-
公开(公告)号：CN108876648A
公开(公告)日：2018-11-23
申请号：CN201810701551.9
申请日：2018-06-29
Applicant: 中国矿业大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。
-
公开(公告)号：CN115115601B
公开(公告)日：2025-04-25
申请号：CN202210786076.6
申请日：2022-07-04
Applicant: 中国矿业大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/764 , G06T5/73
Abstract: 一种基于形变注意金字塔的遥感舰船目标检测方法，属于遥感检测技术领域。分别是：形变注意金字塔网络、多尺度特征增强网络、多尺度自适应池化网络和旋转预测网络。被检测图像依次经过上述子网络，逐步实现特征提取、特征增强、生成感兴趣区域和标记舰船。优点：形变注意金字塔网络从多个尺度抑制了遥感图像的背景噪声，降低了模型受不相关特征的干扰。多尺度特征增强网络使用并行的拉普拉斯卷积核和空洞卷积核实现对弱小目标特征的锐化，增强了模型对小目标舰船的特征描述。多尺度自适应池化网络使用多尺度自适应池化策略获取到了更为精准的检测感兴趣区域。旋转预测网络基于回归策略生成旋转预测框，用于精准地标记任意方向的舰船。
-
公开(公告)号：CN117576910A
公开(公告)日：2024-02-20
申请号：CN202311591453.1
申请日：2023-11-27
Applicant: 中国矿业大学
IPC: G08G1/01 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/044 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种基于循环时空注意力机制的交通流量预测方法，属于交通流量预测领域。预测方法包括：首先，将来自传感器的原始数据经数据预处理模块得到交通流量数据集；其次，将划分后的数据集输入到基于循环时空注意力机制的时空特征提取模块，融合学习到的时空特征；最后，将得到的时空特征输入到预测模块并预测未来一段时间的交通流量数据。在数据预处理阶段的数据填充过程中，根据交通流量数据的特点设计了前向填充法，大幅降低了计算开销。本方法设计了带有循环特性的滑动自注意力位置编码，解决了交通流量预测在长依赖上表现不佳的问题，并通过并行计算架构骨架支持多个GPU上的分布式训练，提供高于单个GPU的计算并行度，提高运算效率。
-
公开(公告)号：CN116524227A
公开(公告)日：2023-08-01
申请号：CN202310173792.1
申请日：2023-02-28
Applicant: 中国矿业大学
IPC: G06V10/764 , G06F16/215 , G06V10/82 , G06V10/40 , G06N3/08 , G06Q50/02 , G06N3/04
Abstract: 一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法，属于煤矿井下数据分析技术领域。利用煤矿井下矿工轨迹数据设计矿工轨迹识别模型，该模型实现了识别输入的轨迹数据属于哪一个矿工；包括：时间特征提取模块、空间特征提取模块、语义特征提取模块和联合表示学习模块。优点：从时间、空间和语义三个维度提取轨迹特征并联合学习特征表示；采用动态图嵌入方法来提取轨迹的时间维度特征，获取变长轨迹序列的长期时间依赖关系，并应用多头自注意力机制，提高对长序列的处理效率；采用图神经网络提取轨迹的结构拓扑信息，并融合外部因素的语义特征提高矿工轨迹识别准确度，从而为煤矿井下的轨迹数据挖掘和智能调度平台提供技术支持。
-
公开(公告)号：CN116503948A
公开(公告)日：2023-07-28
申请号：CN202310502077.8
申请日：2023-05-06
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/34 , G06V10/764 , G06N3/0499 , G06N3/082 , G06N3/048 , G06N3/047 , G06V10/94
