-
公开(公告)号：CN108416756B
公开(公告)日：2021-11-02
申请号：CN201810255379.9
申请日：2018-03-26
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于机器学习的区域感知图像去噪方法，包括以下步骤：1、对噪声图像采用加噪标准差σ和k种缩小率缩小后的标准差rj×σ分别作为去噪参数，获得不同去噪结果集；2、将采用σ分别与采用rj×σ的去噪结果相结合，获得最优缩小率和图像块对于采用σ和这两种去噪参数的偏好；3、对噪声图像和采用两种去噪参数的去噪结果进行特征提取；4、将获得的偏好特征集作为机器学习算法的特征集，学习获得图像块的去噪参数偏好模型；5、采用去噪参数偏好模型对测试集中噪声图像进行预测，获得每个图像块预测的偏好概率值；6、通过阈值处理并结合两种去噪参数的去噪结果，获得最终的去噪结果。该方法能够有效提高图像去噪方法的性能。
-
公开(公告)号：CN108182109B
公开(公告)日：2021-08-31
申请号：CN201711468801.0
申请日：2017-12-28
Applicant: 福州大学
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的工作流调度与数据分配方法，包括如下步骤：获取云平台当前的工作流；根据调度模型计算工作流中每个任务的高度，并按照高度升序排列任务；使用粒子群优化算法，以工作流的执行时间以及执行成本为优化目标，获得全局最优的粒子编码；将全局最优的粒子编码解码成工作流调度与数据分配方案并输出。该方法考虑了数据存储，减少了跨节点之间的传输时间，优化了云平台中工作流的任务执行效率和执行成本。
-
公开(公告)号：CN113157914A
公开(公告)日：2021-07-23
申请号：CN202110157327.X
申请日：2021-02-04
Applicant: 福州大学
IPC: G06F16/35 , G06F40/126 , G06F40/211 , G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多层循环神经网络的文档摘要提取方法及系统，包括以下步骤：步骤A：采集用于训练的文档‑句子标签对，构建文档‑句子标签对训练集，每条训练样本包括文档与文档中每条句子的标签；句子的标签值为1代表该句子属于摘要，标签值为0代表该句子不属于摘要；步骤B：使用文档‑句子标签对训练集，对用于文档摘要提取的深度学习模型进行训练；步骤C：将文档输入到训练好的深度学习网络模型中，输出文档的摘要。该方法及系统有利于提高对于文本摘要的准确精度。
-
公开(公告)号：CN112860856A
公开(公告)日：2021-05-28
申请号：CN202110183217.0
申请日：2021-02-10
Applicant: 福州大学
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种算数应用题智能解题方法及系统，该方法包括以下步骤：步骤A：对采集到的算数应用题进行预处理，建立包含算数应用题的已知条件、问题以及答案的训练集；步骤B：构建用于算数应用题智能解题的深度学习模型，确定损失函数，在训练集上通过最小化损失函数训练用于算数应用题智能解题的深度学习模型；步骤C：将算数应用题的已知条件和问题输入训练好的深度学习模型中，输出问题的答案。该方法及系统能够理解输入的算数应用题的已知条件文本和问题，并给出对应的答案。
-
公开(公告)号：CN112732921A
公开(公告)日：2021-04-30
申请号：CN202110070347.3
申请日：2021-01-19
Applicant: 福州大学
Abstract: 本发明提供了一种虚假用户评论检测方法及系统，包括以下步骤：收集用户的产品评论和评论涉及的主题文本，建立用户评论数据集；使用用户评论数据集S，对虚假用户评论检测模型行预训练，模型由文本生成器G、鉴别器D以及分类器C三个模块构成；使用用户评论数据集S，对虚假用户评论检测模型进行对抗训练；将用户评论与主题输入虚假用户评论检测模型的分类器中，输出对用户评论的检测结果，即用户评论为虚假评论或真实评论。本发明的方法能够得到准确性更高的检测结果。
-
Patent Agency Ranking
公开(公告)号：CN112395318A
公开(公告)日：2021-02-23
申请号：CN202011333445.3
