一种基于改进YOLO模型的多模态行人检测方法

    公开(公告)号:CN111767882B

    公开(公告)日:2024-07-19

    申请号:CN202010639950.4

    申请日:2020-07-06

    申请人: 江南大学

    摘要: 本发明涉及一种基于改进YOLO模型的多模态行人检测方法,属于深度学习目标检测领域。该基于改进YOLO模型的多模态行人检测算法,使用KAIST数据集中一一对应的可见光图片和红外光图片样本进行训练,得到训练好的模型,通过训练好的模型检测可见光‑红外光图片对中是否包含行人目标,该基于YOLO网络的多模态行人检测算法使用并行Darknet53作为特征提取网络,分别提取可见光模态和红外光模态的多尺度特征图,而且使用了加权特征融合层和CBAM注意力机制,使可见光特征和红外光特征图片更好的融合,再将多尺度注意力加权融合特征图依次级联并送入YOLO层中进行行人检测。

    一种中文上位词检索方法及装置

    公开(公告)号:CN116431761B

    公开(公告)日:2024-07-12

    申请号:CN202310214059.X

    申请日:2023-03-07

    申请人: 江南大学

    摘要: 本发明涉及一种中文上位词检索方法,包括获取待查询数据样本中的下位词,带入预设提示模板中,得到含有掩码的待填空文本作为提示;对所述提示进行分词,获取Token序列;将所述Token序列输入预设预训练语言模型中,对所述掩码进行填空,获取预设配套词汇表中每个候选词被填入掩码的logit;获取logit值最高的候选词作为所述预训练语言模型的上位词最优预测结果。本发明首次将提示调优引入中文上位词检索领域,基于任务适应性强的提示调优技术,利用一个预设的固定提示模板来训练预训练语言模型的中文上位词检索能力;通过提示模板获取提示,进而引导预训练语言模型的推理过程,利用固定的提示模板,不断约束和规范模型的输出,从而产生期望的预测结果,获取上位词。

    基于GPU并行改进遗传算法的高利润商品组合挖掘方法

    公开(公告)号:CN117010991B

    公开(公告)日:2024-05-03

    申请号:CN202310948429.2

    申请日:2023-07-31

    申请人: 江南大学

    IPC分类号: G06Q30/0601 G06N3/126

    摘要: 本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法,属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行,这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留,以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验,从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。

    一种基于改进遗传算法的模式数据挖掘方法

    公开(公告)号:CN110955702B

    公开(公告)日:2024-03-29

    申请号:CN201911188600.4

    申请日:2019-11-28

    申请人: 江南大学

    IPC分类号: G06F16/2458 G06N3/126

    摘要: 本发明公开了一种基于改进遗传算法的模式数据挖掘方法,属于数据挖掘技术领域。本发明种群初始化后,包括使用如下一种以上处理:个体修复处理,邻域探索处理,种群多样性维持处理和精英处理,来挖掘HUIs。本发明方法,在四个实际数据集上的实验结果表明,与目前最先进的基于EC的HUIM算法相比,所提出的HUIM‑IGA方法在发现的HUIs数量、发现HUIs的能力和运行时间方面具有更好的性能。可应用于处理日常应用中常见的交易型等事务数据库,在发现的高效用项集数量、发现高效用项集的能力和运行时间方面具有更好的性能。

    多种群遗传算法的多目标模糊供应链配置优化方法和系统

    公开(公告)号:CN117745390A

    公开(公告)日:2024-03-22

    申请号:CN202311821171.6

    申请日:2023-12-26

    申请人: 江南大学

    摘要: 本发明涉及模糊供应链配置优化技术领域,公开一种多种群遗传算法的多目标模糊供应链配置优化方法和系统,包括:获取供应链中每个成员的配置的时间和成本,构建时间和成本的隶属度函数和模糊集,使用贴近度理论从模糊集中消除时间和成本的模糊性;根据供应链中的成员的配置的时间和成本构建供应链整体的总时间的目标函数和总成本的目标函数,构建用于优化时间和成本的种群,结合使用贪婪方法和多种选择策略求解所述供应链整体的总时间的目标函数和总成本的目标函数,得到供应链中的成员的配置的最优选择方案。本发明可以在综合多目标优化的同时降低求解难度、提高解的质量。

