-
公开(公告)号：CN119760364A
公开(公告)日：2025-04-04
申请号：CN202510254283.0
申请日：2025-03-05
IPC: G06F18/20 , A61B5/372 , A61B5/377 , A61B5/00 , G06F18/10 , G06F18/2131 , G06F18/2134 , G06F18/27 , G06F3/01 , B66B5/00
Abstract: 本发明提出一种基于脑电的高速电梯乘员舒适度分析方法、系统与装置。该发明同时采集并存储电梯轿厢的加速度数据以及乘员的脑电数据；根据电梯的运行状态，截取脑电数据和加速度数据；对上述数据进行预处理；基于对上述数据的特征提取，形成运行指标和脑电指标；最后，通过记录上述指标，形成运行指标曲线和脑电指标曲线，为电梯运行与乘员感受之间进行关联分析提供工具，使得高速电梯乘员舒适度评价更客观、准确。本发明通过运行信号和脑电信号的采集、预处理、特征提取与分析，为高速电梯乘员舒适度评价以及电梯运行曲线优化设计提供了一种新的客观分析工具，避免目前运输系统乘员舒适度评价中，因主观评价的不确定性所带来的评价偏差。
-
公开(公告)号：CN119741944A
公开(公告)日：2025-04-01
申请号：CN202411871402.9
申请日：2024-12-18
IPC: G10L25/51 , G10L21/0224 , G10L25/03 , H04R1/40
Abstract: 本发明公开了一种基于多麦克风的电梯门异响定位方法与系统。该方法包括：在电梯轿厢顶部四角处安装四麦克风，选取参考麦克风，以参考麦克风为原点建立坐标系，确定各麦克风在该坐标系中的位置，采集电梯轿厢在开关门时的声音信号，对所述声音信号进行预处理，清除无效数据；提取所述声音信号的时域特征、频域特征和声压级特征，设定声压阈值，将超过所述阈值的声音信号标记为异响信号；根据参考麦克风，结合改进后的互相关函数计算其余麦克风与参考麦克风之间的时延信息，根据所述时延信息确定异响源的方位。本发明的有益效果为：本发明提供的基于多麦克风的电梯门异响定位方法，提出的麦克风安装位置在电梯复杂的环境及电梯轿厢狭小空间下进行电梯门异响定位，结合改进后的互相关函数计算时延，在电梯轿厢门开关过程中出现异响声音时能够准确的判断异响声音的位置，具有较强的实用性。
-
公开(公告)号：CN117370650A
公开(公告)日：2024-01-09
申请号：CN202311271535.8
申请日：2023-09-28
IPC: G06F16/9535 , G06N3/0464 , G06F18/213 , G06F17/16
Abstract: 一种基于服务组合超图卷积网络的云计算数据推荐方法，挖掘云计算数据中的潜在服务组合关系，构建序列组合集；基于序列组合集构建服务组合超图，实现对API服务的组合特征的有效建模；根据切比雪夫近似卷积的思想，设计超图卷积网络提取服务组合超图上的超图信号；然后，使用Hg‑Pool池化方法对超图信号进行降维处理；利用预训练语言模型对API服务进行语义编码，得到语义嵌入向量，融合语义嵌入向量和超图信号，得到组合嵌入向量；最后，利用组合嵌入向量和超图信号计算API服务的推荐概率，得到推荐结果。本发明关联度较高、降低计算复杂度和过拟合风险、提高推荐结果的精确度。
-
公开(公告)号：CN119484625B
公开(公告)日：2025-04-04
申请号：CN202510060709.9
申请日：2025-01-15
IPC: H04L67/51 , H04L67/306 , H04L67/1396 , G06F16/9535 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于图注意卷积网络和图池化的Web服务推荐方法，属于服务计算领域，首先基于双塔模型构建服务网络图，并从中分化出焦点服务；其次，在图卷积过程中提出双级感知自注意力机制，在聚类感知自注意力机制中控制源节点向目标节点聚合的信息量，在查询感知自注意力机制中控制目标节点接收源节点发送的信息量；然后采用异构节点粗化策略为核心的图池化方法进一步提取服务信息；最后，将焦点服务的动态表示、图级表示以及目标服务进行拼接并学习组合嵌入表示，在预测层中预测下一时刻目标服务与用户交互的概率。本发明有效提升服务网络图的构建质量，提升服务嵌入聚合质量并提升服务推荐准确性。
-
公开(公告)号：CN119484625A
公开(公告)日：2025-02-18
申请号：CN202510060709.9
申请日：2025-01-15
IPC: H04L67/51 , H04L67/306 , H04L67/1396 , G06F16/9535 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于图注意卷积网络和图池化的Web服务推荐方法，属于服务计算领域，首先基于双塔模型构建服务网络图，并从中分化出焦点服务；其次，在图卷积过程中提出双级感知自注意力机制，在聚类感知自注意力机制中控制源节点向目标节点聚合的信息量，在查询感知自注意力机制中控制目标节点接收源节点发送的信息量；然后采用异构节点粗化策略为核心的图池化方法进一步提取服务信息；最后，将焦点服务的动态表示、图级表示以及目标服务进行拼接并学习组合嵌入表示，在预测层中预测下一时刻目标服务与用户交互的概率。本发明有效提升服务网络图的构建质量，提升服务嵌入聚合质量并提升服务推荐准确性。
