-
公开(公告)号：CN112016735B
公开(公告)日：2023-03-28
申请号：CN202010693026.4
申请日：2020-07-17
Applicant: 厦门大学
IPC: G06Q10/047 , G06Q50/26 , G08G1/01 , G06F18/2431 , G06F18/214
Abstract: 本发明公开一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质，方法具体包括如下步骤：将离散的交通违法事件匹配到道路网络，得到交通违法热点候选区域；提取交通违法热点候选区域的相关时空特征组成数据集；采用拔靴抽样法从数据集中抽取三组训练数据集，分别用三组训练数据集通过协同训练与主动学习训练三组预测模型，所述预测模型采用树集成模型；利用所述三组预测模型，对无标签交通数据进行分类，预测未来交通违法热点的分布情况；根据交通违法热点分布情况，进行交警巡逻路线的建模和优化。本发明提供的方法能够低成本、高覆盖、实时的感知预测城市中的交通违法热点并规划交警巡逻路线，帮助城市交通管理部门全面深入地掌握城市中的交通违法热点，并且高效地规划交警巡逻路线。
-
公开(公告)号：CN111260061B
公开(公告)日：2022-07-19
申请号：CN202010157458.3
申请日：2020-03-09
Applicant: 厦门大学
IPC: G06N3/08
Abstract: 本发明公开了一种联邦学习梯度交换中的差异化加噪方法、介质及系统，其中方法包括：多个数据方分别获取对应的训练数据集，并分别根据对应的训练数据集对深度学习模型进行训练，以更新深度学习模型的梯度；每个数据方将对应的梯度进行分层处理，并计算每一层梯度对应的二范数，以及根据二范数对每一层梯度进行加噪，并将加噪后的梯度发送至中心服务器；中心服务器对加噪后的梯度进行聚合，并将聚合后的梯度发送给每个数据方，以便每个数据方根据聚合后的梯度对本地深度学习模型进行更新；能够提高联邦学习的数据交换过程中隐私的保护强度，同时，相较于传统联邦学习中加密算法，可以降低数据传输的开销。
-
公开(公告)号：CN112906911B
公开(公告)日：2022-07-01
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
公开(公告)号：CN112862240B
公开(公告)日：2022-05-17
申请号：CN202011612210.8
申请日：2020-12-30
Applicant: 厦门大学
Abstract: 本发明提供一种基于城市大数据的道路障碍风险评估方法、装置和可存储介质，方法包括：城市路网提取：统计每个时间段各个网格浮动车的数量；将每个网格每个小时对应的浮动车数量进行聚类，提取出路网并且将路网分成相应路段；路网特征提取：提取每个路网网格对应的时空和情境特征；道路障碍风险预测：通过社交网络数据，爬取特定字段，获取到最终发生道路障碍数据；通过统计各个时段浮动车的数量，获取各个时段各个路网网格无发生道路障碍事件数据；基于Self‑training自训练模型的模型预测；本发明提供的方法，基于多源数据融合，具有高效、低耗的优点，同时也达到了较高的准确率。
-
公开(公告)号：CN109828999A
公开(公告)日：2019-05-31
申请号：CN201910069076.2
申请日：2019-01-24
Applicant: 厦门大学
IPC: G06F16/2458 , G06K9/62 , G08G1/00
Abstract: 本发明公开了一种基于多源跨域城市大数据的灾后道路故障检测识别方法，该方法包括：获取灾后的交通轨迹数据，对该数据进行处理以提取出车辆行驶缓慢的异常数据；对该异常数据进行分解以提取出由道路障碍所引起的异常部分；对由道路障碍所引起的异常部分对应的路段进行相关时空数据提取，并对提取的相关时空数据进行分类；对由道路障碍所引起的异常部分进行分析以融入分类后的相关时空数据，并根据融入分类后的相关时空数据的异常部分进行灾后道路障碍分类，判断道路障碍类型。该方法通过对灾后的交通轨迹数据和道路环境数据进行处理分析，得到灾后道路障碍的发生判断和类型识别，从而提供一种低成本、低时延且相对安全可靠的方法来识别道路障碍。
-
Patent Agency Ranking
公开(公告)号：CN109119155A
公开(公告)日：2019-01-01
申请号：CN201810718023.4
申请日：2018-07-03
