-
公开(公告)号：CN109783725B
公开(公告)日：2021-07-20
申请号：CN201811536137.3
申请日：2018-12-15
Applicant: 华南理工大学
IPC: G06F16/9535
Abstract: 本发明公开了一种融入用户好奇心机制的推荐方法，包括以下步骤：根据历史纪录计算新颖度和冲突度，然后通过加权求和得到刺激度，根据历史纪录的刺激度列表，训练每一个用户各自的冯特曲线；使用基于准确率的推荐方法进行学习，得到相关度列表；根据冯特曲线对物品计算其对用户的好奇心，进行排序，得到每个用户的好奇心列表；最后使用波达计数法对两个列表进行排序。
-
公开(公告)号：CN111360795A
公开(公告)日：2020-07-03
申请号：CN202010248569.5
申请日：2020-03-31
Applicant: 研祥智能科技股份有限公司 , 华南理工大学
Abstract: 本发明提供了一种六自由度并联机器人的控制系统及其控制方法，该控制系统包括：具有人机交互界面的上位机；与上位机连接的ARM模块；与ARM模块连接的FPGA模块；ARM模块控制FPGA模块调整六自由度并联机器人从当前位姿运动到期望位姿。通过设置具有人机交互界面的上位机，便于用户向控制系统中输入控制指令；通过设置与上位机连接以与上位机进行信息交互的ARM模块，实现上位机与ARM模块的信息交互，便于将控制指令传输给ARM模块，以使ARM模块对控制指令进行处理；通过设置与ARM模块连接以与ARM模块进行信息交互的FPGA模块，使ARM模块将处理后的控制信息写入FPGA模块，并进行读取，从而控制FPGA模块调整六自由度并联机器人从当前位姿运动到期望位姿。
-
公开(公告)号：CN107145514B
公开(公告)日：2019-08-20
申请号：CN201710211762.X
申请日：2017-04-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于决策树和SVM混合模型的中文句型分类方法，首先获取训练样本集；根据训练样本集中各类句型的训练样本构建得到特殊陈述句决策树、疑问句决策树和否定句决策树，并且将训练样本集中的各训练样本分别输入至特殊陈述句决策树、疑问句决策树和否定句决策树进行句型判定；提取出上述决策树均不能判定的训练样本，通过这些训练样本训练得到SVM分类器。首先将测试样本输入至特殊陈述句决策树、疑问句决策树和否定句决策树进行判定，在未得出判定结果的情况下输入至SVM分类器进行分类，本发明方法将决策树和SVM分类器相结合，能准确判断出大部分正常句子，又可以高效处理一部分难以归纳总结的句子，提升句型分类准确率。
-
公开(公告)号：CN104915446B
公开(公告)日：2019-01-29
申请号：CN201510372236.2
申请日：2015-06-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于新闻的演化关系自动提取方法，包括：新闻信息预处理、新闻导语提取、新闻事件时间提取、事件提取、事件关键词提取、事件演化关系分析；本发明还公开了一种新闻的演化关系自动提取系统，包括：新闻信息预处理模块、新闻导语提取模块、新闻事件时间提取模块、事件提取模块、事件关键词提取模块、演化关系分析。本发明可以使得提取出来的事件演化关系图更加合理、事件之间的关系更加清晰；具有解决了目前新闻演化分析领域的部分不足之处，使演化分析达到更好的效果，方便用户了解整个新闻话题的发展脉络等优点。
-
公开(公告)号：CN108652661A
公开(公告)日：2018-10-16
申请号：CN201810314063.2
申请日：2018-04-10
Applicant: 华南理工大学
IPC: A61B8/00
Abstract: 本发明提供了使用CAPI加速的FPGA医学超声成像系统。本发明的系统采用使用CAPI加速的FPGA来实现医学超声成像，并且成像算法本身针对FPGA的结构做出了相应的适配和改进，使其计算流程适用于逻辑门电路的执行，从而提高医学超声成像的成像帧率。与传统的基于计算机执行的医学超声成像系统相比，本发明使用CAPI加速的FPGA医学超声成像系统具有极高的并行计算能力，可在极短的时间内完成高清医学超声图像算法的复杂计算，可以实时且高清地呈现医学超声影像。本发明使用的基于CAPI加速的FPGA计算核心可直接在SuperVessel平台免费使用，成本低、实用性强。
-
Patent Agency Ranking
公开(公告)号：CN108549237A
公开(公告)日：2018-09-18
申请号：CN201810465382.3
申请日：2018-05-16