-
Patent Agency Ranking
公开(公告)号：CN119320081A
公开(公告)日：2025-01-17
申请号：CN202411463107.X
申请日：2024-10-18
Applicant: 中国计量大学 , 浙江工业大学 , 杭州英旭智能科技有限公司
Abstract: 本发明提出一种基于变分自编码器(VAE)和Transformer网络的电梯门异响检测识别方法，包括数据采集与预处理、模型构建与训练、异响检测识别、方法性能评估等步骤。具体过程为：通过安装音频传感器采集电梯门运行过程中的声音信号，连续记录形成时间序列数据并进行清洗和归一化处理。然后，通过VAE‑Transformer网络进行特征重构，计算重构误差得到异常评分，对异常特征向量进行连续标记，最后将异常片段输入分类器，根据每种异响种类的置信度评分判断异响类型。该方法通过引入无监督网络训练完成异常声音的检测，再将检测到的异响进行进一步分类和识别的机制，能够显著减少数据的计算量极大提升效率，快速识别具体的故障类型并提供精准的维护建议，从而提升故障处理的效率和准确性，有效解决异响故障数据稀缺的问题，适合于复杂环境下的电梯门异响故障监测。
-
公开(公告)号：CN117539941A
公开(公告)日：2024-02-09
申请号：CN202311504037.3
申请日：2023-11-13
Applicant: 中国计量大学 , 浙江浙旅投数字科技有限公司 , 浙江省旅游投资集团有限公司 , 浙江工业大学
IPC: G06F16/25 , G06F16/9535 , G06F16/9538
Abstract: 一种面向web3.0的服务数据损失函数正负例采样与再推荐方法，该方法首先利用损失函数正负例采样规则，对服务数据进行采样，获取损失函数正例与负例；然后，利用损失函数正例与负例，构成多样性样本对，优化损失函数的收敛过程；最后，生成再推荐结果，并使用基于行列式点过程的方法进行排序。本发明效率高、具有较好的通用性。
-
公开(公告)号：CN119445291A
公开(公告)日：2025-02-14
申请号：CN202510038073.8
申请日：2025-01-10
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/084 , G06V10/74
Abstract: 一种融合局部特征与全局上下文信息的三维点云任务分析方法，属于三维点云任务分析领域，包括以下步骤：步骤1、构建点云数据集，过程如下：步骤1.1）、定义数据集；步骤1.2）、点云数据集预处理；步骤2、点云数据集采样，通过最远点采样FPS方式将原始点云数据集的点云数量下采样到固定值；步骤3、点云数据集分组；步骤4、局部特征提取；步骤5、邻域特征传播；步骤6、构建空间形状位置编码；步骤7、构建通道注意力；步骤8、局部特征增强，步骤9、全局上下文特征提取；步骤10、三维点云分类以及分割任务。本发明有效提高三维点云任务的精度。
-
公开(公告)号：CN117372278A
公开(公告)日：2024-01-09
申请号：CN202310184967.9
申请日：2023-03-01
IPC: G06T5/70 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于多尺度分布分数的点云去噪方法，包括以下步骤：第一步：基于多尺度扰动与点云分布的思想，构建两层网络模型，包含提取点云特征的特征提取模块、预测噪声点位移的位移预测模块；第二步：为了提高去噪效果，并且在保留尖锐特征的同时避免降低点云数据的质量，建立点云噪声模型；第三步：将点云数据输入特征提取模块，提取全局特征h；第四步：位移预测模块根据特征提取单元获取到的特征来迭代学习噪声点的位移；第五步：定义网络训练的损失函数，当损失函数达到设定的阈值或者最大迭代次数时，收敛完成。本发明在保留点云的尖锐特征的基础上，对不同噪声程度、不同特征的噪声点云模型都有优良的去噪效果。
-
公开(公告)号：CN117370651A
公开(公告)日：2024-01-09
申请号：CN202311271550.2
申请日：2023-09-28
IPC: G06F16/9535 , G06F16/901 , G06N3/0464 , G06N3/048
Abstract: 一种基于全局多行为依赖的SaaS服务推荐方法,该方法首先对服务交互数据进行挖掘，得到行为感知序列和服务划分集；其次，利用行为感知序列和服务划分集构建行为感知超图，并结合超图自注意力机制度量用户与API服务之间多行为交互的重要性差异；然后，基于谱分解理论设计了行为感知超图上的超图卷积过程，利用超图信号表示全局多行为依赖；最后，结合全局序列特征和服务嵌入向量得到API服务的推荐分数，进行服务推荐。本发明对用户复杂、异构的行为特征进行有效建模，能较好地度量多行为交互的重要性差异，使得服务推荐结果具有较高的相关性。
-
-
-
-
-
-
-
-
-
Search Results
391
records
(took 0.047 seconds)
