公开(公告)号：CN114329218B

公开(公告)日：2025-05-09

申请号：CN202111670732.8

申请日：2021-12-31

Applicant: 杭州电子科技大学

Inventor： 俞晓锋 ,  樊谨 ,  王则昊 ,  汪炜杰 ,  孙丹枫 ,  邬惠峰

IPC: G06F16/9535 ,  G06Q30/0601

Abstract: 本发明公开了一种基于多行为特征增强的注意力序列推荐方法。本发明采用项目交互模式模块和自适应增强的注意力模块，对注意力图进行修正，使得注意力机制更关注符合用户行为规律的局部特征。项目交互模式模块有四种类型的项目交互模式，分别来增强注意力机制对用户行为序列的正反向行为不对称信息、瞬时性信息、连续性信息、非强顺序依赖性信息的感知能力。自适应增强的注意力模块主要有两种增强的结构，单通道结构可以更高效地增强注意力机制，双通道结构则具有更好的推荐性能。自适应增强的注意力模块采用可学习参数对机制可以对局部特征增强程序进行精准的阈值控制。本发明在花费极小的计算开销情况下，提高真实场景下行为序列推荐的准确率。

公开(公告)号：CN119739971A

公开(公告)日：2025-04-01

申请号：CN202411853427.6

申请日：2024-12-16

Applicant: 杭州电子科技大学

Inventor： 杨海龙 ,  樊谨 ,  黄良康 ,  王佳琪 ,  孙丹枫

IPC: G06F18/10 ,  G06F18/2132 ,  G06F18/27 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种基于双重重建的多元时间序列异常检测方法，涉及数据处理与分析技术领域；S1、对输入的时间序列数据样本进行预处理；S2、将S1中预处理后的时间序列数据转换为滑动窗口序列样本；S3、将S2的滑动窗口序列样本通过GAN模型与S1中时间序列数据样本进行判别操作；S4、在S3的GAN模型框架基础上应用EM距离最小化生成器和最大化判别器的损失函数；S5、构建判别网络的损失函数；S6、计算误差并结合S4和S5得到GAN模型的损失函数L1；S7、进行二次重建得到损失函数L2；S8、通过S6和S7的损失函数计算异常分数阈值；S9、根据S8的结果对异常分数区分标记；本发明采用上述基于双重重建的多元时间序列异常检测方法，可以提高异常检测的性能和可靠性。

公开(公告)号：CN119694117A

公开(公告)日：2025-03-25

申请号：CN202411813552.4

申请日：2024-12-10

Applicant: 杭州电子科技大学

Inventor： 祝苻 ,  樊谨 ,  王佳颖 ,  张心仪 ,  章复嘉 ,  邬惠峰

IPC: G08G1/01

Abstract: 本发明公开了基于深度时空图神经网络的双向交通流动态建模方法，属于智能交通与数据挖掘领域，包括以下步骤：S1、构造交通流动态图，捕获交通流的局部时空依赖性；S2、得到局部时空依赖性之后，使用时间卷积层提取时间特征；S3、得到时间特征后使用选择门来筛选S2中得到的有效信息，得到最终输出；S4、得到S3中的结果后，使用复合图卷积模块提取空间特征；S5、将双向流量融合，并通过预测层得到最终的预测结果；S6、计算模型的损失，确定模型是否符合要求，本发明通过解决现有技术在交通流量预测中面临的双向流量建模不充分、动态依赖性捕获不足以及对复杂交通场景适应性差等问题，从而提升交通流量预测的精度和模型的适用性。

公开(公告)号：CN119598039A

公开(公告)日：2025-03-11

申请号：CN202411686678.X

申请日：2024-11-22

Applicant: 杭州电子科技大学

Inventor： 钟禹澄 ,  樊谨 ,  孙丹枫 ,  陈嘉翰 ,  王佳琪

IPC: G06F16/9537 ,  G06F16/9538

Abstract: 本发明公开了一种基于时间特征感知的序列推荐方法、设备及存储介质，涉及数据处理技术领域。该方法包括：获取预设历史时间内用户和一组项目的历史交互数据，对历史交互数据进行上下文分析，获得历史交互序列和时间戳序列；获得第一组时间特征、第二组时间特征和第三组时间特征；获得短期偏好得分；获得长期偏好得分；生成综合偏好得分；基于综合偏好得分，确定一组项目的多个交互概率；将多个交互概率按照从大到小的顺序进行排序，将排在最前列的交互概率对应的项目作为推荐结果。本发明解决了现有技术中捕捉到的用户偏好与当前的实际偏好存在偏差，推荐可靠性低的技术问题，达到了对用户偏好进行准确把握，提高推荐准确性的技术效果。

公开(公告)号：CN119557597A

公开(公告)日：2025-03-04

申请号：CN202411707892.9

申请日：2024-11-26

Applicant: 杭州电子科技大学

Inventor： 刘杰 ,  樊谨 ,  张心仪 ,  黄良康 ,  孙丹枫 ,  邬惠峰

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/21 ,  G06N3/045 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种基于双流Transformer架构的时间序列分析方法，属于时序分析技术领域，包括：获取多变量时间序列数据集，并对数据集进行预处理和划分；构建TSTNet模型；对TSTNet模型进行初步训练，得到最终特征序列；基于得到的最终特征序列，应用梯度下降方法对损失函数进行优化，完成TSTNet模型的一次训练；对TSTNet模型进行验证；对TSTNet模型进行整体训练；训练完成后，使用测试数据集对TSTNet模型输出的最终特征序列进行评估，得到TSTNet在该数据集上最终的损失得分。本发明采用上述方法，通过构建TSTNet模型明确处理通道间个性与共性的关系，解决不同通道间错综复杂的依赖关系。