    一种基于互信息引导的混合贝叶斯网络结构学习方法

    公开(公告)号:CN117391204A

    公开(公告)日:2024-01-12

    申请号:CN202311388195.7

    申请日:2023-10-24

    申请人: 江南大学

    IPC分类号: G06N7/01 G06N3/126 G06N20/00

    摘要: 本发明公开了一种基于互信息引导的混合贝叶斯网络结构学习方法,涉及信息处理及人工智能技术领域,该方法包括:对数据集利用条件独立测试和互信息限制结构的搜索空间并生成初代种群;基于互信息对当前种群进行个体修正并评估适应度;对当前种群执行以下迭代寻优操作:根据当前种群的个体适应度,选择参与交叉操作的个体进行交叉操作;对交叉操作得到的新种群,提取互信息介于中间阈值的两节点进行变异操作,同时对互信息不在中间阈值的连接边和独立节点进行保护,产生下一代种群;再次基于互信息对当前种群进行个体修正并进行最优个体的更新;若满足迭代终止条件则输出当前种群中适应度最高的个体作为最优BN结构;否则重新执行迭代寻优操作。

    一种基于知识增强的方面情感三元组提取方法及系统

    公开(公告)号:CN117171610A

    公开(公告)日:2023-12-05

    申请号:CN202310973778.X

    申请日:2023-08-03

    申请人: 江南大学

    摘要: 本发明公开了一种基于知识增强的方面情感三元组提取方法及系统,属于自然语言处理技术领域。所述方法首先将常识性的情感知识整合到图卷积网络中,融合了丰富的语法信息和常识性情感信息,有利于模型学习到上下文特征以及情感特征。除此之外,针对评论句子存在语法不敏感的问题,本发明使用一种基于正交损失的自注意力机制捕捉到句子中每个词的语义相关词,这比句法结构更灵活,并且该机制可以适应对语法信息不敏感的评论句子。实验结果表明,相比于现有的基线方法,本发明所提出模型具有更好的效果。

    基于GPU并行改进遗传算法的高利润商品组合挖掘方法

    公开(公告)号:CN117010991A

    公开(公告)日:2023-11-07

    申请号:CN202310948429.2

    申请日:2023-07-31

    申请人: 江南大学

    IPC分类号: G06Q30/0601 G06N3/126

    摘要: 本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法,属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行,这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留,以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验,从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。

    基于尾句-上下文双重注意力模型的多轮对话生成方法

    公开(公告)号:CN110413729B

    公开(公告)日:2023-04-07

    申请号:CN201910554079.5

    申请日:2019-06-25

    申请人: 江南大学

    IPC分类号: G06F16/33 G06F16/332

    摘要: 基于尾句‑上下文双重注意力模型的多轮对话生成方法,属于人机对话领域。一个合适的回复应该是符合最后一个句子的语义且能够利用到整个上下文的信息。当前多轮对话生成主要基于层次的编码器‑解码器结构。本发明提出了一个尾句‑上下文双重注意力模型。每句话都通过编码器获取句子的语义表示。对最后一句话中每个词做注意力,同时对每句话的语义表示做注意力。二者拼接作为解码阶段的上下文向量。此外,本发明还引入了多头自注意力机制使得在获取每句话的语义表示时能更关注于关键的词。实验证明本发明方法的模型在自动评价和人工评价两个方面都超出了基准模型。

    基于5G多元混合结构网络铣削切削力预测系统及方法

    公开(公告)号:CN115099374A

    公开(公告)日:2022-09-23

    申请号:CN202211031426.4

    申请日:2022-08-26

    申请人: 江南大学

    摘要: 本发明公开了一种基于5G多元混合结构网络铣削切削力预测系统及方法,属于钛合金铣削加工领域。所述方法考虑了铣削特征间的关系和相互影响,设计了一种多元混合结构网络以及新的特征数学模型对特征进行计算,使得在进行切削力预测时充分发掘不同特征及特征间关系在切削力预测中的作用,从而得到更加精准的预测结果;进一步的,本申请将特征计算放在本地,而利用云端的强大计算资源实现切削力预测,达到合理分配计算资源的效果;进一步的,本申请将特征和特征变换后的结果保存在本地,并且经云端计算后的结果返回给边缘网关设备,经过边缘网关设备保存在本地的存储上,便于后续本地化快速的规则匹配和数据存储。