-
公开(公告)号：CN118861570A
公开(公告)日：2024-10-29
申请号：CN202410967865.9
申请日：2024-07-18
Applicant: 北京工业大学
IPC: G06F18/20 , G06F18/214 , G06F18/25 , G06N5/01 , G06N3/042 , G06N3/0464 , G06N3/08 , G01W1/10
Abstract: 一种基于超图神经网络的气象数据预测方法及装置，能够有效地模拟气象现象的高阶聚合和平流，聚合相似的气象数据和均衡不同的数据来捕获空间特征，从而适应大气系统的复杂性，自适应地集成聚合和疏远超图卷积的输出。方法包括：(1)数据处理；(2)构造邻接和语义超图；(3)聚合和疏远超图卷积神经网络；(4)多信息特征融合单元；(5)使用L1损失函数优化模型参数。
-
公开(公告)号：CN117876425A
公开(公告)日：2024-04-12
申请号：CN202410061577.7
申请日：2024-01-16
Applicant: 北京工业大学
IPC: G06T7/246 , G06T9/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 一种基于双维度时空图卷积神经网络的轨迹预测方法涉及行人轨迹预测领域，旨在引入一种新的建图方式对行人的交互进行建模。本方法利用了行人之间的坐标偏移和行人的朝向角度进行偏向角构图。将行人之间的偏向角在范围内的偏向角度视为两者有交互关系，否则视为无关系。同时本发明也引入了上述的距离构图法，最后将二者输入至图卷积神经网络后对再各自的信息进行整合。如上所述，本发明通过从不同维度对行人交互进行构建，可以更加全面的提取行人交互的时空特征，从而提供更加准确的轨迹预测结果。
-
公开(公告)号：CN117671941A
公开(公告)日：2024-03-08
申请号：CN202311556250.9
申请日：2023-11-21
Applicant: 北京工业大学 , 越秀(中国)交通基建投资有限公司 , 越秀(湖北)高速公路有限公司
IPC: G08G1/01
Abstract: 本发明提供了一种基于时空Copula理论的缺失交通流量插补方法，包括：获取路网中路段在固定采样间隔内的交通流量，并与采样点空间位置和采样时间关联匹配得到观测数据；刻画单个交通流量的边缘分布，对于观测数据，通过数据分布拟合的方式得到对应的边缘累计分布函数；刻画交通流量的时空依赖关系，得到时空相关矩阵；根据最大似然方法对时空相关矩阵中的参数进行估计，得到估计参数集基于 和对n+1时刻的缺失交通流量值进行插补。本发明实现了对交通流量的空间统计特征和时序特征融合，实现了对交通流量时空依赖结构的刻画，提高了缺失交通流量数据的插补精度。
-
公开(公告)号：CN117648652A
公开(公告)日：2024-03-05
申请号：CN202311565319.4
申请日：2023-11-22
Applicant: 北京工业大学
IPC: G06F18/2433 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/063 , G06Q50/40
Abstract: 一种基于动态超图卷积神经网络的异常交通状态检测方法适用于交通大数据领域，增强模型对不平衡异常标签的交通数据的异常检测能力同时提高鲁棒性。为了增加模型的鲁棒性和有效性，引入了一种数据增强技术，通过在时空两个维度对原始数据进行扭曲和掩码操作，使得模型能够更好地从这些不平衡的异常数据中检测到异常情况。其次，设计了一个时空超图卷积块，用于捕获交通数据的时间特征和空间特征。还设计了一种动态评估机制，以表示道路模式的演变属性，从而更准确地描述不同道路之间的依赖关系。最后，提出了一个动态超图卷积神经网络专门用于检测复杂交通场景下的异常情况。这个方法为解决交通异常状态检测问题提供了一种有效的方法。
-
公开(公告)号：CN114620161B
公开(公告)日：2023-09-01
申请号：CN202210345128.6
申请日：2022-03-31
Applicant: 北京工业大学
IPC: B62D57/032 , B62D57/024
Abstract: 本发明公开了一种具有多地形适应性的具有少自由度腿部结构的仿蜈蚣机器人。包括腿部机构、转向机构、主传动链、传感系统。腿部机构和转向机构有多套，腿部机构和转向机构交替连接形成仿蜈蚣机器人主体结构；主传动链为腿部机构提供爬行动力。爬行过程中，一部分脚趾着地做支撑，另外一部分脚趾离地向前，周期性交替运动。攀爬过程保持平衡，确保地面附着能力；仿蜈蚣机器人通过前后两个主传动链电机为主传动链提动力，主动链为所有腿部机构提高动力；仿蜈蚣机器人每个转向机构都有左右和俯仰两个自由度，增加仿蜈蚣机器人复杂地形适应能力，可完成复杂运动；仿蜈蚣机器人具有最智能传感系统可检测、侦查外部环境，并可完成自主运动规划。
-
Patent Agency Ranking
公开(公告)号：CN109829972B
