-
公开(公告)号：CN110321424B
公开(公告)日：2021-07-27
申请号：CN201910517313.7
申请日：2019-06-14
Applicant: 电子科技大学
IPC: G06F16/335 , G06F16/35 , G06F16/2458 , G06F16/28 , G06F16/29 , H04L29/08 , G16H50/80
Abstract: 本发明公开了一种基于深度学习的艾滋病人员行为分析方法，包括采集用户行为数据；基于用户行为数据，分析用户多维时空信息，构建用户行为画像。本发明基于网络、地理位置、社交通信行为分析，对艾滋病人进行行为画像，在网络、地理位置、社交通信等多维度上构建针对用户的描述性标签属性。利用这些标签属性，对艾滋病人多方面的真实个人特征进行描绘勾勒，用于描述相关的特征、行为及偏好。发现艾滋病人群的潜在社会交往规律，发现艾滋病高危人群、潜在艾滋病传播者和艾滋病传播路径，辅助提前介入艾滋病干预环节工作。
-
Patent Agency Ranking
公开(公告)号：CN110321424A
公开(公告)日：2019-10-11
申请号：CN201910517313.7
申请日：2019-06-14
Applicant: 电子科技大学
IPC: G06F16/335 , G06F16/35 , G06F16/2458 , G06F16/28 , G06F16/29 , H04L29/08 , G16H50/80
Abstract: 本发明公开了一种基于深度学习的艾滋病人员行为分析方法，包括采集用户行为数据；基于用户行为数据，分析用户多维时空信息，构建用户行为画像。本发明基于网络、地理位置、社交通信行为分析，对艾滋病人进行行为画像，在网络、地理位置、社交通信等多维度上构建针对用户的描述性标签属性。利用这些标签属性，对艾滋病人多方面的真实个人特征进行描绘勾勒，用于描述相关的特征、行为及偏好。发现艾滋病人群的潜在社会交往规律，发现艾滋病高危人群、潜在艾滋病传播者和艾滋病传播路径，辅助提前介入艾滋病干预环节工作。
-
公开(公告)号：CN110765769A
公开(公告)日：2020-02-07
申请号：CN201910795234.2
申请日：2019-08-27
Applicant: 电子科技大学
IPC: G06F40/289 , G06F16/35 , G06N3/08
Abstract: 本发明属于自然语言处理领域，涉及文本情感分析，具体为一种基于子句特征的实体属性依赖的情感分析方法，主要包括：1)实现句子级的话语分割，将一个长句切割为多个基础语篇单元EDUs；2)采用ELMo词嵌入模型，实现单词用法的复杂特性以及对单词的多义性建模；3)利用BiLSTM提取子句以及不同子句间的高级特征表示；4)运用多个注意力机制分别实现不同单词以及子句的权重加强。本发明充分考虑不同实体相关的子句信息，通过提取子句特征以及子句间的特征来增强情感分类的准确性，显著提高实体属性依赖的文本情感分析准确率。
-
公开(公告)号：CN111297380A
公开(公告)日：2020-06-19
申请号：CN202010088355.6
申请日：2020-02-12
Applicant: 电子科技大学
Abstract: 本发明公开一种基于时空卷积核心块的情绪识别方法，应用于人机交互、远程教育、医疗保健等领域，针对现有技术存在的问题，本发明充分考虑EEG信号的时间维度以及空间维度特征信息，通过融合时间依赖性以及不同电极位置间的空间依赖性来增强情绪识别的准确性；具体的：首先获取DEAP情绪公开数据集并实现数据预处理，采用低通滤波器完成去噪操作，将数据输入STCB_CNN模型进行训练，训练好的模型用于情绪识别；本发明的方法能达到较高的识别精度。
-
公开(公告)号：CN110765769B
公开(公告)日：2023-05-02
申请号：CN201910795234.2
申请日：2019-08-27
Applicant: 电子科技大学
IPC: G06F40/289 , G06F16/35 , G06N3/084
Abstract: 本发明属于自然语言处理领域，涉及文本情感分析，具体为一种基于子句特征的实体属性依赖的情感分析方法，主要包括：1)实现句子级的话语分割，将一个长句切割为多个基础语篇单元EDUs；2)采用ELMo词嵌入模型，实现单词用法的复杂特性以及对单词的多义性建模；3)利用BiLSTM提取子句以及不同子句间的高级特征表示；4)运用多个注意力机制分别实现不同单词以及子句的权重加强。本发明充分考虑不同实体相关的子句信息，通过提取子句特征以及子句间的特征来增强情感分类的准确性，显著提高实体属性依赖的文本情感分析准确率。
-
公开(公告)号：CN112163499A
公开(公告)日：2021-01-01
申请号：CN202011007245.9
申请日：2020-09-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于融合特征的小目标行人检测方法，在分析了SSD算法运用到行人检测中存在不足的地方，采用融合多尺度卷积特征来检测行人共享了卷积层之间的特征信息，每一层的输入包括了前一层的输出和之前卷积层的部分卷积信息，从而更好的回归出行人的中心点位置；考虑到小分辨率的特征图不容易检测小目标行人的缺点，增大了最后生成掩码图的尺寸，解决了小区域特征图分辨率不足的问题。本发明方法通过融合各阶段的卷积特征来扩大最后的特征图尺寸，丰富小目标的特征信息，很好地实现了对小目标的识别，提高了小目标行人检测的识别准确率，与SDD方相比具有更高的召回率和识别率。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
