-
公开(公告)号：CN114626607A
公开(公告)日：2022-06-14
申请号：CN202210260593.X
申请日：2022-03-16
Applicant: 福建工程学院
Abstract: 本发明涉及一种基于时空图小波卷积神经网络的交通流预测方法。包括：S1、交通流数据预处理；S2、交通流预测模型的建立；S3、交通流预测模型训练及参数调优；S4、基于参数调优的交通流预测模型进行交通流预测。本发明方法建立模型具有特点：结构上，STGWCNN模型采用两头大中间小的“三明治”结构以充分应用瓶颈策略，由图小波卷积神经网络层对通道进行下缩放和上缩放，实现尺度压缩和特征压缩。功能上，STGWCNN模型设计的图小波卷积神经网络层捕捉时空序列数据的空间拓扑结构，可以有效地学习局部化的、稀疏的特征表达，同时提升网络的表达效果和网络的灵活性；时间门控卷积层通过门控线性单元堆叠因果卷积，能够较好实现提取时空序列的时间依赖性目的。
-
公开(公告)号：CN109672729A
公开(公告)日：2019-04-23
申请号：CN201811535942.4
申请日：2018-12-14
Applicant: 福建工程学院
Inventor： 毛国君
Abstract: 本发明公开一种分布式数据流的动态挖掘方法，其包括以下步骤：步骤1，每个局部节点收集当前t时刻的当前数据块并进行微簇处理；步骤2，每个局部节点进行局部模式的增量式微簇更新；步骤3，局部模式传输阶段：将每个局部节点t时刻的局部模式上传至中心节点；步骤4，中心节点接收所有局部节点的t时刻的局部模式后基于微簇重构全局样本数据集:步骤5，中心节点基于全局样本数据集进行新学习的基础学习器，并将新学习的基础学习器进行当前状态下全局模式的增量式更新。本发明采用局部挖掘模式，可以最大限度地在本地处理数据，因而减少数据被丢弃的可能性。
-
Patent Agency Ranking
公开(公告)号：CN114782982A
公开(公告)日：2022-07-22
申请号：CN202210230186.4
申请日：2022-03-10
Applicant: 福建工程学院
Abstract: 本发明提出一种基于深度学习的海洋生物智能检测方法，包括以下步骤；步骤S1、海洋生物图像预处理；步骤S2、构建并行注意力YoloV4目标检测网络，所述并行注意力分别为空间域注意力和通道域注意力；所述YoloV4目标检测网络为嵌入并行注意力机制的并行注意力YoloV4目标检测网络；步骤S3、训练并行注意力YoloV4目标检测网络：对并行注意力YoloV4目标检测网络进行预训练，得到预训练模型；利用Mosaic数据增强方法随机把多幅图片拼接为一张图片来生成新的训练数据集，对所得到的预训练模型进行训练；步骤S4、重新训练并行注意力YoloV4目标检测网络，对测试集中图像进行检测；本发明能用于准确且快速检测出复杂海洋环境下的海洋生物，为水下机器人的捕捞做出技术支撑。
-
公开(公告)号：CN115690905A
公开(公告)日：2023-02-03
申请号：CN202211292626.5
申请日：2022-10-21
Applicant: 福建工程学院
Abstract: 本发明涉及一种基于融合内外依赖的人体骨架动作识别方法，包括以下步骤：步骤S1:基于骨架数据集Kinetics和NTU‑RGB+D，构建训练数据集；步骤S2:构建时空骨架图；步骤S3:基于时空骨架图，构建融合内外依赖的时空图卷积模型，并基于训练数据集训练，得到人体骨架动作识别模型；步骤S4：基于人体骨架动作识别模型，进行动作识别。本发明有效提高人体骨架动作识别效率及精确度。
-
公开(公告)号：CN114610968B
公开(公告)日：2024-10-01
申请号：CN202210264126.4
申请日：2022-03-17
Applicant: 福建工程学院
IPC: G06F16/906 , G06F16/901 , G06F16/9536 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/0985 , G06Q50/00
Abstract: 本发明涉及一种基于改进的图卷积网络的博客用户划分方法，包括以下步骤：步骤S1:构建博客用户信息的节点图；步骤S2:将边预测概率模型作为数据前处理嵌入GCNII模型，构建深层图卷积神经网络；步骤S3:将步骤S1构建的节点图数据预处理后，作为深层图卷积神经网络输入，获取输出结果，即为用户分类结果。本发明通过加深网络层次来提升学习精度，提升博客用户“社区”划分的准确性。
-
公开(公告)号：CN114610968A
公开(公告)日：2022-06-10
申请号：CN202210264126.4
申请日：2022-03-17
Applicant: 福建工程学院
IPC: G06F16/906 , G06F16/901 , G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明涉及一种基于改进的图卷积网络的博客用户划分方法，包括以下步骤：步骤S1:构建博客用户信息的节点图；步骤S2:将边预测概率模型作为数据前处理嵌入GCNII模型，构建深层图卷积神经网络；步骤S3:将步骤S1构建的节点图数据预处理后，作为深层图卷积神经网络输入，获取输出结果，即为用户分类结果。本发明通过加深网络层次来提升学习精度，提升博客用户“社区”划分的准确性。
-
公开(公告)号：CN114596584A
公开(公告)日：2022-06-07
申请号：CN202210218532.7
申请日：2022-03-08
Applicant: 福建工程学院
IPC: G06V40/10
Abstract: 本发明提出一种海洋生物智能检测识别方法，通过引入基于UGAN的水下图像增强和深度可分离卷积，目的是在满足在多种海洋生物中，进行生物类别的识别以及检测，降低观测海洋生物的难度，优化传统的检测方式，达到高精度、实时的海洋生物检测。该方法考虑不同海洋生物中的形态差异、生活习性以及在更低的内存空间上部署检测算法的可行性；在YOLOv4中引入轻量级深度学习网络以及深度可分离卷积，能够平衡算法的性能与开支，有效降低海洋环境下各种因素对海洋生物的识别干扰和有效降低识别模型的参数量。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