公开(公告)日：2023-06-02
申请号：CN201910056962.1
申请日：2019-01-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向连续帧点云的三维人体标准骨架提取方法，该方法包含以下两个步骤：第一步，采集多视角运动人体的图像，使用每一帧的各视角图像重建出稠密的点云模型。针对每一帧的点云模型，进行降采样，表面重建，进而使用基于模型分割的三维人体标准骨架提取算法提取标准骨架模型；第二步，对提取的标准骨架进行帧间对齐与对应点匹配，构造连续帧标准骨架的骨骼点序列，建立连续帧骨骼点位置优化模型对上面得到的骨骼点序列进行优化，最终得到面向连续帧点云的三维人体标准骨架序列在几乎没有人工干预的前提下，提取的三维人体骨架无论是在完整性上，与原模型贴合度上，准确性上，还是在标准性上都比传统方法提取的骨架更具有优势，更具有实用价值与意义。
-
公开(公告)号：CN115937758A
公开(公告)日：2023-04-07
申请号：CN202210859858.8
申请日：2022-07-21
Applicant: 北京工业大学
IPC: G06V20/52 , G06V10/80 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 一种基于多尺度动态图卷积网络的弱监督人群计数方法属于人群计数在公共安全、城市规划和交通调度等领域。由于交通场景的复杂性和多样性，对大量人群进行点级标注非常困难，而且需要大量人力。弱监督人群计数更适合这些场景，因为它们只需要计数级别的注释。现有的弱监督人群计数忽略了交叉距离人群密度分布的不均匀性和多尺度人群头部，无法获得与全监督人群计数方法相似的准确计数结果。本发明提出了一种多级区域动态图卷积模块来提取不同人群区域之间的内在关系，从而学习动态区域得分，进而优化区域特征表示，还设计了一个粗粒度的多级特征融合模块来提取多尺度人群头部信息。本发明具有较高的回归精度的端到端人群计数能力。
-
公开(公告)号：CN115809279A
公开(公告)日：2023-03-17
申请号：CN202211218949.X
申请日：2022-10-07
Applicant: 北京工业大学
IPC: G06F16/2458 , G06F16/29 , G06F18/23 , G06N3/0455 , G06N3/088 , G06Q50/26
Abstract: 本发明提出一种基于半监督超图聚类的个体出行模式分析方法，用于解决现有技术没有考虑到乘客出行之间复杂的关联关系以及实际应用中交通出行数据的难以标记，进而无法准确挖掘出具有相似出行行为的个体。本方法首先根据公共交通出行链数据从多个维度提取乘客出行行为特征，利用根据出行行为特征构建超图来表示乘客之间复杂的高阶关联关系。其次提出卷积融合模块自适应地融合乘客自身的出行信息和乘客之间的关联结构信息。然后将融合后的特征表示执行聚类，从而识别出行模式。最后，为了提升聚类的性能，采用半监督学习，通过少量监督信息达到更好的聚类效果。本方法在北京市公共交通数据上能够挖掘出具有相似出行模式的乘客。
-
公开(公告)号：CN115146695A
公开(公告)日：2022-10-04
申请号：CN202210295276.1
申请日：2022-03-23
Applicant: 北京工业大学
Abstract: 一种基于超图注意力网络的公共交通出行群体分类方法属于智能交通系统领域，旨在解决出行群体分类问题。首先，利用KNN(K‑NearestNeighbor)网络将公共交通个体出行特征数据构建出超图表示，其中节点表示出行个体，超边为KNN建模的出行个体间的属性拓扑关系；接下来使用超图注意力网络(HGAT)学习超图中节点的表示，共分为两步。第一步，用节点注意力来学习节点的特征表示。第二步，采用另一个聚合器来聚合节点的最终表示；最后，将节点的表示输入到线性层，进行出行群体的分类，并采用交叉熵损失来优化模型的预测能力。实验证明，本发明能够实现对于公共交通出行群体的精准分类，且准确度有了很大的提升。
-
公开(公告)号：CN114662748A
公开(公告)日：2022-06-24
申请号：CN202210250344.2
申请日：2022-03-07
Applicant: 北京工业大学
Abstract: 本发明提出一种基于图结构学习的多行为融合神经网络分类预测方法，涉及模式识别与机器学习，尤其是面向基于多源异构校园大数据的学生成绩预测任务。该方法利用多源异构的校园大数据集进行学生行为特征提取，引入K邻近算法构建多行为融合特征图，在此基础上，提出了优化的图结构学习模块学习。相比于单行为节点特征在特征图上进行传播，多行为特征图能够为学习节点嵌入提供更加全面的特征信息。同时，优化的图结构学习模块能够为节点特征图的学习提供共享的信息表示。相比于现有的分类预测模型，本发明方法显著提升了分类预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.035 seconds)
