-
公开(公告)号:CN105160601A
公开(公告)日:2015-12-16
申请号:CN201510621081.1
申请日:2015-09-24
申请人: 国网重庆市电力公司永川供电分公司 , 重庆大学
IPC分类号: G06Q50/06
摘要: 本发明提出了一种准确的调控质量分析方法,包括以下步骤:S1,建立电网调控系统数据库。S2,建立实时告警监视分析指标,计算信号响应分数Sa,S3,监视并获取各个变电站的巡视数据,计算出监视变电站巡视情况的评价分数Sb。S4,建立质量指标树,该质量指标树包括树结点R、中间结点mi和叶子结点lj,并将实时告警监视分析指标和各个变电站的巡视数据带入该质量指标树中;并以质量指标树为框架对各项指标进行分析,进而得到指标的等级模糊向量Vq,j,即调控员的调控质量指标,根据所述调控员的调控质量指标得到电网调控的可靠性和最佳调控方案。该方法快速有效,提高了调控员对变电站的调控质量和对电网调控的可靠性。
-
公开(公告)号:CN111814453A
公开(公告)日:2020-10-23
申请号:CN202010655517.X
申请日:2020-07-09
申请人: 重庆大学
IPC分类号: G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明提供了基于BiLSTM-TextCNN的细粒度情感分析方法,步骤如下:S1、输入的数据只以单词向量为目标进行加权,不对词向量求和,从而得到输入层数据Vi;S2、Vi经由BiLSTM产生前向隐向量hli和后向隐向量hri,hli与hri维度相同,将他们在同一维度上拼接可得向量矩阵hi;S3、BiLSTM生成的低层次特征hi,作为TextCNN网络的输入运算,通过卷积和池化后生成特征向量Fi,卷积池化的过程同标准的TextCNN网络;S4、考虑到细粒度分析是多标签分类任务,全连接层这里没有使用Softmax回归,而是使用Sigmoid加以替代。本发明为准确地提取诸如汽车评论等领域数据中的关键信息和关键特征,更有效地提高分类效果,进一步促进深度学习技术在细粒度情感分类上的研究和应用提供了又一理想方法。
-
公开(公告)号:CN117953279A
公开(公告)日:2024-04-30
申请号:CN202410041355.9
申请日:2024-01-11
申请人: 重庆大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种跨域的路面病害分类方法,该方法包括构建源域数据集和目标域数据集;构建和训练分类模型GWDA‑UE,源域数据集中和目标域数据集中的所有图像经过生成器提取对应的源域特征和目标域特征,源域特征输入分类器并计算分类器损失,将源域特征和目标域特征输入鉴别器计算鉴别器损失,根据分类器损失和鉴别器损失构成的总损失反向更新GWDA‑UE的参数直至总损失不再变化,得到训练好的模型;从目标域数据集中随机选择一张图像输入训练好的模型,输出为待评估目标路面病害属于各个标签的概率。该方法从特征对齐的角度与分类器的角度入手,能更好地提升跨域路面病害分类的准确度。
-
公开(公告)号:CN114781966B
公开(公告)日:2024-04-12
申请号:CN202210367324.3
申请日:2022-04-08
申请人: 重庆大学
IPC分类号: G06Q10/0835 , G06Q10/047 , G06N3/006 , G06F18/23213
摘要: 本发明提供了一种物流配送路径规划方法、装置、设备及存储介质,该方法包括:获取多个待配送点中每个待配送点的信息,根据所述信息,确定每个待配送点的配送位置;确定配送员的出发地的位置信息;基于所述出发地的位置信息和每个待配送点的配送位置,基于自适应动态蚁群算法确定从出发地出发的目标配送路径,所述基于自适应动态蚁群算法确定从所述出发地出发的目标配送路径包括:从确定蚂蚁数量、蚂蚁放置位置、结合选择最优待配送点和选择最优邻居对的待配送点选择策略三个方面进行优化,从而从根源上解决了现有的物流配送领域中物流配送中的配送路径规划不合理,降低配送成本,提高物流配送效率和客户满意度的问题。
-
公开(公告)号:CN110647842B
公开(公告)日:2022-02-15
申请号:CN201910893948.7
申请日:2019-09-20
申请人: 重庆大学
摘要: 本发明公开了一种双摄像头课堂巡检方法及系统,该方法包括:S1,建立三维坐标系;获取教室中所有课桌桌面中心点三维坐标;S2,设置巡检路线,根据巡检路线上课桌桌面中心点的三维坐标获取第二摄像头巡检课桌时的转动角度;S3,第二摄像头依次对巡检路线上的课桌进行拍摄,获得第一局部图像;同时,第一摄像头拍摄教室的全局图像,对全局图像进行异常目标识别,对第一局部图像处理获得学生的单次个人信息和单次课堂状态;S4,获得每个学生的出勤信息和课堂评价。第二摄像头通过转动角度定点监测每个学生,同时第一摄像头对教室全局进行监控,两个摄像头相互配合,既能实现精确的学生监测,又能获取全局信息,实现智能巡检,提高教学效率。