Abstract: 一种面向动态内存优化的轻量化井下人员动作识别方法及装置，利用煤矿井下人员动作视频数据设计适用于嵌入式终端的轻量化动作识别模型。首先通过数据采集和预处理模块，实现对煤矿井下人员动作数据集的构建；其次将数据集通过预训练模块，实现视频动作特征识别任务下，动作识别模型的混合预训练；再次将动作识别模型通过轻量化神经网络架构搜索模块，实现轻量网络架构的搜索；最后将轻量网络通过参数压缩模块，得到极小模型，并应用在嵌入式终端上。优点：采用混合预训练技术，提高模型的鲁棒性；采用参数压缩、动态内存加载等技术，在优化模型结构、减小模型体积的同时缩短搜索时间；在保证识别率前提下，实现复杂模型的井下嵌入式终端部署。
-
Patent Agency Ranking
公开(公告)号：CN115937612A
公开(公告)日：2023-04-07
申请号：CN202310028711.9
申请日：2023-01-09
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/62 , G06V20/50 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/088 , G06N3/084
Abstract: 本发明公开了一种基于深度区域嵌入的露天矿区域功能分类方法，属于露天矿管理领域，首先对露天矿进行均匀单元区域划分，然后通过轨迹数据提取不同单元区域的特征信息，将不同单元区域构建成一个稀疏单元区域图；再则，利用结构化深度网络嵌入模型学习单元区域节点的空间嵌入表示，实现单元区域空间区域嵌入；然后，将单元区域特征时序序列作为双向长短期记忆神经网络的输入从而获取单元区域时序特征，实现单元区域时序区域嵌入，以弥补区域时间特征不足的问题；再则，将得到的单元区域节点的嵌入表示和单元区域序列特征进行特征融合，将最终特征融合结果输入到注意力层，解决不同特征权重分配不均问题；最后，进行训练得到更加准确的分类结果。
-
公开(公告)号：CN108876648B
公开(公告)日：2021-02-02
申请号：CN201810701551.9
申请日：2018-06-29
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。
-
公开(公告)号：CN109034562A
公开(公告)日：2018-12-18
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
CPC classification number: G06Q10/0639 , G06Q50/01
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
公开(公告)号：CN119204290A
公开(公告)日：2024-12-27
申请号：CN202411128283.8
申请日：2024-08-16
Applicant: 内蒙古蒙泰不连沟煤业有限责任公司 , 中国矿业大学
IPC: G06Q10/04 , G06F18/2321 , G06F18/22 , G06Q50/02
Abstract: 本发明公开了一种基于多尺度密度峰值聚类的支护形式预测方法及系统，属于信息科学领域。包括：首先利用实地采集的煤矿支护参数数据，计算不同煤矿多尺度支护形式相似度，以及多种影响支护形式决策的属性语义相似度；然后，基于多尺度支护形式相似度和巷道属性语义相似度构建超图，以表征巷道属性；再次，在巷道属性超图上应用属性密度峰值机制和社区检测方法识别出属性热点重叠社区；最后，分析给定属性在社区中的分布情况，完成支护形式预测。
-
公开(公告)号：CN119129412A
公开(公告)日：2024-12-13
申请号：CN202411246231.0
申请日：2024-09-06
Applicant: 内蒙古蒙泰不连沟煤业有限责任公司 , 中国矿业大学
IPC: G06F30/27 , G06F30/13 , G06N3/048 , G06N3/042 , G06N3/08 , G06F119/02 , G06F113/14 , G06F111/10
Abstract: 本发明涉及一种基于图网络和多任务学习的煤巷支护参数预测方法，包括：采集煤矿巷道的巷道信息；根据巷道信息，获取相似巷道构建图采样聚合网络，对所述图采样聚合网络进行采样和聚合，提取所述巷道信息的关键特征；根据所述关键特征，利用多任务学习对所述煤矿巷道的支护参数进行预测，获取支护参数，其中，所述多任务学习基于训练集训练获得，所述训练集包括实际巷道信息和实际支护参数。本发明通过结合图采样聚合网络和多任务学习机制，不仅提升了煤巷支护参数的预测效率，而且能同时预测多个支护参数。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.024 seconds)
