公开(公告)号：CN110689764B

公开(公告)日：2020-09-22

申请号：CN201910915049.2

申请日：2019-09-26

Applicant: 华南理工大学

Inventor： 李峰 ,  贺科智 ,  马莹莹 ,  张一帆

IPC: G08G5/00 ,  G08G5/06 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于动态模拟的飞机离场放行排序方法，首先，对机场内所有临近放行时间的飞机进行高精度仿真，预测其到达跑道口的准确时间；然后根据飞机预期到达跑道口时间的不同，考虑飞机在跑道口无谓等待的时间，通过改变飞机的放行次序，允许后申请的先放行，得到更优化的放行次序，从而使得飞机能够最小化滑行等待时间，减少滑行道占用的浪费和滑行油耗，提高机场跑道的利用率。

公开(公告)号：CN114066582A

公开(公告)日：2022-02-18

申请号：CN202111212661.7

申请日：2021-10-18

Applicant: 华南理工大学

Inventor： 刘雅玲 ,  张一帆 ,  张幸林 ,  林升升

IPC: G06Q30/08 ,  G06Q30/02

Abstract: 本发明公开了一种基于两阶段激励机制的双向拍卖方法、设备及存储介质，包括，获得虚拟代理降序预算数组和用户竞价正序数组；对两个数组进行比较，获得满足虚拟代理降序预算数组大于等于用户竞价正序书序的最大索引，并分别截取虚拟代理降序预算数组及用户竞价正序数组的前k项，构成虚拟代理降序预算新数组和用户竞价正序新数组；如果最大索引等于2，则执行Vickery拍卖，否则生成虚拟代理预算差价数组及用户竞价差价数组；生成一个随机数，根据随机数与预设超参数的比较结果，则执行kVickrey拍卖或AucSP拍卖，用户拍卖获胜，获得奖励；生成拍卖获胜的用户及虚拟代理匹配对。本发明有效提高代理‑用户对的匹配效率和质量。

公开(公告)号：CN110689764A

公开(公告)日：2020-01-14

申请号：CN201910915049.2

申请日：2019-09-26

Applicant: 华南理工大学

Inventor： 李峰 ,  贺科智 ,  马莹莹 ,  张一帆

IPC: G08G5/00 ,  G08G5/06 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于动态模拟的飞机离场放行排序方法，首先，对机场内所有临近放行时间的飞机进行高精度仿真，预测其到达跑道口的准确时间；然后根据飞机预期到达跑道口时间的不同，考虑飞机在跑道口无谓等待的时间，通过改变飞机的放行次序，允许后申请的先放行，得到更优化的放行次序，从而使得飞机能够最小化滑行等待时间，减少滑行道占用的浪费和滑行油耗，提高机场跑道的利用率。

公开(公告)号：CN114956047A

公开(公告)日：2022-08-30

申请号：CN202210492688.4

申请日：2022-05-07

Applicant: 华南理工大学

Inventor： 余皓 ,  张一帆 ,  何志艳 ,  王红娟 ,  曹永海

IPC: C01B32/10 ,  C01B32/168 ,  B82Y30/00 ,  B82Y40/00

Abstract: 本发明公开了一种碳材料掺杂金属原子的方法。本发明的碳材料掺杂金属原子的方法包括以下步骤：将金属源和含氟碳材料混合进行研磨，再进行煅烧、酸洗和干燥，即得金属原子原位掺杂的碳材料。本发明利用含氟碳材料高温脱氟过程中生成的高浓度空位可以实现低熔点金属原子的原位高效掺杂，操作简单，普适性强，适合进行大规模推广应用。

公开(公告)号：CN113160135A

公开(公告)日：2021-07-23

申请号：CN202110274834.1

申请日：2021-03-15

Applicant: 华南理工大学

Inventor： 吴庆耀 ,  张一帆 ,  赖吕龙 ,  谭明奎

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开了一种基于无监督迁移图片分类的结肠病变智能识别方法、系统及介质，通过构建包括结构相同的两个子网络模块、难度量化模块、领域对齐模块、噪声适应性模块和多样性模块的模型对结肠病变的智能识别，无需带标注的结肠显微图像样本，且对错误标注的鲁棒性高，克服了现有的结肠病变智能识别技术中，非常依赖难以取得的结肠显微图像的数量和标注的质量，使得成本非常高的缺陷。同时，本发明提出的结肠病变智能识别方法基于无监督迁移学习，成本低，鲁棒性强，灵活性高。

公开(公告)号：CN109800799A

公开(公告)日：2019-05-24

申请号：CN201910001840.2

申请日：2019-01-02

Applicant: 华南理工大学

Inventor： 吴庆耀 ,  张一帆 ,  谭明奎

IPC: G06K9/62

Abstract: 本发明提供了一种适用于无标签不平衡数据流的在线主动学习方法，包括：无标签数据流时序的输入线性分类器中进行预测，其中数据流的类别具有高度不平衡问题，即正类样本数量稀少；根据提出的非对称访问策略，线性分类器针对不平衡数据，动态地决定需要被标注标签的样本；根据提出的非对称更新策略，线性分类器利用错误预测的标注数据更新线性分类器，并利用样本的二阶信息提高学习效率；本发明的一种适用于无标签不平衡数据流的在线主动学习方法利用样本的二阶信息，提出了新的非对称策略；该非对称策略同时考虑样本的标注和模型的更新，能够更好地解决样本的类别不平衡问题，并提升基于流数据的主动学习模型的分类性能。