度高且适配性高的优点,可以广泛应用于多场景中。

    一种高考院校录取分数预测与志愿推荐的算法

    公开(公告)号:CN115099529A

    公开(公告)日:2022-09-23

    申请号:CN202210928914.9

    申请日:2022-08-03

    Abstract: 本发明公开了一种高考院校录取分数预测与志愿推荐的算法,包括以下步骤:S1:收集各高校录取信息以及不同省份的高考分数与位次信息。S2:将收集到的各所高校信息进行筛选,剔除无用数据。S3:对整理后的高校信息进行归一化处理,减小差异样本对数据产生的影响。S4:利用XGBoost对高校当年在该省的成绩进行回归预测,预测出该高校的录取分数。S5:根据考生提供的分数、意向省份等信息,推荐出适合的高校,并提出稳定、可冲、危险三个推荐范围内的高校。本发明通过分析历史上高校的高考录取成绩,预测当年高校的录取分数,并提供考生填报高考志愿的参考信息。

    一种结合并行集成学习和联邦学习的图像分类方法

    公开(公告)号:CN114863169A

    公开(公告)日:2022-08-05

    申请号:CN202210453041.0

    申请日:2022-04-27

    Abstract: 本发明提供了一种结合并行集成学习和联邦学习的图像分类方法,包括以下步骤:S1:每个客户端确定参与训练的数据集,并协商确定训练使用的各种参数;S2:客户端之间使用参与训练的数据集和协商确定的参数,采用联邦学习的方式并行训练,得到训练后的基础模型;S3:客户端使用未参与训练的基础模型得到预测结果,结合原有的标签得到元模型的训练数据集;S4:客户端使用未参与训练的基础模型得到预测结果,结合原有的标签得到元模型的训练数据集;S5:将要分类的图像输入训练好的基础模型,再将得到的预测结果输入训练好的元模型,得到最终的分类结果。本发明通过并行集成学习的方式,提升了联邦学习在非独立同分布数据集下的图像分类性能。

    一种用于智慧车间的室内定位方法及系统

    公开(公告)号:CN113596989A

    公开(公告)日:2021-11-02

    申请号:CN202110890772.7

    申请日:2021-08-04

    Abstract: 本发明提供了一种用于智慧车间的室内定位方法系统,属于室内定位技术领域,该方法包括利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。本发明解决了汽车4S店中车位内的车辆不能全覆盖定位,且对于车位外的地方无法定位或只能模糊定位的问题。

    一种基于位置指纹和PDR算法的融合人行定位方法

    公开(公告)号:CN113566820A

    公开(公告)日:2021-10-29

    申请号:CN202110674546.5

    申请日:2021-06-17

    Abstract: 本发明公开了一种基于位置指纹和PDR算法的融合人行定位方法,将参考点定位数据进行坐标转换,得到平面坐标系下定位数据,并分别利用位置指纹算法以及PDR算法分别根据转换后的平面坐标系下定位数据进行计算,得到第一定位坐标以及第二定位坐标,并计算融合判断值,判断是否满足预设融合阈值,若满足则通过扩展卡尔曼滤波以及粒子滤波分别进行一阶融合以及二阶融合,得到最终定位数据,否则直接将第一定位坐标作为最终定位坐标;本发明对室内定位数据进行融合,提高了定位精度,解决了传统位置指纹算法定位不稳定以及PDR算法无法确定初始位置、定位精度不高且存在累计误差的问题,具有成本低、定位精度高且适配性高的优点,可以广泛应用于多场景中。

Patent Agency Ranking