-
公开(公告)号：CN118940915A
公开(公告)日：2024-11-12
申请号：CN202411383807.8
申请日：2024-09-30
申请人： 云南大学
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/0499 , G06N3/08 , G06Q50/06 , G06F18/15 , G06F18/213 , G06F18/25
摘要： 本发明公开一种融合时空特征的区域电网线损预测方法，属于时空序列预测领域。通过区域电网样本生成、区域电网结构特征提取、区域电网时序特征提取，最后融合电网结构和时序特征，训练回归模型以计算区域电网不同时刻的线损。本发明的方法综合考虑区域电网结构和时序性对线损的影响，实现区域电网线损的精准预测，为供电企业提供降损增效及优化运营的决策依据，为发电量及区域碳排放量的精准预测奠定基础，为新型电力系统构建提供技术支撑。
-
公开(公告)号：CN113591866B
公开(公告)日：2023-07-07
申请号：CN202110865778.9
申请日：2021-07-29
申请人： 云南大学
IPC分类号： G06V30/148 , G06V30/14 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0442
摘要： 本发明公开了一种基于DB与CRNN的特种作业证件检测方法及系统，该方法包括：将每张目标特种作业证件图像输入到DB文本检测网络模型，以确定每张目标特种作业证件图像对应的文本框数据集合；将每张目标特种作业证件图像以及每张目标特种作业证件图像对应的文本框数据集合输入到CRNN文本识别网络模型中，以确定每张所述目标特种作业证件图像中每个所述目标文本框内的文本信息。DB文本检测网络中的Backbone模块采用的是MobileNetV3‑large结构；CRNN文本识别网络中的CNN模块的部分结构采用的是MobileNetV3‑small结构。本发明能够达到降低人工工作量并提高证件图像检测效率的目的。
-
公开(公告)号：CN116390104A
公开(公告)日：2023-07-04
申请号：CN202310323556.3
申请日：2023-03-29
申请人： 云南大学
IPC分类号： H04W16/18
摘要： 本发明公开了一种用户需求驱动的5G基站选址方法，确定需要新建5G基站的矩形规划区域并进行网格划分，每个网格中心点作为一个候选基站站址，并得到各个网格的用户需求点数量，然后根据新建5G基站部署在不同候选基站站址覆盖的需求点数量情况计算候选基站站址之间的贴近度，然后基于贪心法求解得到最优基站站址集合，在求解过程中通过基于贴近度计算得到的分离度来确定每轮的最优基站站址。本发明可以使用最少的基站数达到最大的覆盖率，并在用户需求大的区域增加基站个数，高效准确地获取5G基站选址的结果。
-
公开(公告)号：CN116310617A
公开(公告)日：2023-06-23
申请号：CN202211089355.3
申请日：2022-09-07
申请人： 云南大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06T7/11 , G06V10/44 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于卷积神经网络的细粒度鼠类识别方法，收集鼠类图像样本集，构建基于三分支卷积神经网络的细粒度鼠类识别模型，包括图像特征提取模块、主体区域选择模块、擦除视角图像生成模块、裁切视角图像生成模块、全局平均池化模块、分类网络和识别结果融合模块，通过对提取的主体视角、擦除视角、裁切视角的特征进行识别，融合得到最终的识别结果，采用鼠类图像样本集对细粒度鼠类识别模型进行训练，采用训练好的细粒度鼠类识别模型对待识别的老鼠图像进行识别。本发明通过构建基于三分支卷积神经网络的细粒度鼠类识别模型，能有效过滤背景噪声，聚焦于鼠类图像中的重要区域，增强局部特征的表征能力，从而提高细粒度鼠类识别的精度。
-
公开(公告)号：CN112115327A
公开(公告)日：2020-12-22
申请号：CN202010141439.1
申请日：2020-03-04
申请人： 云南大学
IPC分类号： G06F16/951 , G06F16/9535 , G06F40/289 , G06F40/242 , G06F40/216 , G06Q50/00
摘要： 本发明公开了一种基于主题模型的舆情新闻事件跟踪方法。针对舆情新闻的稀疏性、时序性、易演化性等特点，给出了一种舆情主题模型MBTM（Minority Biterm Topic Model）的构建方法，然后利用MBTM对舆情新闻数据进行建模、推断隐含主题，进一步设置时间节点，在每个时间节点上对主题‑词分布进行采样，获取对应主题中的词项，再利用JS散度和主题强度两个指标挖掘主题演化轨迹，完成对特定舆情新闻事件的在线跟踪。本发明在构建MBTM的过程中，使用了一种基于随机更新思想的近似推断方法来更新参数，从而能够精确、高效的实现舆情新闻事件追踪，也为特定领域新闻事件跟踪技术提供参考。
