-
公开(公告)号：CN113554144A
公开(公告)日：2021-10-26
申请号：CN202110856379.6
申请日：2021-07-28
Applicant: 莆田学院
Abstract: 本发明涉及算法优化技术领域，特别涉及用于多目标进化特征选择算法的自适应种群初始化方法和存储设备。所述用于多目标进化特征选择算法的自适应种群初始化方法，包括步骤：创建一个n行d列的零矩阵M；比较特征维度和种群规模间的大小，若特征维度大于种群规模，则进行自适应初始化的初始解数量K，根据种群规模和特征维度的比值计算需要进行自适应初始化的初始解子集在目标空间内的子种群分布对称轴H，对零矩阵M所代表的初始解集合中的前K行初始解向量以H为对称轴进行自适应采样，结束种群初始化。通过以上方法，采用自适应种群初始化机制生成的初始解集合能够覆盖更大范围的特征空间，在搜索的过程中天然就占据着广度上的优势。
-
公开(公告)号：CN109784409A
公开(公告)日：2019-05-21
申请号：CN201910049436.2
申请日：2019-01-18
Applicant: 莆田学院
IPC: G06K9/62
Abstract: 本发明公开了一种核整体学习划分的优化神经网络分类器的方法，包括以下步骤：(1)建立RBF核完成对原始训练样本空间的优化覆盖，并生成新的RBF核个数及参数；(2)以每个RBF核的中心及核宽为参数，在各RBF核所覆盖的有效区域内建立与原始样本相近似的概率分布来生成新的样本数据；(3)判断新生成的样本数据是否保留，最终构成一个新的模式矢量子集；(4)将原始样本和最终保留的所有模式矢量一起构成新的样本集合，以训练输出分类器权值参数。本发明改善了当样本集规模过小或样本空间维数过高导致的学习算法失效问题；从概率上而言，核整体划分的方式可以使得学习后的分类器边界更加远离原来的样本，使得分类器的鲁棒性和泛化能力得到加强。
-
公开(公告)号：CN107220881A
公开(公告)日：2017-09-29
申请号：CN201710389131.7
申请日：2017-05-27
Applicant: 莆田学院
IPC: G06Q30/06
Abstract: 本发明提供了一种基于时间和空间的电商热度排名的方法和装置，所述方法包括以下步骤：接收用户对商品的操作指令，根据该用户对应的用户关系表，更新用户关系表中各个用户对于该商品的影响因子；根据更新后的影响因子，重新计算当前商品对应的热度值；根据当前商品对应的热度值，对商品的坐标位置进行重新排序。相较于只考虑了时间维度的排名算法而言，本发明将用户对应的用户关系表中所包含的各项参数也作为商品排名算法的考虑，从空间维度上考虑用户与用户之间的影响关系，使得为用户提供的商品更加准确，增强用户体验，同时可以有效提高商品的成交量。
-
公开(公告)号：CN113554144B
公开(公告)日：2024-07-30
申请号：CN202110856379.6
申请日：2021-07-28
Applicant: 莆田学院
IPC: G06F30/20
Abstract: 本发明涉及算法优化技术领域，特别涉及用于多目标进化特征选择算法的自适应种群初始化方法和存储设备。所述用于多目标进化特征选择算法的自适应种群初始化方法，包括步骤：创建一个n行d列的零矩阵M；比较特征维度和种群规模间的大小，若特征维度大于种群规模，则进行自适应初始化的初始解数量K，根据种群规模和特征维度的比值计算需要进行自适应初始化的初始解子集在目标空间内的子种群分布对称轴H，对零矩阵M所代表的初始解集合中的前K行初始解向量以H为对称轴进行自适应采样，结束种群初始化。通过以上方法，采用自适应种群初始化机制生成的初始解集合能够覆盖更大范围的特征空间，在搜索的过程中天然就占据着广度上的优势。
-
公开(公告)号：CN107220881B
公开(公告)日：2020-12-18
申请号：CN201710389131.7
申请日：2017-05-27
Applicant: 莆田学院
IPC: G06Q30/06
Abstract: 本发明提供了一种基于时间和空间的电商热度排名的方法和装置，所述方法包括以下步骤：接收用户对商品的操作指令，根据该用户对应的用户关系表，更新用户关系表中各个用户对于该商品的影响因子；根据更新后的影响因子，重新计算当前商品对应的热度值；根据当前商品对应的热度值，对商品的坐标位置进行重新排序。相较于只考虑了时间维度的排名算法而言，本发明将用户对应的用户关系表中所包含的各项参数也作为商品排名算法的考虑，从空间维度上考虑用户与用户之间的影响关系，使得为用户提供的商品更加准确，增强用户体验，同时可以有效提高商品的成交量。
