-
公开(公告)号：CN106027678A
公开(公告)日：2016-10-12
申请号：CN201610549343.2
申请日：2016-07-13
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种景区游客人流量实时统计和人流超限自动预警系统及方法，该方法包括：智能终端通过APP软件接收蓝牙基站广播的景区及景点标识码信息、记录时间戳信息同时生成游客的游览时空数据；云服务器接收智能终端发送的游客游览时空数据并进行存储和处理，得出景区及各景点内实时人流量数据并自动生成预警消息；智能终端可通过无线互联网查询云服务器获取景区内各个景点实时人流量，并在景点人流量超限时自动接收预警消息。本发明实现了景区游客人流量实时统计和人流超限自动预警功能，并能针对景区内某景点内游客进行预警，具有管理精确度高，成本较低的优点。
-
公开(公告)号：CN113901319B
公开(公告)日：2024-03-26
申请号：CN202111212501.2
申请日：2021-10-18
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06F16/9538 , G06F16/36 , G06F16/33 , G06N3/045 , G06N3/048 , G06N3/088 , G06N5/025 , G06N5/02
Abstract: 本发明公开一种基于序列语义与属性图特征学习的地点推荐方法，从社交网站下载历史数据，利用历史数据构建用户知识图谱、地点知识图谱、用户和地点的节点图、以及用户访问地点序列；构建联合用户社交关系、地点地理及属性信息的推荐模型，并利用用户访问地点序列和用户访问地点的节点图对推荐模型进行训练，得到训练好的推荐模型；将待推荐用户的用户访问地点序列送入到训练好的推荐模型中，得到该待推荐用户感兴趣的地点列表推荐给用户。本发明能够有效提高个性化推荐的准确性。
-
公开(公告)号：CN111415198B
公开(公告)日：2023-04-28
申请号：CN202010195068.5
申请日：2020-03-19
Applicant: 桂林电子科技大学
IPC: G06Q30/0201 , G06Q30/0203 , G06Q30/0601 , G06Q50/14 , H04W4/80
Abstract: 本发明公开了一种基于逆向强化学习的游客行为偏好建模方法，基于iBeacon对展品进行定位，结合智能手机接收拍照广播的次数和iBeacon的位置标识，上传并存储游览行为数据，获取马尔科夫决策过程中的五个元素，构建马尔科夫决策过程模型，利用函数逼近法构造回报函数，获取并在所述回报函数中加入归一化后的拍照次数和停留时间，并把所述游览数据转换为专家示例数据，采用玻尔兹曼分布来计算策略，得到对数似然估计函数后，进行求导和更新权重向量，并当满足设定条件时，结束偏好的学习，能根据有限的游客游览数据学习出精准的游客偏好。
-
公开(公告)号：CN110532464B
公开(公告)日：2022-04-12
申请号：CN201910743597.1
申请日：2019-08-13
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/951 , G06F16/36 , G06Q50/14
Abstract: 本发明公开了一种基于多旅游上下文建模的旅游推荐方法，包括：采集数据并进行预处理，对用户、景点及其属性数据进行编号；构建旅游序列轨迹和景点知识图谱；通过深度学习模型训练得到游客访问行为序列上下文和景点旅游属性上下文的特征表示；融合多旅游上下文信息得到最终的用户向量和景点向量；计算用户向量与各景点向量的空间距离相似度，得到Top‑K旅游景点推荐。本发明利用向量融合的方法将由游客访问行为序列上下文和景点旅游属性上下文分别得到的用户向量和景点向量合并为最终的用户向量和景点向量，该特征表示有效地融合了多旅游上下文，提高了特征表示中的高级旅游语义，确保了推荐的有效性。
-
公开(公告)号：CN110287335B
公开(公告)日：2021-08-27
申请号：CN201910522015.7
申请日：2019-06-17
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06Q50/14 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，包括：对游客的历史游览景点序列进行预处理并进行景点‑编码转换；使用node2vec随机游走得到景点序列，利用word2vec中的Skip‑gram模型，得到游客和景点的特征向量；将景点的特征向量加上偏置得将作为GRU网络的输入，然后利用GRU网络进行训练输出每个景点的潜在向量；为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，将当前游客的长期偏好与游客的当前偏好做拼接操作后乘以权重得最终向量；对最终向量与游客的当前偏好进行点积操作得景点的预估评分，对景点的预估评分进行归一化处理得每个景点的预测概率，取前K个分数对应的景点，得到top_k景点推荐列表。