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度增强学习的预观控制仿人机器人步态规划方法，包括步骤：1)通过装配在仿人机器人上的传感器获取状态信息；2)改进现有的深度强化学习网络，定义全新的状态、动作向量和奖励函数；3)使用定义的动作向量对预观控制器的输出进行修正，计算出仿人机器人双腿各舵机的角度，指导仿人机器人行走；4)在仿人机器人行走过程中，用状态、动作向量、奖励函数的值更新改进的深度强化学习网络。本发明方法可有效解决仿人机器人在复杂环境下的行走问题，且在仿真平台和实体机器人上进行了测试，验证了此方法的有效性。
-
公开(公告)号：CN108309350A
公开(公告)日：2018-07-24
申请号：CN201810180295.3
申请日：2018-03-05
Applicant: 华南理工大学
Abstract: 本发明公开应用于医学超声成像系统加速的反向延迟计算方法。本发明使用反向延迟计算方法的波束形成算法，基于传统的延迟叠加波束形成算法的逆过程实现，通过数据点在超声回波数据中的位置推导延迟量进而推导该数据点在图像中的位置，进而直接进行叠加，规避了耗时的开根号和除法计算。本发明中使用反向延迟计算方法的波束形成算法具有更低的计算复杂度，并且在计算过程中使用了更丰富的原始超声数据，可在极短的时间内完成高清医学超声图像算法的复杂计算，可以满足实时且高清地呈现医学超声影像的需求。本发明并不影响设备的物理结构，可直接在原设备中更新算法从而实现加速，并且在一定程度上提高了设备的成像清晰度。
-
公开(公告)号：CN106510756A
公开(公告)日：2017-03-22
申请号：CN201610924260.7
申请日：2016-10-24
Applicant: 华南理工大学
IPC: A61B8/00
CPC classification number: A61B8/5207
Abstract: 本发明公开集成图形处理单元的嵌入式实时高清医学超声成像系统。本发明的系统采用集成图形处理单元的嵌入式设备来实现医学超声成像，采用改进的高清成像算法，使其计算流程适用于图形处理单元的计算环境，从而提高医学超声成像的图像质量与成像帧率。与传统便携式医学超声成像系统相比，本发明使用的集成图形处理单元嵌入式系统具有强大的并行计算能力，可在短时间内完成高清医学超声成像算法的复杂计算，可以实时且高清地呈现医学超声影像。本发明实现最小方差波束形成高清超声成像，使其在本发明的嵌入式系统上实时输出高清医学超声图像。本发明的集成图形处理单元的嵌入式系统价格并不昂贵，实用性强、性价比高。
-
公开(公告)号：CN106094813A
公开(公告)日：2016-11-09
申请号：CN201610363756.1
申请日：2016-05-26
Applicant: 华南理工大学
IPC: G05D1/02
CPC classification number: G05D1/02
Abstract: 本发明公开了一种基于模型相关强化学习的仿人机器人步态控制方法，包括步骤：1)为仿人机器人行走前后稳定控制任务定义强化学习框架；2)使用基于稀疏在线高斯过程的模型相关强化学习方法对仿人机器人进行步态控制；3)使用PID控制器对强化学习仿人机器人控制器的动作选择方法进行改进，改进操作为使用PID控制器获取强化学习控制器动作选择操作的寻优初始点。本发明使用强化学习来对仿人机器人行走过程中的步态进行控制，从而使仿人机器人的行走控制能通过与环境交互来进行自主调节，达到更好的控制效果，使仿人机器人在前后方向上保持稳定。
-
公开(公告)号：CN104010028A
公开(公告)日：2014-08-27
申请号：CN201410184681.1
申请日：2014-05-04
Applicant: 华南理工大学
IPC: H04L29/08 , H04L12/917
Abstract: 本发明涉及云计算的技术领域，特别涉及一种云平台下性能加权的虚拟资源动态管理策略方法。本发明首先配置各种请求资源与性能权值的对照矩阵，根据用户需求和云平台系统实时监测数据，提出基于负载性能加权的负载性能度量模型，然后根据该模型提出一种云平台下的虚拟资源动态管理策略方法，该方法包括虚拟机部署策略和虚拟机迁移策略，使得云平台在满足现有的负载请求下，保证每一个调度域的物理服务器的负载程度达到最大化，并且在该基础上，最小化云平台需开启的物理服务数量。本方法发明可以同时考虑用户需求并给予个性化权重设置和云平台系统实时性能监测数据，既满足了QoS需求，又合理地利用了云平台系统资源，保证了云平台的负载性能。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.027 seconds)