公开(公告)号：CN118430262A

公开(公告)日：2024-08-02

申请号：CN202410653043.3

申请日：2024-05-24

Applicant: 杭州电子科技大学

Inventor： 蒋涵羽 ,  樊谨 ,  翁文超 ,  祝符 ,  田浩

IPC: G08G1/01 ,  G06F18/214 ,  G06F18/21 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于周期动态图序列模型的交通预测方法，属于智能交通系统领域，包括对交通序列进行数据预处理与分割；得到对应时间点t的日内周期特征和周内周期特征；对交通信号提取时空特征；解码器根据前一个时间步的真实值预测下一个时间的真实值；得到训练好的解耦动态图卷积循环网络；得到基于测试数据生成的预测序列；得到最终代表模型表现的平均绝对误差；迭代计算直至平均绝对误差不再减小。本发明采用上述的一种基于周期动态图序列模型的交通预测方法，使用周期特征选择器来挑选出交通信号对应的周期特征，并与交通信号相结合，生成周期动态图，在不依赖先验知识的情况下很好的提取特征来进行交通预测，取得了更好的效果。

公开(公告)号：CN117851566A

公开(公告)日：2024-04-09

申请号：CN202410016463.0

申请日：2024-01-04

Applicant: 杭州电子科技大学

Inventor： 程雨夏 ,  徐辽曼 ,  周政斌 ,  蔡天豪 ,  樊谨

IPC: G06F16/332 ,  G06F16/31 ,  G06F40/35 ,  G06F18/22 ,  G06F18/2413

Abstract: 本发明公开一种跨文件问答知识提取方法、系统及电子设备，涉及跨文件问答知识提取领域，该方法包括获取用户问题；利用嵌入函数将所述用户问题转换为用户问题嵌入向量；确定所述用户问题嵌入向量与每个专业知识文件的文件嵌入向量树的根节点的第一相似性向量；根据所有根节点的第一相似性向量，利用K‑近邻算法，确定多个相似向量树；根据所有相似向量树，利用K‑近邻算法，确定候选节点集合；根据所述候选节点集合，确定最优匹配节点集合；根据所述最优匹配节点集合，确定与所述用户问题对应的文件知识内容。本发明提高了跨文件问答知识提取的准确性。

公开(公告)号：CN117292299A

公开(公告)日：2023-12-26

申请号：CN202311283628.2

申请日：2023-10-07

Applicant: 杭州电子科技大学

Inventor： 吉玉祥 ,  樊谨 ,  陈淼 ,  李远晓 ,  孙丹枫

IPC: G06V20/40 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/084 ,  G06V10/774

Abstract: 本发明公开了一种基于光流分解和时空特征学习的视频异常检测方法，使用混合框架将预测和重构方法结合起来，采用光流分解与重构提取光流中的运动信息，提高光流重构的质量；采用时空特征学习来提取两种模态的特征并采用自动态适应矩阵融合，提高视频异常检测的精度；采用混合方法，使用记忆增强的自编码器和光流分解技术，提升重构光流的质量，使用双流网络提取不同模态的全局空间特征和局部时间特征机制，加强模型特征提取和学习的能力，提升了模型在视频异常检测上的效果。本发明采用上述一种基于光流分解和时空特征学习的视频异常检测方法，在提高视频异常检测精度的同时，降低了模型计算规模，增加了模型的提取特征和融合特征的能力。

公开(公告)号：CN116911419A

公开(公告)日：2023-10-20

申请号：CN202310042160.1

申请日：2023-01-28

Applicant: 杭州电子科技大学

Inventor： 樊谨 ,  王则昊 ,  陈琪凯 ,  邬惠峰 ,  孙丹枫

IPC: G06Q10/04 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于趋势相关性特征学习的长时序预测方法，设计了一种名为相关性分布特征提取网络即ACDN模型，ACDN模型采用分布处理模块，用于预测未来时间序列中的分布，以便在面对分布偏移时提高模型准确性；采用自/互相关系数计算模块，以更好地捕捉动态改变时间序列的全局属性，比如趋势成分，其中自相关系数反映局部段内的波动，而互相关系数反映了各个局部子序列中的变化；采用细微特征保留模块，以增强模型对细微特征的感知。本发明对来自不同领域的六个数据集的一系列实验表明，对比FEDformer方法，相关性分布特征提取网络(ACDN)在五个数据集上均方误差(MSE)平均降低了21.99％。

公开(公告)号：CN115730236B

公开(公告)日：2023-09-22

申请号：CN202211486821.1

申请日：2022-11-25

Applicant: 杭州电子科技大学

Inventor： 黄向荣 ,  王坚 ,  余佳珂 ,  夏梓源 ,  涂昱坦 ,  杨名 ,  樊谨 ,  张波涛

IPC: G06F18/24 ,  G06F18/22 ,  G06F17/14

Abstract: 本发明公开了一种基于人机交互药物识别获取方法，包括如下步骤：确定所需药物种类；机器人通过SLAM技术移动至固定的存药位置，采用视觉伺服的方法获取并存储现场信息；采用直方图均衡化的方法对深度相机所获图像进行处理，增强图像整体对比度；采用多特征融合物体识别方法对目标物体进行识别，确定目标药品的位置信息；利用多自由度软体爪机械臂初次抓取匹配度排序第一的药品，将其带到老人视野中，询问是否为所需药品，若满足要求则运动至老人面前。该方法提出了遮挡物体识别、全局最优路径规划方案，大大减轻了复杂环境对机器人工作效率的影响，对指定药品的识别与抓取精确度进一步提高。