-
公开(公告)号：CN118536678A
公开(公告)日：2024-08-23
申请号：CN202410993050.8
申请日：2024-07-24
Applicant: 烟台大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/0639 , G06N3/006
Abstract: 本发明涉及群智感知和人工智能技术交叉领域，尤其是涉及一种考虑三方多目标的高维优化任务分配方法及系统。方法，包括获取众包工人和众包任务对应的属性集合；基于获取的属性集合构建多方场景的优化问题，包括构建平台利润的优化问题；建立工人收益最大化的优化问题；建立任务质量鲁棒性最大化的优化问题；建立请求者效益最大化的优化问题；采用改进的RVEA优化算法对多方场景的优化问题进行优化，得到优化结果。本发明提出的任务分配方法不论在分配效率和分配效用上都取得了更好的分配结果；其分配结果在服务质量以及分配的效率上都要优于其它的单目标优化算法得到的结果。
-
公开(公告)号：CN118313413B
公开(公告)日：2024-08-13
申请号：CN202410741075.9
申请日：2024-06-11
Applicant: 烟台大学 , 烟台中科网络技术研究所
Abstract: 本发明涉及神经网络模型技术领域，尤其是涉及一种基于异构图神经网络的物联网链路预测方法及系统。所述方法，包括构建异构图，并对异构图进行特征表示；基于异构图构建客户端本地模型，包括利用动态注意力机制的图注意力网络构建客户端本地模型；输入异构图至客户端本地模型，并引入贝叶斯推理对异构图的特征进行线性变换；通过损失函数对输入异构图的客户端本地模型进行损失处理；计算客户端本地模型梯度，并对客户端本地模型梯度执行全局模型聚合，得到全局模型参数；将全局模型参数下发至客户端本地模型。通过本发明的技术方案提高链路预测的准确性和鲁棒性。
-
公开(公告)号：CN118470333A
公开(公告)日：2024-08-09
申请号：CN202410939567.9
申请日：2024-07-15
Applicant: 烟台大学 , 山东(烟台)中日产业技术研究院(烟台市产业技术研究院)
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及深度学习应用领域，尤其是涉及一种基于遥感图像的地理环境语义分割方法及系统。所述方法，包括获取遥感图像数据集，并对获取的遥感图像数据集进行预处理；基于获取的遥感图像数据集进行编码器构建，并利用编码器进行图像数据集的特征提取和编码；根据编码器的特征提取进行解码器构建，将构建完成的编码器和解码器组合为语义分割模型；利用遥感图像数据集对语义分割模型进行训练和优化，包括利用交叉熵损失函数计算输出值与预测值之间的误差，利用训练完成的语义分割模型进行预测结果输出。通过本发明的技术方案，能够提高遥感图像语义分割的精度、鲁棒性和泛化能力，为环境检测和城市规划提供更加高效和准确的技术。
-
公开(公告)号：CN118432948A
公开(公告)日：2024-08-02
申请号：CN202410888223.X
申请日：2024-07-04
Applicant: 烟台大学
IPC: H04L9/40 , G06F18/2415 , G06F18/214 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0499
Abstract: 本发明涉及工业互联网数据安全技术领域，尤其是涉及一种基于弱信息的工业互联网异常节点的检测方法及系统，包括S1.利用工业互联网中的传感器和设备获取相关节点运行的数据；S2.利用统计方法和机器学习算法对数据进行清洗，消除噪声和异常值，并对数据进行归一化处理；S3.根据数据的来源、类型和应用场景对数据进行初步分类；S4.利用频域特征提取方法对数据进行傅立叶变换；S5.构建基于弱信息的异常节点检测模型；S6.利用测试集对模型进行测试。实现了在应对数据信息缺失、数据结构缺失以及数据类别不完整的情况下可以提高检测异常节点的准确度，降低了标签标注的成本和时间，提高了模型的整体效率。
-
公开(公告)号：CN118333910A
公开(公告)日：2024-07-12
申请号：CN202410756697.9
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T5/77 , G06V40/16 , G06V10/774
Abstract: 本发明属于图像的复原技术领域，具体涉及一种人脸图像修复方法、系统、装置、介质，通过对人脸图像数据进行压缩感知处理后，依次进行正向扩散加噪及基于文字条件约束的逆向去噪处理，得到自定义的初步修复图像，再以训练后的第二模型为导向，对人脸部位的细节进行优化，从而获得可控、多元化和高保真的人脸图像。
-
Patent Agency Ranking
公开(公告)号：CN118333861A
公开(公告)日：2024-07-12
申请号：CN202410756700.7