-
公开(公告)号:CN110647842A
公开(公告)日:2020-01-03
申请号:CN201910893948.7
申请日:2019-09-20
申请人: 重庆大学
摘要: 本发明公开了一种双摄像头课堂巡检方法及系统,该方法包括:S1,建立三维坐标系;获取教室中所有课桌桌面中心点三维坐标;S2,设置巡检路线,根据巡检路线上课桌桌面中心点的三维坐标获取第二摄像头巡检课桌时的转动角度;S3,第二摄像头依次对巡检路线上的课桌进行拍摄,获得第一局部图像;同时,第一摄像头拍摄教室的全局图像,对全局图像进行异常目标识别,对第一局部图像处理获得学生的单次个人信息和单次课堂状态;S4,获得每个学生的出勤信息和课堂评价。第二摄像头通过转动角度定点监测每个学生,同时第一摄像头对教室全局进行监控,两个摄像头相互配合,既能实现精确的学生监测,又能获取全局信息,实现智能巡检,提高教学效率。
-
公开(公告)号:CN109377409A
公开(公告)日:2019-02-22
申请号:CN201811152531.7
申请日:2018-09-29
申请人: 重庆大学
摘要: 本发明提供了一种基于BP神经网络的用户用电异常行为检测方法,包括如下步骤:S1、基于统计的特征提取:S2、基于KernelPCA的特征降维:为了数据能够更好的表现其特征,并使模型训练能够更加高效,需对基于统计特征提取的数据进行KernelPCA降维处理,形成最终预处理后的特征空间;预处理模型建立的KernelPCA算法步骤如下:S3、对矩阵YM×K进行归一化处理得到新矩阵YM×K',使得yij'的取值在[0,1]之间;S4、采用BP神经网络模型判断出是用电异常还是用电正常。基于BP神经网络的用户用电异常行为检测方法解决现有技术中因没有对数据进行处理导致后续运算较大而导致分析计算运行时间长的问题。
-
公开(公告)号:CN102622567A
公开(公告)日:2012-08-01
申请号:CN201210066736.X
申请日:2012-03-14
申请人: 重庆大学
摘要: 本发明涉及远程监控和搜索技术,尤其涉及在固定区域内幼童位置的监控和搜索;一种固定区域内幼童位置监控和搜索系统,包括至少一个主动式RFID标签、至少一个主动式RFID定位器、至少一个RFID信号读取器、监控服务器和定位查询终端;所述监控服务器分别与所述定位查询终端和所述主动式RFID定位器电连接;所述主动式RFID定位器分别与所述RFID信号读取器和主动式RFID标签通过无线通信连接;本发明将RFID技术与物联网技术结合并应用到固定区域内幼童位置的监控和搜索,采用主动式RFID标签,使得RFID标签的读取过程更为主动灵活,不再像传统RFID标签方式需要手动对准读取器,然后读取信息这样的繁琐。
-
公开(公告)号:CN109359302B
公开(公告)日:2023-04-18
申请号:CN201811257850.4
申请日:2018-10-26
申请人: 重庆大学
IPC分类号: G06F40/289 , G06F40/216 , G06F16/383 , G06F16/33 , G06F16/332 , G06N3/045
摘要: 本发明提供了一种领域化词向量的优化方法及基于其的融合排序方法,其中,领域化词向量的优化方法包括如下步骤:S11、进行无领域词向量的训练并获得需求词向量;S12、进行领域词向量的训练并得到需求词向量后使用RWMD算法进行相似度的计算;S12具体步骤如下:S121、对领域语料库进行数据清洗,将表情符号以及无法识别的乱码进行清除,并对领域语料库本身使用LTP的分词模型进行分词处理;S122、计算每个词语的IDF值,IDF值为每个词语在领域语料库中出现的概率,并计算出IDF_weight的值。领域化词向量的优化方法及基于其的融合排序方法解决现有技术中因不能将无领域词向量和有领域词向量融合而导致新生成的领域化词向量不能适应与某一类特定的垂直领域问答系统的问题。
-
公开(公告)号:CN115631860A
公开(公告)日:2023-01-20
申请号:CN202211325073.9
申请日:2022-10-27
申请人: 重庆大学
IPC分类号: G16H50/30 , G06N3/0464 , G06N3/08 , G16H50/70
摘要: 本发明提供了基于多任务学习的肝癌预后分析方法、系统及设备,方法包括:获取肝癌病例数据集;构建基于多任务神经网络的肝癌预后分析模型;利用肝癌病例数据集,对基于多任务神经网络的肝癌预后分析模型进行训练,得到训练好的基于多任务神经网络的肝癌预后分析模型;获取待预测的肝癌病例数据,并将待预测的肝癌病例数据输入至训练好的基于多任务神经网络的肝癌预后分析模型,获得肝癌病例的预测的各个时间点的生存状态,并估计术后生存时间;基于训练好的肝癌预后分析模型,进行危险因素筛选与风险评估。本发明采用基于多任务学习的肝癌预后分析方法,从而从根源上解决了现有的肝癌预后分析准确度低的问题。
-
-
-
-
-
-
-
-
-