“戚梓凡”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于图神经网络的疫情传播影响力最大化方法-CN202310669744.1在审
发明人：陈伯伦;韩帅;李哲;刘晓娈;许雪;王笑颜;朱鹏程;戚梓凡;王凌;王珊珊;赵月;于翠莹 -专利权人：淮阴工学院
申请日： 2023-06-07 - 公布日： 2023-10-20 - 主分类号： G16H50/80 文献下载
摘要：本发明公开了一种基于图神经网络的疫情传播影响力最大化方法，涉及了传染病模型和神经网络技术领域。其具体步骤为：首先，把传统SEIR模型改进成易感‑潜伏‑感染‑恢复‑死亡（SEIRD）模型，把网络中的节点设置成一组连续标签，根据标签对节点进行社区划分，得到多组随机游走的节点序列，再使用word2vec节点嵌入为网络中的节点生成低维向量。其次，把节点序列用长短期记忆法进行训练将有用序列输出，然后将序列输入到图神经网络(GNN)的回归器中，在SEIRD模型下，通过影响力最大化算法预测每个节点的影响力，排序后再进行参数评估和分析从而选择最优的节点网络。最后根据评估，该方法优于一些经典的影响力最大化方法。本发明具有预测较为精准和可靠性较高的优点。
基于神经网络疫情传播影响力最大化方法

[发明专利]一种基于改进YOLOv5的危化品车辆检测方法-CN202310834688.2在审
发明人：陈伯伦;朱鹏程;刘步实;许雪;戚梓凡;赵月;于翠莹;于永涛 -专利权人：淮阴工学院
申请日： 2023-07-07 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本专利公开了一种基于改进YOLOv5的危化品车辆检测方法，具体步骤为：首先通过道路的监控采集危化品车辆图像，使用Labelme对图像进行标注，并将标签格式转换成yolo格式；然后对图像数据集进行预处理；对YOLOv5模型进行改进，在模型的backbone网络以及neck结构中添加注意力机制，将neck结构改进为跨层的路径聚合网络，并更换空间金字塔池化层为S‑ASPP结构；设计一种上下文特征增强网络来增强对小目标的检测，并用特征细化来过滤噪声特征；采用SIoU损失代替原本的CIoU损失；将训练集输入改进后的YOLOv5算法模型中对模型进行训练并测试结果。与现有技术相比，本发明能够较好的识别并定位出危化品车辆，并在进度上获得了较大的提升。
一种基于改进 yolov5 危化品车辆检测方法

[发明专利]一种基于改进遗传算法的重要节点识别方法-CN202211373140.4在审
发明人：陈伯伦;袁奔;李银银;姜文心;韩帅;戚梓凡;刘步实 -专利权人：淮阴工学院
申请日： 2022-11-03 - 公布日： 2023-03-21 - 主分类号： G16H50/80 文献下载
摘要：本专利公开了一种基于改进遗传算法的重要节点识别方法，适用于社交网络中重要节点识别的研究领域。该方法的具体步骤为：首先将初始的社交网络定义为G(V，E)，通过社区检测算法进行社区划分，进一步对划分好的社区根据社区熵进行社区合并；然后根据介数中心性筛选出社区内部排名较高的节点集S1，以及社区边界中节点度较大的枢纽节点集S2，将以这两者合并为重要节点候选集S*；然后采用流行病阈值作为目标函数，然后将目标免疫问题转化为一个优化问题，通过改进的遗传算法对集合S*进行优化，得到最终的免疫节点集S。与现有技术相比，本发明能够较好的识别出社交网络中的重要节点，还能解决影响力传播覆盖问题。
一种基于改进遗传算法重要节点识别方法

[发明专利]一种面向COVID-19的经验模态分解模糊预测方法-CN202110935880.1在审
发明人：陈伯伦;沈怡芸;姜文心;纪敏;于永涛;朱国畅;戚梓凡 -专利权人：淮阴工学院
申请日： 2021-08-16 - 公布日： 2021-12-07 - 主分类号： G16H50/80 文献下载
摘要：发明公开了一种面向COVID‑19的经验模态分解模糊预测方法，适于疫情预测领域，步骤包括：新冠疫情原始数据使用经验模态分解算法，得到不同时间尺度下数据的变化趋势；将得到的数据用大小为1*(c+1)的窗口，以步长为1，使用极限学习机进行滑动训练，得到不同时间尺度下的预测值；使用自适应模糊推理系统对训练结果进行拟合，得到最终预测值。该方法在保证学习精度的前提下，简化了训练过程，提升了算法运行速度和泛化能力，同时解决了过拟合和局部最小等问题，能够很好地满足了用户对预测系统中的高准确率的要求，具有切实可行的应用前景和实用价值。
一种面向 covid 19 经验分解模糊预测方法

[发明专利]一种基于群体智能的关键节点集合确定方法-CN202110902970.0在审
发明人：陈伯伦;朱鸿飞;姜文心;乔伟锐;袁奔;戚梓凡;于永涛;赵建洋;谢乾;纪敏 -专利权人：淮阴工学院
申请日： 2021-08-06 - 公布日： 2021-11-23 - 主分类号： G06N3/00 文献下载
摘要：本发明涉及计算机网络优化技术领域，公开了一种基于群体智能的关键节点集合确定方法，包括步骤1：对目标网络进行预处理转换为矩阵，得到一个目标网络的邻接矩阵；步骤2：用蚁群算法模仿影响力的扩散，选择固定节点进行蚁群算法下的影响力扩散，求得在该网络中蚁群算法最适合的传播参数；步骤3：通过蚁群算法对目标网络上的随机节点进行溯源遍历，求得关键路径；步骤4：对求得的关键路径动态路径规划求出序列相似度得到关键节点。与现有技术相比，本发明将蚂蚁的群体智能与复杂网络相结合，模仿蚂蚁觅食的路径进行影响力扩散，通过蚁群在加权网络中游走的路径来找到关键路径，再结合动态路径规划得到关键节点。
一种基于群体智能关键节点集合确定方法