-
公开(公告)号：CN116304981B
公开(公告)日：2024-07-26
申请号：CN202310222537.1
申请日：2023-03-09
Applicant: 苏州大学
Abstract: 本发明提供一种多源异构在线服务平台用户数据关联融合方法及系统，方法包括采集不同在线服务平台的用户数据和城市路网数据；构建包括用户的行程轨迹数据、位置签到数据、社交网络数据的异构数据融合框架；计算用户的时空访问概率索引以及社交网络结构隐空间低维向量，得到用户的候选匹配用户串和候选匹配用户串集合；计算用户的时空域、社交网络结构域的相似度得到对应的匹配分数，整合匹配分数得到最终的相似度计算结果；根据最终的相似度计算结果和设定的匹配阈值，得到实际的用户关联集合，将多个在线服务平台数据集中同一个用户的所有数据进行整合。本发明实现了多源异构在线服务平台用户数据的高效率和高质量的关联融合。
-
公开(公告)号：CN116610828A
公开(公告)日：2023-08-18
申请号：CN202310440703.5
申请日：2023-04-23
Applicant: 苏州大学
IPC: G06F16/48 , G06F16/483 , G06V20/40 , G06V10/44 , G06N3/0464 , G10L25/30
Abstract: 本发明涉及一种基于多模态数据的电影类型预测方法和系统，方法包括：对每部电影的文本、视频、海报和音频数据分别进行嵌入，得到文本、视频、海报和音频嵌入；将文本嵌入和视频嵌入进行处理，得到文本和视频特征；同时对海报嵌入和音频嵌入分别进行处理，得到海报特征和音频特征；将每部电影的文本和视频特征、海报特征和音频特征进行融合，得到所有电影的多模态数据；基于电影元数据构建不同电影的多模态电影图，并对多模态电影图和所有电影的多模态数据进行学习，得到电影嵌入；根据电影嵌入对不同电影类型进行分类。本发明在电影类型分类任务中考虑多模态数据之间的交互，并加入了电影元数据，有效提高电影类型分类结果。
-
公开(公告)号：CN114897444A
公开(公告)日：2022-08-12
申请号：CN202210812583.2
申请日：2022-07-12
Applicant: 苏州大学
Abstract: 本发明公开了一种城市分区域内服务设施需求识别方法及系统，包括以下步骤：基于各级行政区域划分方法对城市区域进行划分，并提取城市区域内的多维度特征；构建城市区域空间属性图；采用变分图自编码器对城市区域空间属性图编码，得到城市区域的潜在隐特征；融合Top‑k最相似功能城市区域的潜在隐特征；采用具有时空限制的贝叶斯模型，得到用户轨迹访问特征；结合城市区域的潜在隐特征和用户轨迹访问特征，通过多层感知机和归一化指数函数，得到最终的城市区域内服务设施需求概率分布。本发明考虑区域特征数据的稀疏性和动态性，综合城市宏观大数据与居民微观位置社会化数据，准确预测城市区域缺少的各类服务设施。
-
公开(公告)号：CN113706564A
公开(公告)日：2021-11-26
申请号：CN202111113479.6
申请日：2021-09-23
Applicant: 苏州大学
Abstract: 本申请涉及一种基于多种监督方式的睑板腺分割网络的训练方法及装置，属于计算机技术领域，该方法包括：使用第一数据集对UNet进行全监督训练，得到预训练后的UNet；将第一睑板腺样本图像、第二睑板腺样本图像和添加噪声后的第二睑板腺样本图像输入预训练后的UNet，得到第一睑板腺样本图像的预测结果、第二睑板腺样本图像的伪图像标签和添加噪声后的第二睑板腺样本图像的预测结果；基于预测结果和伪图像标签计算自监督学习损失、全监督学习损失和半监督学习损失，以对预训练后的UNet进行多监督训练，得到睑板腺分割网络；相比于只用全监督学习，还引入半监督与自监督学习能从无标注睑板腺图像中挖掘出更有用的信息。
-
公开(公告)号：CN109439989A
公开(公告)日：2019-03-08
申请号：CN201910016238.6
申请日：2019-01-08
Applicant: 苏州大学 , 无锡福镁轻合金科技有限公司
Abstract: 本发明涉及一种镁合金，以其总重为基准，包括以下质量分数的各组分：Al：0.2～1.0wt.％，Mn：0.1～0.4wt.％，Ca：0.01～0.1wt.％，Cu：0～0.3wt.％，余量为Mg及不可避免杂质，其中，Al、Mn、Ca和Cu的总量不高于1.8wt.％。本发明的镁合金，具有低成本、高导热和高散热性能的特点，其合金含量较低、无稀土添加，且易加工成形，生产成本显著降低，上述合金热挤压成形后具有优异的力学性能，且导热系数高于131W/m·K。
-
Patent Agency Ranking
公开(公告)号：CN109309640A
公开(公告)日：2019-02-05
申请号：CN201811046509.4
申请日：2018-09-08
Applicant: 苏州大学
