公开(公告)号：CN118535920A

公开(公告)日：2024-08-23

申请号：CN202410662597.X

申请日：2024-05-27

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  於志文 ,  卢丹 ,  宋洪涛 ,  隋珊珊

IPC: G06F18/214 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G01W1/10 ,  G01N15/06 ,  G06N3/08

Abstract: 基于多粒度对比学习的空气质量预测方法和系统，涉及空气质量预测领域。解决现有的研究没有考虑多粒度表征的模式多样性以及现有方法在处理时空数据的不均匀分布时显示局限性的问题。方法包括：获取空气质量监测站点的空气质量监测数据集和时间特征数据集，将空气质量监测数据集和时间特征数据集进行预处理并分为训练集、验证集和测试集，并将PM2.5作为目标污染物；将空气质量数据划分为不同的粒度，构建基于多粒度对比学习的空气质量预测模型；训练基于多粒度对比学习的空气质量预测模型；将测试集输入到训练后的基于多粒度对比学习的空气质量预测模型，获取空气质量预测值。应用于环境监测领域。

公开(公告)号：CN112085163A

公开(公告)日：2020-12-15

申请号：CN202010870423.4

申请日：2020-08-26

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  张育怀 ,  门瑞 ,  隋珊珊 ,  张艳平 ,  宋洪涛 ,  李丽洁

IPC: G06N3/04 ,  G06N3/08 ,  G01N33/00

Abstract: 本发明提出一种基于注意力增强图卷积神经网络AGC和门控循环单元GRU的空气质量预测方法，所述方法具体包括：首先选取待预测的污染物并获取用于空气质量预测的数据集进行预处理，对预处理后的数据集按比例划分训练集和测试集；其次构建AGC‑GRU模型，并将训练集输入到AGC‑GRU模型并采用反向传播算法进行训练，得到最优模型参数；最后将测试集输入训练后的AGC‑GRU模型中进行预测，得出所选择污染物的预测值。本发明可以同时考虑并提取相关数据集的时序特征和空间特征，达到准确预测的目的。

公开(公告)号：CN112232925A

公开(公告)日：2021-01-15

申请号：CN202011203823.6

申请日：2020-11-02

Applicant: 哈尔滨工程大学

Inventor： 张海涛 ,  李一豪 ,  宋洪涛 ,  韩启龙 ,  隋珊珊 ,  张慧

IPC: G06Q30/06 ,  G06F16/95 ,  G06N3/04

Abstract: 本发明是一种融合知识图谱对商品进行个性化推荐的方法。本发明涉及商品进行个性化推荐的机器学习技术领域，包括：获得用户历史行为数据，生成商品知识图；融合用户历史行为数据与商品知识图，构建协同知识图；采用机器学习中表示学习方法，获得协同知识图中节点和关系的向量嵌入表示；将协同知识图中节点和关系的向量嵌入与用户历史行为数据输入基于注意力机制的图卷积神经网络模型中，形成含有邻域信息的新节点和关系的向量嵌入表示；定义得分函数，通过图卷积神经网络模型输出的融合邻域信息的用户、商品向量嵌入表示，计算用户喜欢商品的概率，根据预测结果，排序获得推荐列表。