-
公开(公告)号：CN118135279B
公开(公告)日：2025-04-22
申请号：CN202410088713.1
申请日：2024-01-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/80
Abstract: 本发明实施例提供一种不完整视图的聚类方法及系统，属于信息技术领域。该聚类方法包括：获取待聚类的不完整多视图，并构建邻接矩阵以确定不完整多视图的图结构信息；结合邻接矩阵，采用预先构建的聚类模型对每一不完整视图进行编码，获得潜在特征表示；对各潜在特征表示采用注意力机制进行融合生成综合潜在特征表示；对综合潜在特征表示进行深度聚类，输出不完整多视图的聚类结果。通过将待聚类的不完整多视图和邻接矩阵输入至聚类模型，使得该聚类模型对不完整多视图节点进行多次邻域聚合和特征学习后，得到每个节点潜在特征表示，更有利于聚类，并采用注意力机制进行潜在特征表示的融合生成综合潜在特征表示，进行深度聚类，得到聚类结果。
-
公开(公告)号：CN114049385B
公开(公告)日：2025-01-14
申请号：CN202111202942.4
申请日：2021-10-15
Applicant: 哈尔滨工业大学(威海)
IPC: G06T7/33
Abstract: 本发明公开一种基于自适应配准的多激光雷达自主建网系统、方法、终端，涉及网络构建与网络信息处理技术领域。采用多个激光雷达利用点云配准算法对不同雷达的点云图进行配准和融合，点云配准采用4PCS进行粗配准，Trimmed ICP进行精配准，使同一室内环境的激光雷达自动组建雷达网络，并获得融合后的室内环境点云。数据同时保存本地和云端，使用者通过云端更改相应配准参数或者获取原始点云数据。本发明针对居家养老项目设计的基于自适应配准的多激光雷达自主建网系统。使用者可以远程查看老人居住室内的激光雷达网络情况以及室内环境点云图像。通过雷达网络和环境点云数据，使用者可以用在居家养老项目的进一步设计和使用中。
-
公开(公告)号：CN114185471A
公开(公告)日：2022-03-15
申请号：CN202210143596.5
申请日：2022-02-17
Applicant: 哈尔滨工业大学(威海) , 青岛海尔工业智能研究院有限公司 , 卡奥斯创智物联科技有限公司 , 威海天鑫现代服务技术研究院有限公司
IPC: G06F3/0484 , G06Q30/06
Abstract: 本发明实施例涉及数据处理技术领域，具体公开了一种基于用户意图识别的服装推荐方法。本发明实施例通过获取用户通过移动端拍摄的图像数据，并根据选择操作得到特定选择图像；接收用户的服装识别操作，得到服装识别信息；根据服装识别信息进行服装推荐，生成服装推荐界面；在没有完成服装购买之前，记录用户在服装推荐界面中多个推荐服装的浏览数据，接收用户对于服装推荐界面的刷新操作，根据刷新操作、服装识别信息和浏览数据，刷新服装推荐界面。能够基于用户通过移动端拍摄的图像数据进行服装识别与推荐，生成服装推荐界面，并且根据用户在服装推荐界面进行的浏览进行服装推荐的逐渐细化，从而能够快速、准确的为用户推荐想要购买的服装。
-
公开(公告)号：CN114185059A
公开(公告)日：2022-03-15
申请号：CN202111313334.0
申请日：2021-11-08
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了基于多雷达融合的多人跟踪系统、方法、介质、终端，涉及雷达测量技术领域。主机接收来自不同雷达的多组数据，将不同雷达的数据进行对齐，同步到同一坐标轴上；对不同雷达数据同步时先将时间进行同步，使同步的数据为同一时间不同雷达采集的数据；对每个激光雷达数据中的动点数据提取出来；使用卡尔曼滤波器跟踪并计算目标的位置；数据处理完毕后即时的将数据存储到文件，并即时的上传到云。本发明是一个即时性的系统，很多同类发明使用的都是机器学习算法来进行目标识别和跟踪，但是此类算法占用资源多，计算时间相当长，不满足即时性的需要，而本系统可以即时的根据激光雷达反馈结果，而且延迟在1s之内。
-
公开(公告)号：CN118568613B
公开(公告)日：2024-12-27
申请号：CN202410828907.0
申请日：2024-06-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2431 , G06F18/25 , G06F18/214 , G06N3/0895
Abstract: 本发明涉及深度学习技术领域，具体提供一种基于特征融合的半监督学习方法、系统、终端及存储介质，包括：从有标签数据集中随机选择两个初始训练子集。利用两个训练子集的有标签数据分别训练分类器1和分类器2。然后每次迭代过程中，分类器1和分类器2分别对子集1和子集2中经过特征融合的无标签样本以及未经特征融合的无标签样本进行预测，通过比较融合前后的变化大小来度量模型预测的置信度，从而确定一部分无标签样本的伪标签。每个子集的分类器选择出预测置信度最高的若干无标签样本，加入到对方子集的有标签数据集中，使用扩增后的有标签样本重新训练分类器。本发明大大提升了分类器的训练效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN114185059B