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的ICU死亡危险性评估系统，包括：ICU历史数据库，其中存储有历史病人的体征数据集及历史病人真实的最终状态；第一数据预处理模块，其从所述ICU历史数据库中提取所述历史病人的体征数据集并进行预处理，获得训练样本数据，同时提取病人真实的最终状态对所述训练样本数据赋予标签；第二数据预处理模块，其提取由所述人机交互模块录入的待评估病人的体征数据并进行预处理；死亡风险性评估模块，其基于双向监督型LSTM神经网络构建；其从所述第一数据预处理模块获取训练样本数据及标签值进行模型训练，利用训练好的模型从所述第二数据预处理模块获取待评估病人的体征数据进行评估，最后通过所述人机交互模块输出评估结果。
-
公开(公告)号：CN108630322A
公开(公告)日：2018-10-09
申请号：CN201810394583.9
申请日：2018-04-27
Applicant: 厦门大学
Abstract: 本发明涉及一种药物相互作用建模与风险评估方法、终端设备及存储介质，在该方法中，包括以下步骤：S100：从电子病历数据库中获取药物联用清单，根据其内的药物联用情况构建药物相互作用风险评估模型；S200：在药物相互作用风险评估模型中输入待查询的药物名称，若药物相互作用风险评估模型中已存在待查询药物组的药物联用情况信息，输出对应的药物相互作用的风险评估信息；S300：若不存在，则利用该药物组中药物的成分信息构建药物相似性矩阵，结合药物相似性矩阵和药物相互作用风险评估模型，输出对应的药物相互作用的风险评估信息。本发明通过药物相互作用风险评估模型输出药物相互作用的风险评估信息，对临床药物合理联用提供准确有效的决策依据。
-
公开(公告)号：CN107967532A
公开(公告)日：2018-04-27
申请号：CN201711052176.1
申请日：2017-10-30
Applicant: 厦门大学
Abstract: 本发明公开了一种融合区域活力的城市交通流量预测方法，包括：S1、对城市路网进行区域划分，并计算各个区域的交通流量；S2、设计区域活力模型：利用城市兴趣点的分布和节假日及天气信息，运用3D卷积神经网络(3D CNN)学习城市中各个区域活力的动态变化；S3、设计流量预测模型：融合区域活力与交通流量,运用卷积长短时记忆网络(ConvLSTM)进行流量预测；S4、根据历史数据对区域活力模型和流量预测模型进行同时训练，再利用训练好的模型对各个区域的交通流量进行实时预测。本方法通过融合区域活力，同时考虑了人群活动背后的驱动力和外部因素的影响，能够取得较高的预测精度。
-
公开(公告)号：CN114387580B
公开(公告)日：2024-10-18
申请号：CN202210010060.6
申请日：2022-01-06
Applicant: 厦门大学
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06N20/00 , G06N3/098
Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：采集每个客户端对应的三维点云数据进行预处理，以得到对应的道路点云二维灰度分块图片；获取服务器端的全局模型，并根据道路点云二维灰度分块图片对全局模型进行训练及计算，以得到每个客户端对应的模型参数和道路标识权重，并将每个客户端对应的模型参数和道路标识权重发送给服务器端以对每个客户端对应的模型进行加权平均以得到更新后的全局模型，并发送给每个客户端，以便进行下一轮模型更新，直至达到最大通信轮数后得到道路标识提取模型；由此，通过各个客户端正负样本占比设置权重，实现了客户端的公平聚合，从而提高了联邦学习模型的准确度和公平性。
-
公开(公告)号：CN115510277A
公开(公告)日：2022-12-23
申请号：CN202210717598.0
申请日：2022-06-23
Applicant: 厦门大学
IPC: G06F16/901 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种连续时序交互图表示方法和介质，其中方法包括：获取原始动态图数据，进行预处理，以得到结构数据、节点特征和边特征；进行划分，以生成训练集、测试集和验证集；根据训练集对模型进行训练，以得到初始图表示模型，并根据测试集和验证集对初始图表示模型进行测试和验证，以得到最终图表示模型，获取待处理动态图，并通过最终图表示模型输出待处理动态图中节点对应的节点表示向量；能够有效捕捉节点表示的连续动态性并学习其状态轨迹，进而有效提升非活跃节点的表示能力及长间隔交互的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.022 seconds)
