-
公开(公告)号：CN118193853A
公开(公告)日：2024-06-14
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
公开(公告)号：CN118965139B
公开(公告)日：2025-03-04
申请号：CN202411464881.2
申请日：2024-10-21
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/2411 , G06F18/213 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/80
Abstract: 本申请涉及多模态数据处理技术领域，具体为以音频模态为目标模态的多模态情感分析方法和系统；为解决现有技术中多模态情感分析准确度较低的问题，本申请制定当存在音频模态时，将图像模态和文本模态翻译为音频模态，经融合后进行神经网络处理，得到多模态情感预测结果；当不存在音频模态时，用互信息分数来判断哪个模态中所含的情感信息更多，以此来让其他模态向其翻译，得到缺失联合特征，并将标准完整联合特征作为目标，缺失联合特征向完整联合特征逼近进行神经网络处理，得到多模态情感预测结果；该方法应用到多模态情感分析领域中，处理过程更灵活、分析过程更全面、更合理，得到情感预测结果准确度更高。
-
公开(公告)号：CN118965139A
公开(公告)日：2024-11-15
申请号：CN202411464881.2
申请日：2024-10-21
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/2411 , G06F18/213 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/80
Abstract: 本申请涉及多模态数据处理技术领域，具体为以音频模态为目标模态的多模态情感分析方法和系统；为解决现有技术中多模态情感分析准确度较低的问题，本申请制定当存在音频模态时，将图像模态和文本模态翻译为音频模态，经融合后进行神经网络处理，得到多模态情感预测结果；当不存在音频模态时，用互信息分数来判断哪个模态中所含的情感信息更多，以此来让其他模态向其翻译，得到缺失联合特征，并将标准完整联合特征作为目标，缺失联合特征向完整联合特征逼近进行神经网络处理，得到多模态情感预测结果；该方法应用到多模态情感分析领域中，处理过程更灵活、分析过程更全面、更合理，得到情感预测结果准确度更高。
-
公开(公告)号：CN118134606B
公开(公告)日：2024-07-23
申请号：CN202410544307.1
申请日：2024-05-06
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06Q30/0601 , G06Q30/0251 , G06N3/0442 , G06N3/08 , G06Q30/0202
Abstract: 本申请涉及商业领域数据预测推荐技术领域，具体为基于用户偏好的服务推荐方法、系统、设备和存储介质；为解决现有技术当中服务推荐准确度较低的问题，本申请首先将基于交互结构图得到的目标用户和服务信息，分别进行门控图神经网络处理和双向门控循环单元处理，获得目标用户长期偏好向量和目标用户短期偏好向量后，进行融合，得到目标用户个性化偏好向量；最后，将每个服务与目标用户个性化偏好向量的概率映射值作为推荐值，并将推荐值大于推荐阈值的服务，作为推荐服务推荐给目标用户，实现快捷准确的服务推荐，应用在商业领域数据预测中，能增加用户体验，提升商业内容消费。
-
公开(公告)号：CN118134606A
公开(公告)日：2024-06-04
申请号：CN202410544307.1
申请日：2024-05-06
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06Q30/0601 , G06Q30/0251 , G06N3/0442 , G06N3/08 , G06Q30/0202
Abstract: 本申请涉及商业领域数据预测推荐技术领域，具体为基于用户偏好的服务推荐方法、系统、设备和存储介质；为解决现有技术当中服务推荐准确度较低的问题，本申请首先将基于交互结构图得到的目标用户和服务信息，分别进行门控图神经网络处理和双向门控循环单元处理，获得目标用户长期偏好向量和目标用户短期偏好向量后，进行融合，得到目标用户个性化偏好向量；最后，将每个服务与目标用户个性化偏好向量的概率映射值作为推荐值，并将推荐值大于推荐阈值的服务，作为推荐服务推荐给目标用户，实现快捷准确的服务推荐，应用在商业领域数据预测中，能增加用户体验，提升商业内容消费。
-
Patent Agency Ranking
公开(公告)号：CN118193853B
公开(公告)日：2024-07-23
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
公开(公告)号：CN118135279A
公开(公告)日：2024-06-04
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：CN115952919A
公开(公告)日：2023-04-11
申请号：CN202310059941.1
申请日：2023-01-16
Applicant: 哈尔滨工业大学(威海) , 威海新派信息技术有限公司
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/26
Abstract: 本发明公开了一种基于流程挖掘的风险智能预测方法，所述方法包括如下步骤：步骤一、读取传感器实时监测数据，进行预处理；步骤二、判定实时监测数据是否异常及异常等级；步骤三、判断异常是否为误报警；步骤四、根据异常类型生成流程模型候选集；步骤五、根据异常分级筛选候选集中的流程模型；步骤六、计算筛选后的应急管理流程模型适用于当前异常的概率；步骤七、对预测结果进行排序，发出预测预警。该方法不仅可以通过监测数据的异常情况发出预警，还能够通过使用流程模型库和应急管理知识库得到未来可能发生的事件、险情、传感器数值变化及其发生的概率，甚至对具体情况历史处理方式及其效果，作为决策支持信息输出。
-
公开(公告)号：CN112637318B
公开(公告)日：2022-09-30
申请号：CN202011500846.3
申请日：2020-12-17
Applicant: 哈尔滨工业大学(威海)
IPC: H04L67/12 , H04L41/04 , H04L41/0654 , H04L43/12
Abstract: 本发明属于智能网关技术领域，公开了一种面向存储完整性的智能网关系统、装置及其控制方法，所述面向存储完整性的智能网关系统包括：WebApp模块、综合管理模块、故障恢复模块、数据管理模块和云模块；所述面向存储完整性的智能网关装置包括：网关树莓派、设备树莓派、传感器如镜头与雷达、智能手表以及云存储。本发明以Java为主开发语言，实现了智能网关系统，用于老人健康信息系统中的数据管理与设备管理。本发明数据完整性的实现依靠线程安全的队列设计以及多项故障恢复机制；对于多线程的性能优化也提升了系统的稳定性，保障了数据的安全；通过环境模拟与实地应用的方式，对智能网关系统进行了系统测试，测试结果符合预期。
-
公开(公告)号：CN112861624A
公开(公告)日：2021-05-28
申请号：CN202110008794.6
申请日：2021-01-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06K9/00 , G06K9/62 , G06T15/00 , G08B21/04 , A61B5/11 , A61B5/00 , G06N3/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于人体姿态检测技术领域，公开了一种人体姿态检测方法、系统、存储介质、设备及终端，所述人体姿态检测方法包括：构建基于深度图像的人体骨骼化模型的数据集以及人体姿态分类的数据集；在openpose神经网络模型上进行迁移学习，深度图像作为网络输入，获取到的heatmap(关节点坐标)和paf(关节点向量场)作为标签进行训练，得到深度图像的人体骨骼化模型；通过姿态分析模块将打好标签的数据进行姿态特征夹角的计算，将夹角和标签输入到随机森林中进行训练，得到姿态识别模型。本发明在openpose的基础上将深度图像骨架化，并且可以转换成3d骨架给医务人员观察，有较高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.096 seconds)
