公开(公告)号：CN117530701A

公开(公告)日：2024-02-09

申请号：CN202311338241.2

申请日：2023-10-16

申请人： 河南大学

发明人： 宋亚林 ,  李世昌 ,  胡小树 ,  于俊洋 ,  李涵 ,  辛致宜 ,  赵宇曦

IPC分类号： A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/2131 ,  G06F18/25 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/045 ,  G06F123/02

摘要： 本发明提供一种认知负荷分类方法和系统。该方法包括获取目标用户的脑电信号；将脑电信号输入至训练好的认知负荷分类模型中，得到目标用户此时的认知负荷等级；认知负荷分类模型的分类过程具体包括：根据输入的用户的脑电信号，生成能量地形图；提取能量地形图中的空间特征；对提取到的空间特征进行频谱时间特征提取以便定位得到最具有区分力的时段内的特征；根据所述最具有区分力的时段内的特征，预测得到用户的认知负荷等级；其中，提取能量地形图中的空间特征具体包括：步骤A1：对能量地形图中每个频段的信息进行独立提取并优化，得到每个频段对应的优化后空间特征；步骤A2：对不同尺度的特征图进行融合，得到最终的空间特征。

公开(公告)号：CN117422151A

公开(公告)日：2024-01-19

申请号：CN202311392160.0

申请日：2023-10-25

申请人： 河南大学

发明人： 何欣 ,  许通通 ,  王光辉 ,  于俊洋 ,  许元昊 ,  徐豪 ,  刘孟辉

IPC分类号： G06N20/00 ,  G06N5/04 ,  G06F18/23

摘要： 本发明属于联邦学习技术领域，公开一种基于推理相似性与软聚类的联邦学习方法和装置，该方法考虑了non‑IID数据环境中基于推理相似性根据固定阈值进行硬聚类的缺陷，实现了在优化算法的同时提高不同异质程度下的测试精度目标，为了实现这些目标，提出了聚类时基于簇内客户端数量来替代固定阈值的灵活聚类，采用软聚类思路来更好的利用客户端数据特征表现，从而提高了模型的泛化能力和性能。大量的实验结果验证了本发明所提方法的性能和有效性，本发明所提方法与原始算法FLIS比较，在多个数据集下都有不同程度的提升。

公开(公告)号：CN117057341A

公开(公告)日：2023-11-14

申请号：CN202311062089.X

申请日：2023-08-22

申请人： 河南大学

发明人： 王瑛琦 ,  贺志营 ,  韩宏宇 ,  于俊洋 ,  翟锐 ,  刘天须 ,  朱银龙

IPC分类号： G06F40/211 ,  G06F40/279 ,  G06F40/284 ,  G06F16/33 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F17/16

摘要： 本发明公开一种基于语意增强图卷积网络的关系抽取方法及装置，该方法通过分析关键词权重的方法构造关联密度矩阵，根据词与词之间的关联密度进行权重分析，得出关联密度矩阵，并将该矩阵和邻接矩阵相结合；该方法以实体之间的单词相对于实体两边的单词更重要为前提，对原句子进行中心句提取，并把提取后的句子与原句子进行拼接，以实现语意增强的效果。在SemEval‑2010Task 8和KBP37数据集上进行实验，实验结果表明：本发明SE‑GCN模型的F1score在上述两个数据集上比基准模型Two‑channel model分别提升了3.92％和4.21％。

公开(公告)号：CN114998633A

公开(公告)日：2022-09-02

申请号：CN202210740023.0

申请日：2022-06-28

申请人： 河南大学

发明人： 王龙葛 ,  马志峰 ,  赵宇曦 ,  于俊洋 ,  何欣 ,  宋亚林 ,  翟锐

IPC分类号： G06V10/762 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于视图注意力驱动的多视图聚类方法，包括：构建多视图特征提取网络；构建多视图特征提取网络训练时所需损失函数，并进行网络训练，得到多视图特征提取网络模型；将多视图样本数据输入所述多视图特征提取网络模型中，得到不同样本的所有视图特征表示；将同一样本的所有视图的特征表示进行连接，对连接后不同多视图样本特征数据采用k‑means算法进行聚类，得到多视图样本数据的聚类结果。本发明采用对比学习和注意力机制学习不同视图数据的特征表示，在学习不同视图的特征表示时，同时考虑其他视图所关注的信息，从而加强对所有视图中存在的一致性信息的关注和减少仅存于视图子集中与聚类目标无关信息的影响。

公开(公告)号：CN114969324A

公开(公告)日：2022-08-30

申请号：CN202210394208.0

申请日：2022-04-15

申请人： 河南大学

发明人： 何欣 ,  苗凯 ,  李金波 ,  于俊洋 ,  王龙葛 ,  王光辉 ,  翟锐 ,  宋亚林 ,  李涵 ,  王瑛琦

IPC分类号： G06F16/35 ,  G06F16/33 ,  G06F40/216 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供一种基于主题词特征扩展的中文新闻标题分类方法。该方法包括：步骤1：采用多种分词算法对待分类中文新闻标题分别进行分词预处理，得到关于所述中文新闻标题在每种分词算法下的分词结果，合并所有的分词结果得到若干个单词；步骤2：计算每个单词的权重以得到所述待分类中文新闻标题的加权后标题向量；并基于所述分词结果构建所述待分类中文新闻标题的主题向量并计算主题向量权重；步骤3：计算所述加权后标题向量和每个所述主题向量之间的相似度，将相似度最大的主题向量与所述加权后标题向量进行向量拼接，得到特征向量；步骤4：利用卷积神经网络对所述特征向量进行特征提取并分类。

