-
公开(公告)号：CN111127364B
公开(公告)日：2022-08-02
申请号：CN201911365687.8
申请日：2019-12-26
Applicant: 吉林大学
Abstract: 本发明涉及一种图像数据增强策略选择方法及人脸识别图像数据增强方法。图像数据增强策略选择方法包括：获取数据增强策略搜索空间和目标物体图像集；在搜索空间中随机选取若干条数据增强策略；分别计算随机选取的若干条数据增强策略对应的图像分类误差，得到初始数据增强策略误差对集合；采用贝叶斯优化方法从搜索空间中搜索选出最优数据增强策略。人脸识别图像数据增强方法包括将选出的最优数据增强策略应用在待增强的人脸识别图像中。本发明的数据增强策略选择方法仅需要根据已有的目标物体图像集运行一次，选出最优数据增强策略，即可将该最优数据增强策略应用到同类的目标物体图像数据中进行图像数据增强，提高图像数据增强方法的使用效率。
-
公开(公告)号：CN111967946B
公开(公告)日：2024-04-12
申请号：CN202010919815.5
申请日：2020-09-04
Applicant: 吉林大学
IPC: G06Q30/0601 , G06Q30/0201
Abstract: 本发明涉及一种基于面向用户多关系信息网络的商品推荐方法及系统。该方法包括：获取推荐场景；获取待预测用户；根据所述推荐场景，利用图卷积方法和注意力机制，获取所述待预测用户的用户特征；获取待推荐商品的商品特征；所述商品特征为所述待推荐商品的多个特征信息；根据所述待预测用户的用户特征和所述待推荐商品的商品特征，获取所述待预测用户对所述待推荐商品的得分；判断所述待预测用户对所述待推荐商品的得分是否大于预先给定的得分阈值；如果是，将所述待推荐商品推荐至所述待预测用户；如果否，不将所述待推荐商品推荐至所述待预测用户。本发明可以实现商品的准确推荐。
-
Patent Agency Ranking
公开(公告)号：CN111063398B
公开(公告)日：2023-08-18
申请号：CN201911327186.0
申请日：2019-12-20
Applicant: 吉林大学
Abstract: 本发明涉及一种基于图贝叶斯优化的分子发现方法。所述方法包括：获取候选分子集合；从所述候选分子集合中随机选取若干个分子进行性质评估，得到分子‑性质对集合；根据所述分子‑性质对集合对代理模型进行训练，得到训练后的代理模型；根据所述训练后的代理模型对所述候选分子集合中的分子分别进行性质预测，从所述候选集合中选择希望分子进行性质评估，得到希望分子性质；根据所述希望分子性质找到具有期望性质的分子。本发明基于图贝叶斯优化的分子发现方法通过对候选集中的分子进行预测，再根据预测结果选择分子进行评估得到分子的实际性质，有根据的选择分子进行评估，减少分子的评估次数，从而减小分析评估的代价。
-
公开(公告)号：CN111967946A
公开(公告)日：2020-11-20
申请号：CN202010919815.5
申请日：2020-09-04
Applicant: 吉林大学
Abstract: 本发明涉及一种基于面向用户多关系信息网络的商品推荐方法及系统。该方法包括：获取推荐场景；获取待预测用户；根据所述推荐场景，利用图卷积方法和注意力机制，获取所述待预测用户的用户特征；获取待推荐商品的商品特征；所述商品特征为所述待推荐商品的多个特征信息；根据所述待预测用户的用户特征和所述待推荐商品的商品特征，获取所述待预测用户对所述待推荐商品的得分；判断所述待预测用户对所述待推荐商品的得分是否大于预先给定的得分阈值；如果是，将所述待推荐商品推荐至所述待预测用户；如果否，不将所述待推荐商品推荐至所述待预测用户。本发明可以实现商品的准确推荐。
-
公开(公告)号：CN111127364A
公开(公告)日：2020-05-08
申请号：CN201911365687.8
申请日：2019-12-26
Applicant: 吉林大学
Abstract: 本发明涉及一种图像数据增强策略选择方法及人脸识别图像数据增强方法。图像数据增强策略选择方法包括：获取数据增强策略搜索空间和目标物体图像集；在搜索空间中随机选取若干条数据增强策略；分别计算随机选取的若干条数据增强策略对应的图像分类误差，得到初始数据增强策略误差对集合；采用贝叶斯优化方法从搜索空间中搜索选出最优数据增强策略。人脸识别图像数据增强方法包括将选出的最优数据增强策略应用在待增强的人脸识别图像中。本发明的数据增强策略选择方法仅需要根据已有的目标物体图像集运行一次，选出最优数据增强策略，即可将该最优数据增强策略应用到同类的目标物体图像数据中进行图像数据增强，提高图像数据增强方法的使用效率。
-
公开(公告)号：CN111767472A
公开(公告)日：2020-10-13
申请号：CN202010649409.1
申请日：2020-07-08
Applicant: 吉林大学
IPC: G06F16/9536 , G06N3/04
Abstract: 本发明公开了一种社交网络异常账号检测方法及系统。该方法包括：根据账户图，基于随机块模型，生成多个与账户图相关的图；确定编码器和解码器的结构，构建图变分去噪自编码器模型；通过多个相关图以及初始特征对图变分去噪自编码器模型进行训练，拟合账户图的拓扑结构，最终得到训练好的图变分去噪自编码器模型；构建预测模型；以图变分去噪自编码器模型的编码器作为预测模型，以训练好的图变分去噪自编码器的参数作为预测模型的初始化参数；通过账户图的拓扑结构以及初始特征训练预测模型，对社交网络异常账号进行检测。本发明能够有效克服图数据中有标签节点数少的问题，从而能够更加快速、精准的检测出社交网络中的异常账户。
-
公开(公告)号：CN111063398A
公开(公告)日：2020-04-24
申请号：CN201911327186.0
申请日：2019-12-20
Applicant: 吉林大学
Abstract: 本发明涉及一种基于图贝叶斯优化的分子发现方法。所述方法包括：获取候选分子集合；从所述候选分子集合中随机选取若干个分子进行性质评估，得到分子-性质对集合；根据所述分子-性质对集合对代理模型进行训练，得到训练后的代理模型；根据所述训练后的代理模型对所述候选分子集合中的分子分别进行性质预测，从所述候选集合中选择希望分子进行性质评估，得到希望分子性质；根据所述希望分子性质找到具有期望性质的分子。本发明基于图贝叶斯优化的分子发现方法通过对候选集中的分子进行预测，再根据预测结果选择分子进行评估得到分子的实际性质，有根据的选择分子进行评估，减少分子的评估次数，从而减小分析评估的代价。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