-
Patent Agency Ranking
公开(公告)号：CN111545469A
公开(公告)日：2020-08-18
申请号：CN202010446708.5
申请日：2020-05-25
Applicant: 莆田学院
Inventor： 林元模
IPC: B07C1/18
Abstract: 本发明公开一种智慧物流包裹分拣调整系统，系统包括：传送装置、摄像头、红外对管、万向轮、直线传输控制模块、摄像头开启控制模块、图像采集模块、头部与顶点坐标确定模块、数据求解模块、万向轮驱动模块以及直线传输二次启动模块；数据求解模块包括方位角求解单元和距离求解单元；万向轮驱动模块包括万向轮第一驱动单元和万向轮第二驱动单元。通过本发明中的系统，在快递包裹传输过程中实现对快递包裹方向的调整，提高对快递包裹的识别正确率，方便对快递包裹进行打码。
-
公开(公告)号：CN111573220A
公开(公告)日：2020-08-25
申请号：CN202010446820.9
申请日：2020-05-25
Applicant: 莆田学院
Inventor： 林元模
Abstract: 本发明公开一种基于物联网的快递包裹分拣调整方法，包括控制传送装置将第一包裹向调整区域传输；开启摄像头并形成第一图像；确定第一包裹的头部以及四个顶点坐标；求解第一包裹的方位角 求解第一包裹的中心到坐标原点O的距离L；控制万向轮沿Y轴的方向转动带动所述第一包裹沿Y轴平移；控制万向轮沿以坐标原点O为圆心、以距离R为半径所成的圆的切向方向转动；控制万向轮继续沿X轴正方向转动。通过本发明中的方法，在快递包裹传输过程中实现对快递包裹方向的调整，提高对快递包裹的识别正确率，方便对快递包裹进行打码。
-
公开(公告)号：CN109858533A
公开(公告)日：2019-06-07
申请号：CN201910049409.5
申请日：2019-01-18
Applicant: 莆田学院
Abstract: 本发明公开了一种前置核的RBF-MLP混合结构神经网络分类器，包括输入层、输出层；还包括RBF隐藏层，由一组不同参数的高斯核函数组成；MLP隐藏层，由RBF隐藏层到输出层之间的各层节点组成。本发明将RBF网络稳定性好的优点和MLP网络泛化能力强的优点有效结合，经过RBF网络核映射后，使得原始样本的可分性得到了改善，当映射后的样本作为后续所连接MLP网络的输入，可以有效改善MLP神经网络的收敛速度及陷入局部最小的风险，同时降低了对MLP网络隐节点参数的经验选取的依赖。因此可以对训练样本空间进行更有效的学习，同时有效改善了单一RBF网络及MLP网络的分类性能。
-
公开(公告)号：CN111573220B
公开(公告)日：2022-03-11
申请号：CN202010446820.9
申请日：2020-05-25
Applicant: 莆田学院
Inventor： 林元模
Abstract: 本发明公开一种基于物联网的快递包裹分拣调整方法，包括控制传送装置将第一包裹向调整区域传输；开启摄像头并形成第一图像；确定第一包裹的头部以及四个顶点坐标；求解第一包裹的方位角求解第一包裹的中心到坐标原点O的距离L；控制万向轮沿Y轴的方向转动带动所述第一包裹沿Y轴平移；控制万向轮沿以坐标原点O为圆心、以距离R为半径所成的圆的切向方向转动；控制万向轮继续沿X轴正方向转动。通过本发明中的方法，在快递包裹传输过程中实现对快递包裹方向的调整，提高对快递包裹的识别正确率，方便对快递包裹进行打码。
-
公开(公告)号：CN111062599A
公开(公告)日：2020-04-24
申请号：CN201911251878.1
申请日：2019-12-09
IPC: G06Q10/06
Abstract: 本发明实施例提供了基于人员关系的人力资源调度模型训练、调度方法及装置，训练方法包括：将各个在职人员作为节点并将节点对应的人物属性以及工作岗位作为节点间的边构建人力资源网络；根据所述人力资源网络对应的邻接矩阵以及在职人员的度获取所述人力资源网络的关系矩阵；使用所述关系矩阵训练分别训练至少两个自编码器，直至各个自编码器的损失函数收敛；将训练后的自编码器进行堆叠处理，得到目标模型，其中，所述目标模型中除第一个自编码器之外的其他自编码器的隐藏层的输出作为下一个自编码器的输入。可以在使用本发明实施例训练的模型进行待定岗人员定岗时获取更加准确的结果。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