公开(公告)日：2024-09-06
申请号：CN202111313334.0
申请日：2021-11-08
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了基于多雷达融合的多人跟踪系统、方法、介质、终端，涉及雷达测量技术领域。主机接收来自不同雷达的多组数据，将不同雷达的数据进行对齐，同步到同一坐标轴上；对不同雷达数据同步时先将时间进行同步，使同步的数据为同一时间不同雷达采集的数据；对每个激光雷达数据中的动点数据提取出来；使用卡尔曼滤波器跟踪并计算目标的位置；数据处理完毕后即时的将数据存储到文件，并即时的上传到云。本发明是一个即时性的系统，很多同类发明使用的都是机器学习算法来进行目标识别和跟踪，但是此类算法占用资源多，计算时间相当长，不满足即时性的需要，而本系统可以即时的根据激光雷达反馈结果，而且延迟在1s之内。
-
公开(公告)号：CN117609003A
公开(公告)日：2024-02-27
申请号：CN202311351513.2
申请日：2023-10-18
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于两阶段的微服务异味检测方法，所述方法包括如下步骤：S1、根据微服务系统源码文件，采取具体的分析项，基于一个或多个分析项，检测不同类型的微服务异味；S2、将不同类型异味检测算法的结果汇总；S3、在微服务系统运行时，实时收集运行时容器性能日志、运行时路径追踪日志、运行时数据库操作日志；S4、根据静态和运行态结合分析检测方式的初步判定结果、各种微服务运行时日志，进行运行态下异味的判定；S5、将3种不同检测方式的结果汇总，以JSON字符串形式输出，每种异味的每个检测结果均包含位置信息。该方法采用静态和运行态两阶段结合的方法，能够全面检测、精准定位多而杂的微服务异味。
-
公开(公告)号：CN115018220A
公开(公告)日：2022-09-06
申请号：CN202210952190.1
申请日：2022-08-10
Applicant: 哈尔滨工业大学(威海) , 卡奥斯工业智能研究院(青岛)有限公司 , 青岛中德智能技术研究院 , 威海天鑫现代服务技术研究院有限公司
Abstract: 本发明适用于计算机技术领域，尤其涉及一种基于知识图谱的家电故障预测方法和系统，所述方法包括：获取历史运行数据和实时运行数据；对历史运行数据进行解析，生成正常运行参数范围，构建故障预警特征知识图谱；对实时运行数据进行数据提取，进行故障预测检测；截取实时运行数据，并提取得到实时运行特征，判定是否存在故障风险，若存在，则发出故障预测信息。本发明根据实际运行产生的参数判断是否需要进行故障预测检测，通过故障预测检测判定是否存在发生故障的风向，以起到提前对故障进行预警的作用，提前进行检查，保证了设备的长期稳定运行，降低故障率。
-
公开(公告)号：CN111507577A
公开(公告)日：2020-08-07
申请号：CN202010218967.2
申请日：2020-03-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/06 , G06Q10/08 , G06F16/29 , G06F16/906
Abstract: 本发明公开了一种基于K-means聚类算法的众包任务分配方法，包括订单任务聚类分析和配送人员当前位置聚类分析。本发明的有益效果是能够快速高效的获得以全局路径最短为目标的近似最优解。
-
公开(公告)号：CN119179495B
公开(公告)日：2025-03-25
申请号：CN202411191319.7
申请日：2024-08-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种面向跨领域多任务的大模型适配器高效部署方法及系统，所述方法包括如下步骤：步骤S1、构造模型adapter索引；步骤S2、构造用于训练selector的混合表征数据集；步骤S3、训练selector；步骤S4、基于selector的适配器联合部署。本发明提出了大语言模型部署中适配器选择器selector这一概念，可以根据模型的输入精准判断输入对应的领域和任务，从而引导系统精准将大模型与这一领域与任务的模型适配器精准匹配并重组，提高了多任务推理的准确度；同时提出了selector的训练方法和携带selector的大模型的推理流程和部署方法，提高了有限资源的资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.166 seconds)