申请日：2020-11-24
Applicant: 福州大学
IPC: G06F16/2455 , G06F16/27 , G06F9/50 , G06F12/0895
Abstract: 本发明涉及一种基于HBase+Redis的分布式存储中间件，以HBase集群和Redis作为底层框架，包括存储模块和查询模块，所述存储模块包括负载均衡组件、数据缓存组件和数据同步组件；所述负载均衡组件实现HBase Region和RegionServer的负载均衡，以提高HBase的读写性能；所述数据缓存组件实现基于时间平滑方法计算的热值缓存淘汰策略，以提高缓存命中率；所述数据同步组件实现基于协处理器的HBase和Redis的数据同步，以避免脏数据的产生。该分布式存储中间件有利于提高数据读写速率。
-
公开(公告)号：CN111988593A
公开(公告)日：2020-11-24
申请号：CN202010893423.6
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度残差优化的立体图像颜色校正方法，包括以下步骤：S1：对数据集中无失真立体图像的左或右视图进行颜色失真处理，产生失真立体图像，建立包括无失真立体图像和失真立体图像的训练集；S2：用立体匹配模型计算所有失真立体图像的视差图，利用图像变形技术生成初始化匹配图像；S3：构建基于神经网络的颜色校正残差图优化模型，将残差图作为模型的输入，并设计损失函数；S4：使用损失函数训练模型，通过最小化损失函数学习模型的最优参数，得到训练好的模型；S5：用训练好的模型对待校正的失真立体图像进行颜色校正。该方法及系统有利于提高颜色校正结果与参考图像的颜色一致性，并保持与目标图像的结构一致性。
-
公开(公告)号：CN111274398A
公开(公告)日：2020-06-12
申请号：CN202010065377.0
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/35 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种方面级用户产品评论情感分析方法及系统，该方法包括以下步骤：步骤A：提取用户的产品评论、评论涉及的产品方面词、产品方面词的位置信息，并对产品方面的情感极性进行标注，构建训练集SA；步骤B：使用训练集SA，训练用于方面级用户产品评论情感分析的融合MemNet与双向LSTM的深度学习网络模型M；步骤C：输入用户对产品的评论，提取评论涉及的产品方面词，将产品评论、产品方面词输入到训练好的深度学习网络模型M中，输出对产品方面的情感评价极性。该方法及系统有利于提高情感分类的准确性。
-
公开(公告)号：CN111274359A
公开(公告)日：2020-06-12
申请号：CN202010067232.4
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进VHRED与强化学习的查询推荐方法及系统，该方法包括以下步骤：步骤A：收集搜索引擎的用户查询日志记录，对用户查询日志记录数据进行预处理，构建用户查询日志训练集TS；步骤B：使用用户查询日志训练集TS训练基于带有时间特征的VHRED及强化学习的查询推荐深度学习网络模型；步骤C：查询推荐系统接受用户输入的查询语句，将查询语句输入到训练好的查询推荐深度学习网络模型中，输出相匹配的查询推荐。该方法及系统有利于生成符合用户需要的查询推荐。
-
公开(公告)号：CN110222163A
公开(公告)日：2019-09-10
申请号：CN201910497128.6
申请日：2019-06-10
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种融合CNN与双向LSTM的智能问答方法及系统，包括以下步骤：采集智能问答系统中的问题以及回答记录，构建问答对训练集QA；采集智能问答系统中每个用户的问题回答记录，构建用户的历史回答训练集UA；步骤C：使用问答对训练集QA以及用户的历史回复训练集UA，训练融合CNN与双向LSTM的深度学习网络模型M；步骤D：智能问答系统接受用户的提问，将提问输入到训练好的深度学习网络模型M中，输出匹配的答案。本发明融合CNN与双向LSTM，能够全面准确地提取影响智能问答精度的各项特征。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.026 seconds)
