-
公开(公告)号：CN111401514A
公开(公告)日：2020-07-10
申请号：CN202010090482.X
申请日：2020-02-13
申请人： 山东师范大学
摘要： 本公开提供了一种基于改进图卷积网络的半监督符号网络嵌入方法及系统，导入关系网络数据，形成有向符号网络；计算有向符号网络的邻接矩阵，进而得到传播邻接矩阵，使用符号函数激活所述传播邻接矩阵，得到有向激活传播邻接矩阵；构建符号拉普拉斯矩阵，图卷积网络将符号拉普拉斯矩阵进行应用，实现对图卷积网络的改进；利用改进后的图卷积网络对输入的邻接矩阵进行卷积操作，获取不同程度的嵌入结果，能够解决网络链路信息的预测问题。
-
公开(公告)号：CN109657011A
公开(公告)日：2019-04-19
申请号：CN201811418421.0
申请日：2018-11-26
申请人： 山东师范大学
IPC分类号： G06F16/28 , G06F16/215 , G06Q50/26
摘要： 本公开公开了一种筛选恐怖袭击事件犯罪团伙的数据挖掘方法及系统，通过分析相关数据，进行数据清洗、数据转换实现数据预处理，加入数据融合丰富相关特征，进而挖掘有用信息构建标准化数据集，利用子空间聚类方法实现犯罪团伙划分归类，进而利用相关度模型确定恐怖袭击事件与犯罪团伙的相关关系，以此达到恐怖袭击预警作用。
-
公开(公告)号：CN109065113A
公开(公告)日：2018-12-21
申请号：CN201810763874.0
申请日：2018-07-12
申请人： 山东师范大学
摘要： 本发明公开了基于机器学习的人体减重方案推荐方法、系统及介质，构建训练集，对每个训练样本采集若干个人体机能测量值；对采集的测量值进行预处理；从预处理后的测量值中提取基础代谢率特征、躯干皮下脂肪百分率特征和内脏脂肪指数特征，对提取的基础代谢率、躯干皮下脂肪百分率和内脏脂肪指数特征进行特征融合，将每个样本融合后的特征和每个样本预先设置的减重方案标签输入到预先搭建的神经网络模型中进行训练，得到训练好的神经网络模型；对测试样本采集若干个人体机能测量值；对采集的测量值进行预处理；对预处理后的测量值提取三个特征，进行特征融合，将每个测试样本融合后的特征输入到训练好的神经网络模型中，输出推荐的减重方案。
-
公开(公告)号：CN108205515A
公开(公告)日：2018-06-26
申请号：CN201711405763.4
申请日：2017-12-22
申请人： 山东师范大学
CPC分类号： G06F17/18 , G06F17/11 , G06Q30/0283
摘要： 本发明提供一种移动平台众包任务定价方法及系统，包括以下步骤：数据采集：采集劳务众包平台的众包任务信息,对众包任务信息进行可视化和预处理；所述众包任务信息包括：众包任务编号、众包任务定价、众包任务的经纬度和众包任务的执行情况；分析任务定价影响因素：筛选任务定价的影响因素；建立任务定价模型：通过确定的特征，建立多元非线性回归模型；利用多元非线性回归模型对待定价任务进行定价。本发明对众包任务完成情况的数据进行数据采集、数据分析、数据处理和特征提取；分析任务定价可能的影响因素，建立多元非线性回归模型，综合分析直接因素和客观因素对任务定价的影响程度，确定移动互联网自助式劳务众包平台的任务定价方法。
-
公开(公告)号：CN107426672A
公开(公告)日：2017-12-01
申请号：CN201710474538.X
申请日：2017-06-21
申请人： 山东师范大学
IPC分类号： H04W4/00 , H04W84/18 , A61B5/01 , A61B5/0205 , A61B5/145
摘要： 本发明涉及基于ZigBee网络的多路生理信息监测系统及方法，包括：本地监测中心，本地监测中心与ZigBee协调器节点连接，ZigBee协调器节点与ZigBee路由节点连接，ZigBee路由节点与若干个ZigBee终端节点连接，每个ZigBee终端节点与对应的传感器连接；不同传感器负责采集人体相应的生理信息，然后将所采集到的人体生理信息发送给对应的ZigBee终端节点，ZigBee终端节点将人体生理信息通过无线信道传输给ZigBee路由节点，ZigBee路由节点再将人体生理信息转发给ZigBee协调器节点，ZigBee协调器节点最终将人体生理信息发送给本地监测中心实时显示人体的生理信息变化。
-
公开(公告)号：CN111310996B
公开(公告)日：2023-06-20
申请号：CN202010090381.2
申请日：2020-02-13
申请人： 山东师范大学
