-
公开(公告)号：CN107994940B
公开(公告)日：2019-11-15
申请号：CN201711142400.6
申请日：2017-11-17
Applicant: 华南理工大学
IPC: H04B10/079 , H04B10/116 , H04W4/02 , H04W4/33
Abstract: 本发明公开了一种基于禁忌搜索的可见光定位方法，所述方法针对现有的三维室内可见光定位精度不高的问题，利用禁忌搜索算法对接收端进行定位，禁忌搜索算法采用禁忌策略限制搜索过程陷入局部最优来避免迂回搜索，同时引入特赦准则来释放一些被禁忌的优良定位位置状态，以保证搜索最优定位点过程的有效性和多样性，使用禁忌搜索算法对接收端进行定位时，定位精度高，平均误差优于现有的三维室内可见光定位。
-
公开(公告)号：CN113378539B
公开(公告)日：2023-02-14
申请号：CN202110730159.9
申请日：2021-06-29
Applicant: 华南理工大学
IPC: G06F40/186 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种面向标准文档编写的模板推荐方法，包括步骤：构建标准文档库，包括标准编号，各层标题以及对应标准内容；对用户输入的标准文档的标题进行字符级的精确匹配，返回匹配文档结果；对标题查询无结果的输入，采用分词算法对用户输入进行分词，匹配包含分词各结果的标准文档标题，返回匹配文档结果；对于分词查询无结果的输入，采用词嵌入模型对查询单词进行特征映射，并根据语义特征向量进行匹配查询最接近的标准文档标题，并返回匹配结果。本发明能够根据标准文档和标准用户的输入特性，有效的进行标准文档编写的模板推荐。
-
公开(公告)号：CN111460824B
公开(公告)日：2022-06-14
申请号：CN202010237531.8
申请日：2020-03-30
Applicant: 华南理工大学
IPC: G06F40/295 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对抗迁移学习的无标注命名实体识别方法，构建无标注命名实体识别模型，包括步骤：输入源领域或者目标领域的文本，并映射为词嵌入向量；将词嵌入向量输入到双向长短期记忆网络中提取出特征向量；将特征向量输入到对抗判别器，将源领域和目标领域的数据映射到同一数据分布空间中；将特征向量输入到条件随机场中，计算输入文本所有可能的标签序列的概率，选择概率最大的标签序列作为最终的预测标签；通过联合训练命名实体识别任务和对抗训练任务，得到最佳的模型参数；输入目标领域的数据，通过CRF层输出预测标签。本发明通过对抗判别器可以将源领域和目标领域数据映射到同一分布的空间内，从而提高目标领域数据的实体预测效果。
-
公开(公告)号：CN107919910A
公开(公告)日：2018-04-17
申请号：CN201710961633.2
申请日：2017-10-17
Applicant: 华南理工大学
IPC: H04B10/116 , G01S5/16
CPC classification number: H04B10/116 , G01S5/16
Abstract: 本发明公开了一种抗NLOS干扰的可见光定位方法。传统的基于TDOA的VLC定位算法需要精确的时间检测装置，对硬件设备要求较高，代价非常昂贵。本发明在接收算法方面采用抗NLOS干扰的定位算法，用混沌优化算法估计初始位置，结合泰勒级数展开算法对接收端位置进行递归运算，得到最终精确定位点。相对于传统的接收端定位算法，这种混合算法定位更加精确，误差更小。在相同基础设施条件下，能够在满足照明需求的同时，也能提供精度比传统方法更高的定位服务。具有广阔的应用前景。
-
公开(公告)号：CN113378539A
公开(公告)日：2021-09-10
申请号：CN202110730159.9
申请日：2021-06-29
Applicant: 华南理工大学
IPC: G06F40/186 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种面向标准文档编写的模板推荐方法，包括步骤：构建标准文档库，包括标准编号，各层标题以及对应标准内容；对用户输入的标准文档的标题进行字符级的精确匹配，返回匹配文档结果；对标题查询无结果的输入，采用分词算法对用户输入进行分词，匹配包含分词各结果的标准文档标题，返回匹配文档结果；对于分词查询无结果的输入，采用词嵌入模型对查询单词进行特征映射，并根据语义特征向量进行匹配查询最接近的标准文档标题，并返回匹配结果。本发明能够根据标准文档和标准用户的输入特性，有效的进行标准文档编写的模板推荐。
-
Patent Agency Ranking
公开(公告)号：CN107994940A
公开(公告)日：2018-05-04
申请号：CN201711142400.6
申请日：2017-11-17
Applicant: 华南理工大学
IPC: H04B10/079 , H04B10/116 , H04W4/02 , H04W4/33
