-
公开(公告)号：CN118470368A
公开(公告)日：2024-08-09
申请号：CN202310409837.0
申请日：2023-04-17
Applicant: 河海大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合特征融合和特征匹配的转导式小样本图像分类方法，包括下列步骤：将一个图像数据集划分成训练集、测试集和验证集；将所述训练集拆分成支持集和查询集，前者的图像带类标签，后者的图像不带类标签，两者不存在重叠的图像，以这两个集合为基础形成一个小样本图像分类任务；利用所述训练集构建一个结合特征融合和特征匹配的转导式小样本图像分类方法TICFFM的初始模型；利用所述训练集和验证集对所述TICFFM的初始模型进行参数调节后得到TICFFM的优化模型，并使用所述测试集评估该优化模型的分类准确度；利用所得的TICFFM的优化模型对所述图像数据集中或现实世界中的图像进行分类。本发明提供的方法分类准确度高，在众多领域具有广阔的应用前景。
-
-
公开(公告)号：CN103970820B
公开(公告)日：2017-03-08
申请号：CN201410030039.8
申请日：2014-01-23
Applicant: 河海大学
IPC: G06F17/30 , G06F3/0481
Abstract: 本发明公开了一种Web多媒体资源开放标注数据的可视化方法，包括：从数据源获取Web多媒体资源开放标注的序列化格式数据；将序列化格式数据解析成RDF三元组集；将RDF三元组集按照开放标注数据模型的语义变换成图形抽象数据结构；将图形抽象数据结构映射成与特定屏幕可视化技术相匹配的具体图示数据；基于具体图示数据在屏幕视图区域中显示可视化图，并响应用户对可视化图的鼠标操纵。本发明还公开了一种Web多媒体资源开放标注数据的可视化装置。本发明提供的Web多媒体资源开放标注数据的可视化方法及装置可直观表示符合W3C《开放标注数据模型规范》的Web多媒体资源开放标注数据，有利于该规范的有效实施。
-
公开(公告)号：CN114662004B
公开(公告)日：2025-02-28
申请号：CN202210413785.X
申请日：2022-04-21
Applicant: 河海大学
IPC: G06F16/9535 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种集成用户的长期偏好与短期偏好的下一项推荐方法，包括下列步骤：为包含各个用户的若干个历史会话和一个当前会话的会话数据集中的各个项目生成项目的初始嵌入，并将该会话数据集划分成训练集、测试集和验证集；利用所述训练集构建一个集成用户的长期偏好与短期偏好的下一项推荐方法ILSTP的初始模型；利用所述训练集和验证集对所述ILSTP的初始模型进行参数调节后得到ILSTP的优化模型，并使用所述测试集评估该优化模型的推荐准确度；利用所得的ILSTP的优化模型为会话数据集中或实际会话数据中的用户提供下一项推荐。本发明提供的下一项推荐方法具有推荐准确度高的特点，在电影、音乐、在线新闻、电子商务等众多领域具有广阔的应用前景。
-
公开(公告)号：CN113191544A
公开(公告)日：2021-07-30
申请号：CN202110468733.8
申请日：2021-04-28
Applicant: 河海大学
Abstract: 本发明公开一种基于多层神经网络的短期电力负荷预测方法，包括步骤：对包含具有相同时间间隔的多个连续的时刻、每个时刻的用电量、每个时刻的气温的电力负荷数据集中的用电量值、气温值进行归一化后表示成电力负荷特征矩阵和电力负荷真实值向量；利用所述矩阵构建一个基于多层神经网络的短期电力负荷预测模型的网络结构；将表示成所述矩阵与所述向量的数据集按7∶2∶1依次划分为训练集、验证集与测试集；使用训练集与验证集对上述预测模型进行调参，得到优化的模型SPLF‑MNN；使用测试集计算SPLF‑MNN模型的预测精度以评估模型的性能，并利用SPLF‑MNN模型预测未来一天或一周内多个时刻的电力负荷。SPLF‑MNN模型考虑气温对电力负荷的影响、预测精度高、训练速度快，应用前景广阔。
-
Patent Agency Ranking
公开(公告)号：CN106649723B
公开(公告)日：2020-09-18
申请号：CN201611203570.6
申请日：2016-12-23
Applicant: 河海大学
Inventor： 许卓明
IPC: G06F16/2458