公开(公告)号：CN114519694A

公开(公告)日：2022-05-20

申请号：CN202111631707.9

申请日：2021-12-28

申请人： 河南大学

发明人： 何欣 ,  刘红阳 ,  陈永超 ,  于俊洋 ,  王光辉

IPC分类号： G06T7/00 ,  G06T7/136 ,  G06T5/00 ,  G06T5/30

摘要： 本发明公开了一种基于深度学习的七段数码管液晶显示屏识别方法及系统，该方法步骤如下：(1)识别图像的预处理操作：对输入图像进行归一化、灰度化、高斯滤波、自适应阈值分割、图像去噪等一系列操作；(2)液晶显示屏中七段数码管定位操作：使用YOLOv3对液晶显示屏中的数码管进行区域定位；(3)图像增强操作：对图像进行腐蚀、膨胀操作，以减少图像中的干扰区域，以及使前后背景更加分离，消除数码管之间的空洞；(4)图像识别操作：对处理出来的感兴趣区域进行数字字符分割操作，使每一个数字单独分割为一张图片，然后使用穿线法进行识别。本发明可以更加精确的读取七段数码管液晶显示屏中的相关内容。

公开(公告)号：CN113610721A

公开(公告)日：2021-11-05

申请号：CN202110851994.8

申请日：2021-07-27

申请人： 河南大学

发明人： 左方 ,  孙琪 ,  李小艳 ,  翟锐 ,  于俊洋

IPC分类号： G06T5/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于部分卷积生成对抗网络的图像修复方法，包括，构建部分卷积生成对抗网络，所述部分卷积生成对抗网络由按序相连的部分卷积生成网络和判别器网络组成；获取图像样本集，并将所述图像样本集按比例划分为训练集和测试集，同时将训练集中的图像进行预处理；将预处理后的训练集图像输入所述部分卷积生成对抗网络中，并对所述部分卷积生成对抗网络进行训练，获取完成训练的部分卷积生成对抗网络；将待修复的图像输入到部分卷积生成对抗网络中，所述部分卷积生成对抗网络输出修复图像，具有较好的修复效果。

公开(公告)号：CN118860592A

公开(公告)日：2024-10-29

申请号：CN202410870802.1

申请日：2024-07-01

申请人： 河南大学

发明人： 张琰浩 ,  何欣 ,  王聪洋 ,  于俊洋 ,  王丹 ,  翟瑞 ,  宋亚林 ,  殷向

IPC分类号： G06F9/48 ,  G06F9/50 ,  H04L67/1008 ,  H04L67/101 ,  H04L67/61 ,  G06F3/06

摘要： 本发明公开了一种基于延迟的Spark任务资源交错的调度策略，首先，考虑到最长完成时间的Stage会影响整个流水线作业的完成，按照历史数据中任务完成时间长短交错执行此阶段，来达到交错利用系统资源的目的。之后，将执行任务划分为CPU密集型和非CPU密集型(包括网络I/O和磁盘I/O)两个阶段，当非CPU密集型阶段任务进行数据获取时，将与其并行的任务在适当时间进行调度，来达到避免资源争用，减少作业完成时间的目的。最后，在Spark 2.4.0上实现了RPTS，并进行了大量的实验来评估性能。本发明以流水线的方式调度并行任务，提高了集群的资源利用率，进而最小化作业执行时间。

公开(公告)号：CN113610721B

公开(公告)日：2024-09-24

申请号：CN202110851994.8

申请日：2021-07-27

申请人： 河南大学

发明人： 左方 ,  孙琪 ,  李小艳 ,  翟锐 ,  于俊洋

IPC分类号： G06T5/77 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06T5/60

摘要： 本发明公开了一种基于部分卷积生成对抗网络的图像修复方法，包括，构建部分卷积生成对抗网络，所述部分卷积生成对抗网络由按序相连的部分卷积生成网络和判别器网络组成；获取图像样本集，并将所述图像样本集按比例划分为训练集和测试集，同时将训练集中的图像进行预处理；将预处理后的训练集图像输入所述部分卷积生成对抗网络中，并对所述部分卷积生成对抗网络进行训练，获取完成训练的部分卷积生成对抗网络；将待修复的图像输入到部分卷积生成对抗网络中，所述部分卷积生成对抗网络输出修复图像，具有较好的修复效果。

公开(公告)号：CN118643154A

公开(公告)日：2024-09-13

申请号：CN202410790743.7

申请日：2024-06-18

申请人： 河南大学

发明人： 王瑛琦 ,  朱银龙 ,  韩宏宇 ,  于俊洋 ,  翟锐 ,  李涵 ,  张晋瑞

IPC分类号： G06F16/35 ,  G06F16/332 ,  G06F16/33 ,  G06F40/30 ,  G06F18/24 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

摘要： 本发明提供一种基于语义和句法关系图卷积的方面级情感分析方法。该方法包括：将待分析数据集输入至编码层以获取每个句子的句子嵌入和对应的方面项嵌入；将句子嵌入和方面项嵌入输入至语义信息层以得到整体语义信息；其中，所述语义信息层包括自注意力机制模块和方面距离注意力机制模块；将待分析数据集输入至多阶句法关系层以得到多阶句法关系矩阵；其中，所述多阶句法关系层包括依赖解析器；将整体语义信息和多阶句法关系矩阵融合后输入至图卷积神经网络以提取句子和方面项的特征向量；将句子和方面项的特征向量依次经过平均池化层和softmax激活函数，得到各方面项的情感极性。