Abstract: 本发明公开了一种基于禁忌搜索的可见光定位方法，所述方法针对现有的三维室内可见光定位精度不高的问题，利用禁忌搜索算法对接收端进行定位，禁忌搜索算法采用禁忌策略限制搜索过程陷入局部最优来避免迂回搜索，同时引入特赦准则来释放一些被禁忌的优良定位位置状态，以保证搜索最优定位点过程的有效性和多样性，使用禁忌搜索算法对接收端进行定位时，定位精度高，平均误差优于现有的三维室内可见光定位。
-
公开(公告)号：CN107343265A
公开(公告)日：2017-11-10
申请号：CN201710699977.0
申请日：2017-08-16
Applicant: 华南理工大学
IPC: H04W4/02 , H04W4/04 , G01S5/16 , H04B10/116
CPC classification number: H04W4/02 , G01S5/16 , H04B10/116
Abstract: 本发明公开了一种基于最大似然估计的可见光定位系统及方法，所述系统包括三个发射端、信道和接收端，所述每个发射端包括正弦波发生模块、OFDM发射端模块、数-模转换模块、LED驱动器和一盏LED灯具；所述信道为室内光信道，每盏LED灯具发射的光信号通过信道传输到接收端的PIN光电检测器；所述接收端包括PIN光电检测器、放大滤波电路、OFDM接收端模块、模-数转换模块和最大似然估计模块；所述正弦波发生模块、OFDM发射端模块、数-模转换模块、LED驱动器和LED灯具依次连接；所述PIN光电检测器、放大滤波电路、OFDM接收端模块、模-数转换模块和最大似然估计模块依次连接。本发明能够更加精确地测量发射端和接收端的距离，达到了精确定位的效果。
-
公开(公告)号：CN107343265B
公开(公告)日：2023-07-18
申请号：CN201710699977.0
申请日：2017-08-16
Applicant: 华南理工大学
IPC: H04W4/02 , H04W4/33 , G01S5/16 , H04B10/116
Abstract: 本发明公开了一种基于最大似然估计的可见光定位系统及方法，所述系统包括三个发射端、信道和接收端，所述每个发射端包括正弦波发生模块、OFDM发射端模块、数‑模转换模块、LED驱动器和一盏LED灯具；所述信道为室内光信道，每盏LED灯具发射的光信号通过信道传输到接收端的PIN光电检测器；所述接收端包括PIN光电检测器、放大滤波电路、OFDM接收端模块、模‑数转换模块和最大似然估计模块；所述正弦波发生模块、OFDM发射端模块、数‑模转换模块、LED驱动器和LED灯具依次连接；所述PIN光电检测器、放大滤波电路、OFDM接收端模块、模‑数转换模块和最大似然估计模块依次连接。本发明能够更加精确地测量发射端和接收端的距离，达到了精确定位的效果。
-
公开(公告)号：CN111460824A
公开(公告)日：2020-07-28
申请号：CN202010237531.8
申请日：2020-03-30
Applicant: 华南理工大学
IPC: G06F40/295 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对抗迁移学习的无标注命名实体识别方法，构建无标注命名实体识别模型，包括步骤：输入源领域或者目标领域的文本，并映射为词嵌入向量；将词嵌入向量输入到双向长短期记忆网络中提取出特征向量；将特征向量输入到对抗判别器，将源领域和目标领域的数据映射到同一数据分布空间中；将特征向量输入到条件随机场中，计算输入文本所有可能的标签序列的概率，选择概率最大的标签序列作为最终的预测标签；通过联合训练命名实体识别任务和对抗训练任务，得到最佳的模型参数；输入目标领域的数据，通过CRF层输出预测标签。本发明通过对抗判别器可以将源领域和目标领域数据映射到同一分布的空间内，从而提高目标领域数据的实体预测效果。
-
公开(公告)号：CN112380874B
公开(公告)日：2023-07-18
申请号：CN202011076361.6
申请日：2020-10-10
Applicant: 华南理工大学
IPC: G06F40/35 , G06F40/211 , G06F40/284 , G06N3/042 , G06N3/0464 , G06N3/044 , G06N3/082
Abstract: 本发明涉及一种基于图卷积网络的多人对话语篇分析方法，包括以下步骤：S1、通过句子编码模块将对话中的句子映射为局部句子向量；S2、通过图卷积网络捕捉句子之间的语义关系，输出全局句子向量；S3、通过拼接句子向量和全局句子向量，输入到语义连接预测模块预测连接的目标句子；S4、通过拼接句子向量和全局句子向量，输入到语义分类模块获取句子间的语义关系；S5、通过模型训练语义连接预测和语义关系分类任务，获取模型参数；S6、模型训练完毕后，输入整个对话的句子，输出句子间存在的语义连接及语义关系，完成多人对话的语篇分析。本发明利用图卷积网络捕捉多人对话的句子间存在的语义关系，从而提高语篇分析的性能。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