IPC分类号： G06Q10/04 , G06N3/0464 , G06N3/042 , G06N3/08
摘要： 本发明公开了一种基于图自编码网络的用户信任关系预测方法及系统，所述方法包括：获取用户间的评论交互数据，构建用户信任关系网络；基于所述用户信任关系网络提取邻接矩阵，并将所述邻接矩阵转化为有向激活传播邻接矩阵；结合符号网络激活传播邻接矩阵，计算符号网络可达矩阵，并对高阶符号网络可达矩阵进行递推；将高阶符号网络可达矩阵作为图卷积网络的输入，使用谱域图卷积的方法对符号网络进行编码，得到网络嵌入结果；将网络嵌入结果作为符号网络的编码，使用内积解码的方式进行网络中节点之间的相似性度量，得到重构的符号网络邻接矩阵，即用户信任关系网络链路预测结果。本发明实现了图卷积网络在符号网络的应用，提高了用户信任关系预测的准确性。
-
公开(公告)号：CN113017628B
公开(公告)日：2022-06-10
申请号：CN202110156080.X
申请日：2021-02-04
申请人： 山东师范大学
摘要： 本公开公开了融合ERP成分与非线性特征的意识情绪识别方法及系统，首先，对原始脑电信号进行预处理，预处理步骤包括伪迹去除、叠加平均和通道选择；其次，提出了一个基于Shapelet技术的ERP特征匹配与提取方法，自动提取N200、P300和N300等ERP特征；第三，采用集成的时频分析方法变分模态分解VMD和小波包分解WPD获取更好的时频分辨率和EEG信号的非线性特征，进一步提取非线性特征MMSE，并将其与ERP特征融合形成情绪特征向量；最后，将融合的特征向量输入随机森林分类器进行意识情绪与无意识情绪识别。
-
公开(公告)号：CN113017628A
公开(公告)日：2021-06-25
申请号：CN202110156080.X
申请日：2021-02-04
申请人： 山东师范大学
摘要： 本公开公开了融合ERP成分与非线性特征的意识情绪识别方法及系统，首先，对原始脑电信号进行预处理，预处理步骤包括伪迹去除、叠加平均和通道选择；其次，提出了一个基于Shapelet技术的ERP特征匹配与提取方法，自动提取N200、P300和N300等ERP特征；第三，采用集成的时频分析方法变分模态分解VMD和小波包分解WPD获取更好的时频分辨率和EEG信号的非线性特征，进一步提取非线性特征MMSE，并将其与ERP特征融合形成情绪特征向量；最后，将融合的特征向量输入随机森林分类器进行意识情绪与无意识情绪识别。
-
公开(公告)号：CN112597774A
公开(公告)日：2021-04-02
申请号：CN202011468199.2
申请日：2020-12-14
申请人： 山东师范大学
IPC分类号： G06F40/295 , G06F40/242 , G06F40/30 , G06N3/04
摘要： 本发明属于中文医疗命名实体识别技术领域，提供了一种中文医疗命名实体识别方法、系统、存储介质和设备。其中，中文医疗命名实体识别方法包括获取临床文本数据；将临床文本数据分别转换为医疗文本的字符嵌入表示、医学概念嵌入特征向量和跨语言中文嵌入表示并进行拼接，得到多元数据融合特征向量；将多元数据融合特征向量输入至基于多图的命名实体识别模型中，识别出中文医疗命名实体类型；基于多图的命名实体识别模型包括多图网络和LSTM‑CRF模型，多图网络用于接收以多元数据融合特征向量为节点构成的文本图，输出节点的最终状态并传送至LSTM‑CRF模型，由LSTM‑CRF模型输出识别结果。其提高了中文医疗命名实体识别准确性。
-
公开(公告)号：CN111414989A
公开(公告)日：2020-07-14
申请号：CN202010090378.0
申请日：2020-02-13
申请人： 山东师范大学
摘要： 本发明公开了一种基于门控机制的用户信任关系网络链路预测方法及系统，所述方法包括：获取用户间的评论交互数据，构建用户信任关系网络；基于所述用户信任关系网络提取邻接矩阵，并将所述邻接矩阵转化为有向激活传播邻接矩阵；结合符号网络激活传播邻接矩阵，计算符号网络可达矩阵；基于门控机制对符号网络可达矩阵进行处理；将处理后的可达矩阵作为图卷积网络的输入，得符号网络进行编码，网络嵌入结果；将网络嵌入结果作为符号网络的编码，使用内积解码方式进行网络中节点之间的相似性度量，得到重构的符号网络邻接矩阵，即用户信任关系网络链路预测结果。本发明保证了通过图卷积网络得到准确的网络嵌入结果，提高了用户信任关系预测的速度，保证了预测准确性。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.032 秒)
