-
公开(公告)号：CN113870359B
公开(公告)日：2024-07-19
申请号：CN202111117477.4
申请日：2021-09-23
Applicant: 厦门大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于随机梯度下降的激光雷达外参标定方法、介质及装置，其中方法包括：通过雷达设备对待建图区域进行扫描，以得到基准点云数据；对所述基准点云数据进行筛选，以选取多个基准控制点，并提取所述基准控制点的点云坐标值；对每个所述基准控制点进行测量，以得到每个基准控制点的实际坐标值；使用随机梯度下降法根据基准控制点的实际坐标值和对应的点云坐标值进行激光雷达外参的修正，以完成外参标定；能够有效提高激光雷达外参标定效率和准确率；同时，降低激光雷达外参标定所需耗费的人力物力，适于推广。
-
公开(公告)号：CN116127295A
公开(公告)日：2023-05-16
申请号：CN202310067004.0
申请日：2023-01-16
Applicant: 厦门大学
IPC: G06F18/213 , G06F18/23 , G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于空间群智大数据的交通事故热点识别方法及装置，该方法通过获取轨迹数据，通过地图匹配模型对轨迹数据进行归一化处理，得到归一化轨迹，采用自适应滑动窗口方式从归一化轨迹中提取停车事件；将停车事件采用语义时间段进行分割，得到若干个停车组，每个停车组包括该语义时间段内的停车事件，并对每个停车组内的停车事件进行聚类，得到该语义时间段下的停车热点；对每个停车热点的环境特征进行提取，得到环境特征嵌入；将环境特征嵌入输入GCN模型，分类得到交通事故热点。该方法能够有效识别车辆轨迹中的交通事故热点，帮助城市交通管理部门对城市交通事故热点区域有更深入全面的了解与掌握。
-
公开(公告)号：CN115456191A
公开(公告)日：2022-12-09
申请号：CN202210914946.3
申请日：2022-08-01
Applicant: 厦门大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习平台，通过任务预处理模块对机器学习任务对应的原始数据集进行预处理，以生成所述机器学习任务对应的子联邦任务，以及获取所述机器学习任务对应的模型；任务运行模块加载机器学习任务对应的子联邦任务和对应的模型，以便完成联邦训练初始化；联邦训练模块根据子联邦任务和对应的模型模拟服务端和用户端进行联邦学习以完成联邦训练；由此，能够将传统机器学习任务转化为联邦训练场景的通用任务处理范式，使得联邦学习在任意机器学习任务上的效果能够被快速验证。
-
公开(公告)号：CN114925994A
公开(公告)日：2022-08-19
申请号：CN202210493040.9
申请日：2022-05-07
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法，利用群智感知技术搜索各类风险事故，对每类风险事故进行聚类，将超过阈值的作为风险热点，并根据城中村风险热点获取风险热点情景数据，所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据；从城中村层面情景数据中提取城中村层面情景特征，从场景层面情景数据中提取场景层面情景特征；将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型，评估城中村风险，并采用逐层相关传播算法定位风险因素；实现异构数据融合，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：CN113870359A
公开(公告)日：2021-12-31
申请号：CN202111117477.4
申请日：2021-09-23
Applicant: 厦门大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于随机梯度下降的激光雷达外参标定方法、介质及装置，其中方法包括：通过雷达设备对待建图区域进行扫描，以得到基准点云数据；对所述基准点云数据进行筛选，以选取多个基准控制点，并提取所述基准控制点的点云坐标值；对每个所述基准控制点进行测量，以得到每个基准控制点的实际坐标值；使用随机梯度下降法根据基准控制点的实际坐标值和对应的点云坐标值进行激光雷达外参的修正，以完成外参标定；能够有效提高激光雷达外参标定效率和准确率；同时，降低激光雷达外参标定所需耗费的人力物力，适于推广。
-
Patent Agency Ranking
公开(公告)号：CN111260919A
公开(公告)日：2020-06-09
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
公开(公告)号：CN111260061A
公开(公告)日：2020-06-09
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：CN110491499A
公开(公告)日：2019-11-22
申请号：CN201910620638.8
申请日：2019-07-10
Applicant: 厦门大学
Abstract: 本发明提出了一种面向标注电子病历的临床辅助决策方法及系统，其中，该方法包括：获取患者的电子病历信息，然后对电子病历信息进行数据预处理，再根据电子病历信息中的诊断结果对每个患者进行加标签，作为每个患者的预测标签，再通过中文自然语言处理技术对电子病历信息中患者的主诉、现病史、体检合格三个特征字段进行处理，从而获得标注为症状的词向量，接着将标注为症状的词向量作为输入，根据预测标签，进行LSTM神经网络训练，以获得辅助决策模型，最后根据当前患者的电子病历和辅助决策模型对当前患者的疾病进行辅助决策。由此，在通过LSTM神经网络训练辅助决策模型前先进行标注，可以更好的提供关键症状信息，从而提高决策的准确率。
-
公开(公告)号：CN110415516A
公开(公告)日：2019-11-05
申请号：CN201910637679.8
申请日：2019-07-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。
-
公开(公告)号：CN107038858B
公开(公告)日：2019-05-28
申请号：CN201710380104.3
申请日：2017-05-25
Applicant: 厦门大学
Abstract: 本发明公开了一种通勤私家车动态拼车推荐方法，包括，输入车牌自动识别数据，对其进行预处理，生成车辆轨迹集；基于城市车辆轨迹集，结合通勤私家车出行时空规律的高度重复性和周期性，设计一种工作日通勤私家车识别算法；结合通勤私家车的家‑工作地址、通勤时间窗口和工作日动态影响因素(天气、事故和交通)，实现对影响通勤私家车拼车的关键特征提取；基于通勤车辆时空特征，匹配具有相似通勤时空规律的通勤车辆，并结合动态影响因素对驾驶人拼车意愿的影响，将这些动态因素与用户在时空维度的拼车需求有效结合，实现基于用户意愿的动态拼车匹配，为通勤私家车提供一种长期稳定的拼车机制，并在早晚高峰时段明显减少私家车车辆数。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