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T3/4053 , G06T5/60 , G06T5/50 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06T3/4007
Abstract: 本发明属于图像处理技术领域，具体涉及一种遥感图像重建方法、系统、装置、介质，首先通过模拟实际遥感图像的退化情况来增强数据的真实性、复杂性，然后对遥感图像分别进行两次重建，并根据对比度进行自适应融合以整合不同分辨率的图像信息，从而提高了图像重建的准确性、清晰度和高质量。
-
公开(公告)号：CN118238151A
公开(公告)日：2024-06-25
申请号：CN202410666297.9
申请日：2024-05-28
Applicant: 烟台大学
Abstract: 本发明涉及情感识别领域，尤其是涉及一种基于多模态情感识别的协作机器人控制方法及系统，包括以下步骤：S1.采样语音数据和视频数据，分别构建单模态数据，对所述单模态数据进行标注和归一化处理，得到多模态情感数据集；S2.构建多模态情感识别网络模型，所述多模态情感模型包括构建自顶向下融合方式、单模态特征提取和多模态特征融合；S3.利用所述多模态情感数据集对多模态情感识别网络模型进行训练；S4.构建协作机器人控制框架，利用所述协作机器人控制框架和训练好的情感识别网络模型构建协作机器人控制系统。本发明通过基于多模态情感识别的协作机器人实现了对人类情感的高效和精准识别，同时提高了操作人员的工作效率。
-
公开(公告)号：CN116128956B
公开(公告)日：2024-06-07
申请号：CN202310347799.0
申请日：2023-04-04
Applicant: 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) , 烟台大学
Abstract: 一种基于遥感影像获取海草床碳汇量的方法、装置及设备，涉及海洋图像处理技术领域，该方法包括如下操作：步骤一：获取遥感影像数据集和叶绿素a浓度数据，融合处理后，获得海草床数据集；步骤二：分割处理所述海草床数据集，获得海草床标记数据集；步骤三：分类提取所述海草床标记数据集，获得海草面积；步骤四：基于所述海草面积和海草释氧量，获得海草床碳汇量。以遥感影像数据为主体，增加叶绿素a浓度数据作为辅助条件，相对于传统方法，提高了获取数据的准确度，在保证了计算结果准确的基础上，节约了人工成本、缩短了计算周期，可大力推广使用。
-
公开(公告)号：CN117313972B
公开(公告)日：2024-04-12
申请号：CN202311271113.0
申请日：2023-09-28
Applicant: 烟台大学
IPC: G06Q10/047 , B63B35/00 , G06Q10/0631
Abstract: 本发明属于无人艇控制技术领域，具体涉及一种无人艇集群的攻击方法、系统、装置及存储介质。基于获取的敌我双方无人艇信息，获取我方每艘无人艇采取动作所获得的收益，对我方每艘无人艇采取动作所获得的收益进行优势处理后，进行收益梯度处理，经动作损失处理后，预测下一步动作，对预测的下一步动作经策略损失处理后，得到我方每艘无人艇的最佳下一步动作，获得我方每艘无人艇的最佳攻击路线；结合混合策略及纳什均衡处理，获得混合策略的纳什均衡点，得到我方无人艇集群的协同攻击策略，既能保证我方每艘无人艇精准高效完成攻击任务，又能实现我方无人艇集群协同攻击收益最大化。
-
公开(公告)号：CN117649439B
公开(公告)日：2024-04-09
申请号：CN202410121538.1
申请日：2024-01-30
Applicant: 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) , 烟台大学
IPC: G06T7/62 , G06T7/11 , G06T5/73 , G06T5/20 , G06V20/10 , G06V10/20 , G06V10/36 , G06V10/44 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，具体为一种海草床面积的获取方法、系统、设备和存储介质，该获取方法，首先将带雾的初始海草床图像先进行便于快速计算的去雾厚度处理，查看去雾厚度图的质量是否达标；若去雾厚度图质量不达标，使用更细致的去雾浓度处理方法提升初始海草床图像的图像质量，直至去雾浓度图达标后进行特征提取；若去雾厚度图质量达标了，直接进行特征提取；接着，特征提取的过程中，使用语义特征提取和全局特征提取处理等处理去雾厚度图或去雾浓度图，获取特征海草床图；然后，基于特征海草床图的像素差分布情况，确定海草床区域的边缘点和面积；最后，基于海草床图上面积和图像比例尺，获得真实的海草床面积。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.064 seconds)