-
公开(公告)号：CN106897109B
公开(公告)日：2020-04-14
申请号：CN201710075720.8
申请日：2017-02-13
申请人： 云南大学
IPC分类号： G06F9/455
摘要： 本发明公开了一种基于随机森林回归的虚拟机性能预测方法，根据待预测的虚拟化环境的资源特点，从底层硬件特征、虚拟机软件特征、虚拟机资源配置特征、虚拟机运行时环境特征四个方面提取可能影响虚拟机性能的特征，配置不同虚拟机性能特征组合的虚拟机，通过运行基准测试程序来获取所需的性能指标值，获得数据样本集；根据数据样本集构建随机森林回归模型，采用随机森林回归模型对特定虚拟机性能特征配置的虚拟机进行性能预测。本发明采用随机森林回归模型来描述虚拟机性能特征与性能指标间的关系，从而有效预测特定配置下的虚拟机性能。
-
公开(公告)号：CN106557985B
公开(公告)日：2020-03-24
申请号：CN201611040867.5
申请日：2016-11-21
申请人： 云南大学
IPC分类号： G06Q50/00
摘要： 本发明公开了一种基于随机游走的社交网络信息传播源求解方法，通过在社交网络中选取观测节点，观测选取的节点是否被感染，将被感染的观测节点放入观测集，直到得到含有K个已被感染节点的观测集，再从观测集的已被感染节点出发，进行多步基于随机游走的回溯，将所到达的节点放入候选源节点集，这样得到一个节点个数不超过观测节点集中节点个数的候选源点集，重复多次进行这样的回溯，记录各个节点在多次实验中被选入候选源点集的次数，得到被选中概率最高的节点作为源节点求解结果，这样考虑利用增强学习的思想加快算法收敛速度，也保证了求解结果的准确性。
-
公开(公告)号：CN107562729A
公开(公告)日：2018-01-09
申请号：CN201710825882.9
申请日：2017-09-14
申请人： 云南大学
IPC分类号： G06F17/27
摘要： 本发明公开了一种基于神经网络和主题强化的党建文本表示方法。党建工作的相关文本是党建工作数据最重要形式之一，是一类具有鲜明主题的领域性文本。文本向量表示是文本分析的重要基础。本发明针对党建工作相关的文本数据，首先抽取党建文本的词集和主题词集，并采用词向量技术表示党建文本；其次，基于二维卷积神经网络提取党建文本的语义特征；第三，用党建文本的主题词向量与党建文本的语义特征进行融合强化党建文本主题特征，使得到的文本向量更能体现党建文本的领域特点；本发明将为党建文本定量计算和智能分析，尤其是党建文本分类、检索和翻译等工作提供更有效的支撑。
-
公开(公告)号：CN104615779B
公开(公告)日：2017-08-11
申请号：CN201510090280.4
申请日：2015-02-28
申请人： 云南大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种Web文本个性化推荐方法，通过对某时刻t之前产生的若干Web文本进行特征提取，得到Web文本集合的特征矩阵E，然后进行聚类得到n个类别；同时，对某个用户ui在时刻t之前的行为所涉及的Web文本子集合中的Web文本oj产生的时刻距离时刻t的时间长度hj计算出其对用户ui偏好影响度dj，得到Web文本oj的类编号‑影响度对cj，生成用户ui的动态偏好向量；若找出用户与待推荐Web文本所属类的偏好影响度不小于阈值τ，则将该待推荐Web文本推荐给该用户。本发明考虑了用户历史行为对当前偏好随时间推移而改变的动态影响，推荐更准确、具有动态性、且更符合实际情形。
-
公开(公告)号：CN106897109A
公开(公告)日：2017-06-27
申请号：CN201710075720.8
申请日：2017-02-13
申请人： 云南大学
IPC分类号： G06F9/455
摘要： 本发明公开了一种基于随机森林回归的虚拟机性能预测方法，根据待预测的虚拟化环境的资源特点，从底层硬件特征、虚拟机软件特征、虚拟机资源配置特征、虚拟机运行时环境特征四个方面提取可能影响虚拟机性能的特征，配置不同虚拟机性能特征组合的虚拟机，通过运行基准测试程序来获取所需的性能指标值，获得数据样本集；根据数据样本集构建随机森林回归模型，采用随机森林回归模型对特定虚拟机性能特征配置的虚拟机进行性能预测。本发明采用随机森林回归模型来描述虚拟机性能特征与性能指标间的关系，从而有效预测特定配置下的虚拟机性能。
-
-
-
-
-
-
-
-
-
搜索结果
89 条记录 (耗时 0.033 秒)
