公开(公告)号：CN117349442A

公开(公告)日：2024-01-05

申请号：CN202311429748.9

申请日：2023-10-31

Applicant: 电子科技大学

Inventor： 匡平 ,  李瑞恒

IPC: G06F16/35 ,  G06F16/332 ,  G06F18/25 ,  G06F18/213 ,  G06F18/2431 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于混合融合与注意力机制的多模态情感识别方法、系统、存储介质及终端，属于情感分析领域，包括：获取待识别情感数据的不同模态，所述不同模态包括图像模态、文字模态以及音频模态；分别提取不同模态的浅层特征，其中，在对图像模态进行浅层特征提取时，分离提取图像深层特征，并添加深层信息融合路径；融合不同模态的浅层特征；通过深层信息融合路径，将图像深层特征与浅层特征融合结果进行级联合并；将级联合并后的统一特征输入至LSTM分类器进行情感的分类。本发明能够有效的提取多模态的特征并进行深度融合以减少信息的损失，同时平衡多个模态间的差异性，提高情感识别的准确率。

公开(公告)号：CN111538743B

公开(公告)日：2023-08-18

申请号：CN202010319878.7

申请日：2020-04-22

Applicant: 电子科技大学

Inventor： 吴晓华 ,  庞红 ,  樊友平 ,  李瑞恒 ,  罗瑜

IPC: G06F16/242 ,  G06F16/248

Abstract: 本发明公开了一种基于SQL的数据血缘关系分析方法以及系统，所述方法首先从含有SQL代码的脚本文件中提取得到规则化的SQL语句，完成对SQL语句的清洗；再对规则化的SQL语句进行词法分析，生成抽象语法树，并遍历抽象语法树对SQL语句进行句法解析；然后根据抽象语法树对SQL语句进行血缘关系分析，得到血缘关系分析结果；最后根据血缘关系分析结果绘制SQL语句的数据血缘关系图，并进行可视化显示。本发明用图形化的方式展现了数据库各个表之间的血缘关系，可以梳理出表间、字段间的依赖关系，方便后续业务的查询和开发管理。

公开(公告)号：CN111538743A

公开(公告)日：2020-08-14

申请号：CN202010319878.7

申请日：2020-04-22

Applicant: 电子科技大学

Inventor： 吴晓华 ,  庞红 ,  樊友平 ,  李瑞恒 ,  罗瑜

IPC: G06F16/242 ,  G06F16/248

Abstract: 本发明公开了一种基于SQL的数据血缘关系分析方法以及系统，所述方法首先从含有SQL代码的脚本文件中提取得到规则化的SQL语句，完成对SQL语句的清洗；再对规则化的SQL语句进行词法分析，生成抽象语法树，并遍历抽象语法树对SQL语句进行句法解析；然后根据抽象语法树对SQL语句进行血缘关系分析，得到血缘关系分析结果；最后根据血缘关系分析结果绘制SQL语句的数据血缘关系图，并进行可视化显示。本发明用图形化的方式展现了数据库各个表之间的血缘关系，可以梳理出表间、字段间的依赖关系，方便后续业务的查询和开发管理。

公开(公告)号：CN111309770B

公开(公告)日：2023-03-28

申请号：CN202010110699.2

申请日：2020-02-24

Applicant: 电子科技大学

Inventor： 罗瑜 ,  李瑞恒 ,  令狐阳 ,  吴晓华 ,  凌鸿基

IPC: G06F16/2455 ,  G06F16/2458 ,  G06F16/28 ,  G06N5/04

Abstract: 本发明公开了一种基于无监督机器学习的自动生成规则系统及方法，系统包括依次连接的深度特征合成模块、无监督聚类模块和自动规则生成模块。本发明包含深度特征合成、无监督聚类和自动规则生成三个模块，在进行深度特征合成时，解决了特征工程的问题，大大提高了构造特征的效率。在进行无监督聚类时，避免了结构化数据拟合任意分布的问题，同时高斯混合模型较其他聚类算法更具一般性，仅需少量的参数就能较好地描述数据的特性。在进行自动规则生成时，通过drools规则引擎，使得该模块功能强大、可扩展，且极易维护。

公开(公告)号：CN111309770A

公开(公告)日：2020-06-19

申请号：CN202010110699.2

申请日：2020-02-24

Applicant: 电子科技大学

Inventor： 罗瑜 ,  李瑞恒 ,  令狐阳 ,  吴晓华 ,  凌鸿基

IPC: G06F16/2455 ,  G06F16/2458 ,  G06F16/28 ,  G06N5/04

Abstract: 本发明公开了一种基于无监督机器学习的自动生成规则系统及方法，系统包括依次连接的深度特征合成模块、无监督聚类模块和自动规则生成模块。本发明包含深度特征合成、无监督聚类和自动规则生成三个模块，在进行深度特征合成时，解决了特征工程的问题，大大提高了构造特征的效率。在进行无监督聚类时，避免了结构化数据拟合任意分布的问题，同时高斯混合模型较其他聚类算法更具一般性，仅需少量的参数就能较好地描述数据的特性。在进行自动规则生成时，通过drools规则引擎，使得该模块功能强大、可扩展，且极易维护。