CPC classification number: H04L27/0012 , G06K9/6221 , H04B10/61
Abstract: 本发明公开了一种基于机器学习的盲信号格式识别方法，包括以下步骤：(1)从相干光接收机后端获取信号，信号经过色散补偿和时钟恢复算法补偿之后，获得信号的振幅圆用作识别目标，振幅圆的圈数为识别特征参数；(2)将步骤(1)获得的振幅圆映射转化为振幅对角线，实现非线性到线性的映射；(3)利用聚类算法求出振幅对角线的聚类中心；(4)计算出决策图对数的差值，求出振幅圆的圈数，识别信号调制格式。本发明在对相干光通信数据的处理过程中，采用基于幅度特征的MFI方法，在没有任何其它先验知识的情况下，经过非线性转为线性的映射，在线性空间中无迭代地快速识别幅度对角线的聚类中心的个数，从而判定信号调制格式。该方法对噪声具有高鲁棒性，能适应目前通信系统中流行的M-QAM的调制格式信号，为下一代认知光网络提供了技术基础。
-
公开(公告)号：CN108667523B
公开(公告)日：2021-02-26
申请号：CN201810183719.1
申请日：2018-03-06
Applicant: 苏州大学
Abstract: 本发明公开了一种基于无数据辅助的KNN算法的光纤非线性均衡方法，包括：获取各数据点的分布密度参数，选取分布密度参数大于预设阈值的数据点进行信号解调，获得各数据点对应的标签，根据标签分成M个簇，获得对应的质心：根据获得的质心，将数据点按照欧几里得距离重新进行分类，构成训练样本集；取未获得标签的数据点X，从训练样本集中获取数据点X的K个最近邻点；计算数据点X的KNN欧氏距离数据，并找出K个最近邻点的标签簇；使用加权总和投票规则确定数据点X的预测标签，将X分配至对应簇；重复直至完成对所有数据点的处理。本发明大大降低计算复杂度，实现了系统的零冗余，能够显著地提升系统的分类性能，使系统误码率得以改善。
-
公开(公告)号：CN107707494B
公开(公告)日：2020-02-11
申请号：CN201710936433.1
申请日：2017-10-10
Applicant: 苏州大学
Abstract: 本发明公开了一种用于64‑QAM相干光通信系统的光纤非线性均衡方法，对接收到的64‑QAM数据进行处理，包括：将接收到的数据集设置为第一级数据集，计算每个数据点的密度参数，设定阈值，选择密度参数超过指定阈值的数据作为第二级数据集；对第二级数据集点进行解调，划分为64个簇，并获得64个质心；根据获得的质心，将第二级数据集中的数据根据最近的欧式距离分类到相应簇中，用64个获得的新簇群的质心来更新；将第一级数据集根据最近的欧式距离分配到相应的簇群中，获得分类后的64个簇，计算获得各簇的最优质心。本发明在不需要迭代的前提下，能够快速和准确地选取出K‑means聚类的全局最优质心，很好地降低了光纤中Kerr非线性的影响，得到的误码率性能比之前没处理的性能要高半个数量级。
-
公开(公告)号：CN109439989B
公开(公告)日：2019-10-15
申请号：CN201910016238.6
申请日：2019-01-08
Applicant: 苏州大学 , 无锡福镁轻合金科技有限公司
Abstract: 本发明涉及一种镁合金，以其总重为基准，包括以下质量分数的各组分：Al：0.2～1.0wt.％，Mn：0.1～0.4wt.％，Ca：0.01～0.1wt.％，Cu：0～0.3wt.％，余量为Mg及不可避免杂质，其中，Al、Mn、Ca和Cu的总量不高于1.8wt.％。本发明的镁合金，具有低成本、高导热和高散热性能的特点，其合金含量较低、无稀土添加，且易加工成形，生产成本显著降低，上述合金热挤压成形后具有优异的力学性能，且导热系数高于131W/m·K。
-
公开(公告)号：CN107819513B
公开(公告)日：2019-07-05
申请号：CN201711059737.0
申请日：2017-11-01
Applicant: 苏州大学
IPC: H04B10/2543 , H04B10/58
Abstract: 本发明涉及本发明公开了一种用于64‑QAM相干光传输系统缓和光纤非线性的方法，对接收到的64‑QAM数据进行处理。首先将接收到的数据集分成64个簇，找到64个簇中心，并且找到每个数据点属于的簇。本次发明的k‑means SVM算法是一种全局最优泛化算法，利用简单结构的k‑means算法对无噪声信号点进行分类，然后应用SVM分类器来缓和失真信号。在所提出的方法中，我们利用k‑means聚类算法对无噪声64‑QAM信号进行分类，从而减少支持向量的数量，以节省SVM分类器的实现时间。同时，我们使用SVM分类器进行噪声泛化，以提高损伤信号的性能。本发明能够快速和准确地选取出k‑means聚类的全局最优质心，并且很好地缓和了光纤中克尔非线性的影响，同时得到与SVM算法差不多的误码率性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.05 seconds)
