-
公开(公告)号：CN118535920A
公开(公告)日：2024-08-23
申请号：CN202410662597.X
申请日：2024-05-27
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0442 , G01W1/10 , G01N15/06 , G06N3/08
Abstract: 基于多粒度对比学习的空气质量预测方法和系统，涉及空气质量预测领域。解决现有的研究没有考虑多粒度表征的模式多样性以及现有方法在处理时空数据的不均匀分布时显示局限性的问题。方法包括：获取空气质量监测站点的空气质量监测数据集和时间特征数据集，将空气质量监测数据集和时间特征数据集进行预处理并分为训练集、验证集和测试集，并将PM2.5作为目标污染物；将空气质量数据划分为不同的粒度，构建基于多粒度对比学习的空气质量预测模型；训练基于多粒度对比学习的空气质量预测模型；将测试集输入到训练后的基于多粒度对比学习的空气质量预测模型，获取空气质量预测值。应用于环境监测领域。
-
公开(公告)号：CN114238755B
公开(公告)日：2024-08-02
申请号：CN202111456522.9
申请日：2021-12-01
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0499 , G06N3/08
Abstract: 本发明提出基于多关系发现的个性化推荐方法，本发明使用图神经网络等技术构建基于多关系发现的个性化推荐模型，利用用户个人信息和交互序列数据，构建用户社交关系图、用户交互关系图、基于个人信息的用户潜在关系图和基于交互序列的用户潜在关系图，模型训练过程中不断更新潜在关系图，充分考虑和挖掘用户间的多种关系，大大提高了个性化推荐性能。
-
公开(公告)号：CN117274695A
公开(公告)日：2023-12-22
申请号：CN202311233678.X
申请日：2023-09-22
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/74 , G06V10/40 , G06N3/094 , G06N3/084 , G06N3/088
Abstract: 基于深度对抗域自适应的多源开集图像分类方法、电子设备及计算机存储介质，涉及迁移学习领域,解决现有多源开放集迁移学习方法将目标域中的未知类视为一个大类别，忽略了类别的多样性，易造成未知类的混淆的问题。本发明提供以下技术方案：多源开集图像分类方法包括以下步骤：将公开数据集作为试验数据集，对目标数据集按字母顺序分为已知类和未知类，对目标域数据集进行预处理；预处理后的目标数据集引入对比正则项，获得源域数据集的域不变特征；为目标域数据集中未知类样本构造决策边界；预测属于目标域数据集中的未知类样本的概率；采用改进的无监督聚类算法迭代地为得到的未知类样本进行聚类。还适用多源开放集图像分类方法领域。
-
公开(公告)号：CN116776880A
公开(公告)日：2023-09-19
申请号：CN202310576018.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F40/295 , G06F40/242 , G06N5/025 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/0895
Abstract: 一种外部信息辅助的中文知识抽取方法、系统、存储介质及计算机，涉及信息抽取领域。解决现有中文中的实体识别任务困难，需要处理更多的歧义性和上下文依赖性的问题。所述方法包括：获取中文嵌套命名实体识别数据集，将所述数据集进行预处理，并划分为训练集、验证集和测试集；构建外部信息辅助的中文知识抽取模型；利用所述训练集对所述外部信息辅助的中文知识抽取模型进行训练，获取优化模型；根据所述优化模型进行解码操作，获取优化模型预测的输入序列的所有互不冲突的命名实体。本发明应用于命名实体识别领域。
-
公开(公告)号：CN116595465A
公开(公告)日：2023-08-15
申请号：CN202310378368.0
申请日：2023-04-10
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F18/2433 , G06F18/2136 , G06F18/214 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于自编码器和数据增强的高维稀疏数据离群点检测方法及系统，属于数据挖掘技术领域，其中，该方法包括：获取异常检测样本数据集作为试验数据集，并对其进行预处理，得到训练集和测试集；构建数据增强模型，以对训练集进行上下采集处理，得到类异常样本与正常样本相等的增强数据；将训练集输入注意力机制模块中，以计算特征关联度；将增强数据输入注意力机制模型中，根据特征关联度计算相关特征数，根据相关特征数计算重构数据；利用离群点检测基准器对重构数据进行异常检测。该方法基于自编码器对数据进行降维操作，将稀疏的高维数据映射到低维空间中进行离群点检测，解决了维度过高对检测结果准确率的影响。