-
Patent Agency Ranking
公开(公告)号：CN108875005B
公开(公告)日：2021-03-26
申请号：CN201810620123.3
申请日：2018-06-15
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06N20/00
Abstract: 本发明提出一种基于游览行为的游客偏好学习系统,该系统包括iBeacon模块、智能终端、应用程序和服务器；所述iBeacon模块用于标识景区内部游览点或展厅内部展品的位置信息；所述应用程序用于接收并解析iBeacon模块的广播数据包，计算智能终端和iBeacon设备之间的距离，识别游客当前所处的游览点；所述智能终端采集游客在某个游览点的游览行为数据并上传游览行为数据至服务器；所述服务器用于处理并存储游客的游览行为数据，并根据偏好学习模型获取游客对不同游览点的偏好。本发明提出的将iBeacon模块和智能终端相结合获取游客游览行为的方法，可以获取游客细粒度的游览行为，根据本发明提出的游客偏好学习系统，可获取游客针对某一景区内各个游览点的细粒度游览偏好。
-
公开(公告)号：CN111882381A
公开(公告)日：2020-11-03
申请号：CN202010618323.2
申请日：2020-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于协同记忆网络的旅游推荐方法，首先使用神经网络将用户与景点进行向量化，然后引入了记忆网络，在记忆网络中采用了注意力机制的方法，最后在预测用户对景点的得分时，将隐因子模型的全局结构信息与记忆网络的局部邻域结构信息进行结合。本发明同时考虑用户的局部邻域结构信息以及景点的局部邻域结构信息，并与隐因子模型的协同过滤方法进行融合，实现了一种基于协同记忆网络的旅游推荐方法，以此达到高准确性和高个性化旅游推荐的目标。
-
公开(公告)号：CN111422148A
公开(公告)日：2020-07-17
申请号：CN202010253237.6
申请日：2020-04-02
Applicant: 桂林电子科技大学
IPC: B60R16/02 , B60R16/023 , B60R16/00
Abstract: 本发明公开了一种防拆车载终端，包括用于获取车辆行驶速度、发动机状态的车载端OBD-Ⅱ接口、车辆端OBD-Ⅱ接口、控制器模块、用于获取车辆行驶位置的GPS/北斗定位模块、用于计算车辆行驶速度的惯性传感器模块、无线模块和防拆开关；所述车载端OBD-Ⅱ接口、GPS/北斗定位模块、惯性传感器模块、无线模块、防拆开关分别与所述控制模块连接；所述车辆端OBD-Ⅱ接口与所述车载端OBD-Ⅱ接口连接。本发明能够大大减少车载终端被拆卸的风险，同时在车载终端被拆卸后能够及时发现，通知管理人员进行处理。
-
公开(公告)号：CN110608884A
公开(公告)日：2019-12-24
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN110031227A
公开(公告)日：2019-07-19
申请号：CN201910433022.X
申请日：2019-05-23
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于双通道卷积神经网络的滚动轴承状态诊断方法，包括采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据；对采集的振动加速度数据进行数据增强处理；对数据增强处理后的振动加速度数据按照滚动轴承状态类型贴上相应标签；构建卷积神经网络诊断模型，并用处理后的振动加速度数据对诊断模型进行训练；其中，所述诊断模型具有双通道卷积神经网络，所述双通道卷积神经网络包括两个用于分别抽取不同跨度的振动加速度数据的特征的卷积核；评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明的方法在不增加原始数据的情况下获得了更为细腻的信息，增加了诊断模型的精度与鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.033 seconds)