Abstract: 提供一种基于改进的水塘抽样的大数据集多遍随机抽样方法，包括步骤：打开含n个数据记录的大数据集文件以便能从中读取数据记录，输入用于随机抽样的水塘的大小k，并为水塘分配正好能容纳k个数据记录的内存空间，输入随机抽样的遍数m，要求满足k*m
-
公开(公告)号：CN104933162B
公开(公告)日：2018-03-09
申请号：CN201510364084.1
申请日：2015-06-26
Applicant: 河海大学
IPC: G06F17/30
Abstract: 本发明公开了一种从元数据标注的CSV数据到RDF数据的转换方法，包括：读取并解析CSV文件，获得表列数据并存入内存数据结构；读取并解析用于标注CSV数据的元数据描述文件，获得元数据并存入内存数据结构；结合已获得的表列数据与元数据，生成RDF三元组集并存入内存数据结构；将生成的RDF三元组集输出为Turtle语法格式的RDF数据文件。本发明公开的数据格式转换方法能将用W3C技术规范《Web表列数据与元数据模型》定义的元数据模型词汇进行标注的CSV数据转换为语义上等价的RDF数据，这样就可以利用现有软件工具方便地将转换所得的RDF数据发布到关联数据网，供各式各样的语义万维网应用共享、复用与处理来自CSV文件中的表列数据，使得量大面广的CSV数据能发挥最大潜能。
-
公开(公告)号：CN106682126A
公开(公告)日：2017-05-17
申请号：CN201611149168.4
申请日：2016-12-14
Applicant: 河海大学
IPC: G06F17/30
Abstract: 提供一种基于总体数据质量的主题数据集过滤与排序方法及系统，包括下列步骤：根据用户在数据目录中搜索到的主题数据集和它们的质量元数据，在人机交互界中征询用户对数据集的数据质量要求；根据用户对数据集的数据质量要求中所规定的质量度量值强制性要求，对主题数据集进行过滤；根据用户对数据集的数据质量要求中所选用的质量度量指标及其权重，计算出过滤后的主题数据集的总体数据质量，并据此对主题数据集进行排序；在人机交互界面中输出过滤并排序后的主题数据集信息。本发明克服现有的数据集主题搜索与过滤技术忽视数据质量的弊端，方便用户筛选出满足质量度量值强制性要求和总体数据质量要求的主题数据集，代表数据目录门户技术发展趋势。
-
公开(公告)号：CN103970820A
公开(公告)日：2014-08-06
申请号：CN201410030039.8
申请日：2014-01-23
Applicant: 河海大学
IPC: G06F17/30 , G06F3/0481
CPC classification number: G06F17/30058 , G06F3/0484
Abstract: 本发明公开了一种Web多媒体资源开放标注数据的可视化方法，包括：从数据源获取Web多媒体资源开放标注的序列化格式数据；将序列化格式数据解析成RDF三元组集；将RDF三元组集按照开放标注数据模型的语义变换成图形抽象数据结构；将图形抽象数据结构映射成与特定屏幕可视化技术相匹配的具体图示数据；基于具体图示数据在屏幕视图区域中显示可视化图，并响应用户对可视化图的鼠标操纵。本发明还公开了一种Web多媒体资源开放标注数据的可视化装置。本发明提供的Web多媒体资源开放标注数据的可视化方法及装置可直观表示符合W3C《开放标注数据模型规范》的Web多媒体资源开放标注数据，有利于该规范的有效实施。
-
公开(公告)号：CN113191544B
公开(公告)日：2022-08-12
申请号：CN202110468733.8
申请日：2021-04-28
Applicant: 河海大学
Abstract: 本发明公开一种基于多层神经网络的短期电力负荷预测方法，包括步骤：对包含具有相同时间间隔的多个连续的时刻、每个时刻的用电量、每个时刻的气温的电力负荷数据集中的用电量值、气温值进行归一化后表示成电力负荷特征矩阵和电力负荷真实值向量；利用所述矩阵构建一个基于多层神经网络的短期电力负荷预测模型的网络结构；将表示成所述矩阵与所述向量的数据集按7∶2∶1依次划分为训练集、验证集与测试集；使用训练集与验证集对上述预测模型进行调参，得到优化的模型SPLF‑MNN；使用测试集计算SPLF‑MNN模型的预测精度以评估模型的性能，并利用SPLF‑MNN模型预测未来一天或一周内多个时刻的电力负荷。SPLF‑MNN模型考虑气温对电力负荷的影响、预测精度高、训练速度快，应用前景广阔。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.029 seconds)