-
Patent Agency Ranking
公开(公告)号：CN112288156B
公开(公告)日：2023-03-31
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/042 , G06N3/047 , G06N3/0499 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN115757822A
公开(公告)日：2023-03-07
申请号：CN202211405144.6
申请日：2022-11-10
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06F18/214
Abstract: 本发明公开了一种基于超关系的全局数据空间链接预测方法及系统，属于知识图谱补全技术领域，其中，该方法包括：获取超关系数据集，提取超关系数据集中主三元组和附加超关系事实数据，并将超关系数据集进行预处理，以划分为训练集和测试集；构建基于超关系的全局数据空间链接预测方法；利用训练集对基于超关系的全局数据空间链接预测方法进行训练；将待预测的尾实体输入到训练好的基于超关系的全局数据空间链接预测方法中，得到全部尾实体的预测得分，再将最高预测分数作为预测尾实体。该方法提升了超关系事实之间的语义交互，还充分考虑了附加超关系事实对主三元组预测的影响，通过注意力机制设置不同超关系事实的影响权重来提升预测性能。
-
公开(公告)号：CN114781380A
公开(公告)日：2022-07-22
申请号：CN202210277553.6
申请日：2022-03-21
Applicant: 哈尔滨工程大学
IPC: G06F40/295 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06F40/30 , G06F16/36 , G06F17/18
Abstract: 本发明提出一种融合多粒度信息的中文命名实体识别方法、设备和介质。所述方法步骤如下：(1)获取领域语料数据集，将数据集进行预处理并分为训练集、测试集、验证集；(2)提取(1)预处理后的语料数据中字符、软词、部首级预训练向量并进行融合；(3)构建融合多粒度信息的中文命名实体识别模型；(4)将(2)所得的数据输入到模型中进行训练；(5)利用(4)所得的识别模型对待识别数据进行处理与计算，得到命名实体识别结果。本发明针对中文命名实体识别存在的不足，通过融合部首级信息利用序列中字符内部固有的语义信息，利用扩展的软词模块获取了词级别的语义信息，将两者融入到字符嵌入向量中，提高了中文命名实体识别的精度。
-
公开(公告)号：CN114547303A
公开(公告)日：2022-05-27
申请号：CN202210165299.0
申请日：2022-02-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于Bert‑LSTM的文本多特征分类方法及装置，属于文本分类技术领域，其中，该方法包括：确定待分类文本数据集，并划分为训练集和测试集；构建基于Bert‑LSTM的文本多特征分类模型；利用训练集对文本多特征分类模型进行训练，得到最优文本多特征分类模型；将待分类文本数据输入最优文本多特征分类模型中，计算待分类文本数据的得分，根据得分将其划分到预设对应类别中。该方法使用BERT以及双向长短期记忆网络等构建基于Bert‑LSTM的文本多特征分类模型，利用挖掘文本多方面的词特征信息和词义潜在语义表示特征信息，融入文本向量，模型在训练过程中充分利用多特征信息，提升了文本分类的性能。
-
公开(公告)号：CN114529081A
公开(公告)日：2022-05-24
申请号：CN202210150863.1
申请日：2022-02-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种时空联合的交通流量预测方法及装置，属于交通流量预测技术领域，其中，该方法包括：获取各个监测点的监测数据，将数据按照时间周期性规律进行分类并建立数据集，根据数据集构建监测站点无向图，同时将数据集划分训练集、测试集和验证集；基于监测站点无向图，构建时空联合的交通流量预测模型；利用训练集对时空联合的交通流量预测模型进行训练，得到最优时空联合的交通流量预测模型；将验证集输入到最优时空联合的交通流量预测模型中，计算未来交通流量预测值。该方法通过对时空注意力进行解耦，将数据进行更加细粒性的特征划分，充分考虑到每个监测点和每个时刻的特征，更高效的提取数据中的空间相关性和时间。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.038 seconds)
