CN113077136A - 一种邮轮客房智能分配方法、系统、装置及存储介质 - Google Patents
一种邮轮客房智能分配方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN113077136A CN113077136A CN202110340005.9A CN202110340005A CN113077136A CN 113077136 A CN113077136 A CN 113077136A CN 202110340005 A CN202110340005 A CN 202110340005A CN 113077136 A CN113077136 A CN 113077136A
- Authority
- CN
- China
- Prior art keywords
- neural network
- characteristic information
- user characteristic
- network model
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003062 neural network model Methods 0.000 claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000002790 cross-validation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012553 document review Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种邮轮客房智能分配方法、系统、装置及存储介质,所述方法包括以下步骤:获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。本发明提供的邮轮客房智能分配方法,实现了根据用户人群的需求进行合理分配客房。
Description
技术领域
本发明涉及客房分配技术领域,尤其涉及一种邮轮客房智能分配方法、系统、装置及计算机可读存储介质。
背景技术
现有的酒店客房预定方式主要包括电话预定以及网上预定,而邮轮的房间往往不可提前预定;大型邮轮往往房间很多高达十几层甲板,不同高度或区域的房间的供水流量、压力和温度可能有差异,不同年龄性别体型的人对用水舒适需求(流量、压力、温度)不同。
但是现有的邮轮客房分配一般采用人工进行分配,客房的分配无法根据不同用户的需求进行合理分配,从而影响客户分配的效率。
发明内容
有鉴于此,有必要提供一种邮轮客房智能分配方法、系统、装置及计算机可读存储介质,用以解决现有技术无法根据用户人群的需求进行合理分配客房的问题。
本发明提供一种邮轮客房智能分配方法,包括以下步骤:
获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
进一步地,所述用户特征信息包括用户人群特征信息及舒适用水条件信息。
进一步地,对所述用户特征信息进行预处理,具体包括:去除用户特征信息中异常的数据,对用户特征信息中的字段取值进行归一化,去掉重复的用户特征信息。
进一步地,使所述预处理后的数据形成数据集,具体包括:将所述预处理后的数据按照设定比例,并划分为训练验证集及测试集,形成数据集。
进一步地,构建神经网络,具体包括:将数据集作为输入通过主干网络进行特征提取,以数据集最大数据长度作为全连接层的节点数,构建神经网络模型。
进一步地,根据所述训练验证集和测试集对神经网络模型进行训练和验证,具体包括:使用交叉验证将训练验证集划分为训练集和验证集,利用训练集和测试集对神经网络模型进行迭代训练,并利用验证集进行验证。
进一步地,所述邮轮客房智能分配方法还包括将客房分配结果推送至对应用户。
本发明还提供了一种邮轮客房智能分配系统,包括数据集获取模块、神经网络模型获取模块及客房分配模块;
所述数据集获取模块,用于获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
所述神经网络模型获取模块,用于构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
所述客房分配模块,用于重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
本发明还提供了一种邮轮客房智能分配装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上述任一技术方案所述的邮轮客房智能分配方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现如上述任一技术方案所述的邮轮客房智能分配方法。
与现有技术相比,本发明的有益效果包括:通过获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果;实现了根据用户人群的需求进行合理分配客房。
附图说明
图1为本发明提供的邮轮客房智能分配方法的流程示意图;
图2为本发明提供的邮轮客房智能分配系统的结构框图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明实施例提供了一种邮轮客房智能分配方法,所述方法的流程示意图,如图1所示,所述邮轮客房智能分配方法包括以下步骤:
S1、获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
S2、构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
S3、重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
本发明技术方案实现了根据用户人群的需求进行合理分配客房。
优选的,所述用户特征信息包括用户人群特征信息及舒适用水条件信息。
一个具体实施例中,所述用户人群特征信息包括性别、年龄(儿童、青少年、中年、老年)、身高等,所述舒适用水条件信息,青年男性冬季舒适水温约在39.2℃,舒适流量约为10.3L/min;青年女性的舒适水温约在39.3℃,流量约在11.0L/min;中老年男性舒适水温约在40.8-41℃,流量约为9.4L/min。
另一个具体实施例中,舒适用水条件信息采集手段包括文献查阅、问卷调查和网络数据等;年龄可分为10岁以下,10-20,20-40,40-60和60岁以上等几个阶段;性别分为男、女;身高可分为1m以下,1-1.5m,1.5-1.7,1.7-1.8,1.8以上等;可以通过数据库中收集了不同性别、年龄、身高、体重的用户不同的用水舒适流量、温度及压力。
优选的,对所述用户特征信息进行预处理,具体包括:去除用户特征信息中异常的数据,对用户特征信息中的字段取值进行归一化,去掉重复的用户特征信息。
需要说明的是,在用户特征信息中有异常的数据,例如数据明显过大或者过小,则需要将这些数据进行去除,通过对用户特征信息中的字段取值进行归一化,便于利用这些数据进行神经网络模型训练;此外,还需要去掉的用户特征信息。
优选的,使所述预处理后的数据形成数据集,具体包括:将所述预处理后的数据按照设定比例,并划分为训练验证集及测试集,形成数据集。
优选的,构建神经网络,具体包括:将数据集作为输入通过主干网络进行特征提取,以数据集最大数据长度作为全连接层的节点数,构建神经网络模型。
一个具体实施例中,所述神经网络可以为卷积神经网络,输入、输出在网络中可以进行串联,在主干网络中不同位置的串联次数可以不同。主干网络中的卷积模块主要作用是特征提取,特征升维,得到更多有用的特征;卷积神经网络的输入层可以处理多维数据;卷积神经网络与神经网络相似,由于使用梯度下降算法进行学习,卷积神经网络的输入特征需要进行标准化处理。
另一个具体实施例中,搭建一个6层的卷积神经网络模型,其结构依次为:第一个卷积层、第二个卷积层、第一个降采样层、第一个全连接层、第一个dropout层弓第二个全连接层。设置卷积神经网络模型中每一层的参数如下:卷积神经网络的输入层特征图总数设置为3,特征图尺寸设置为64×64;将第一个卷积层中卷积滤波器的总数设置为32、卷积滤波器的像素大小设置为3×3,特征图尺寸设置为64×64,卷积步长设置为1个像素;将第二个卷积层中卷积滤波器的总数设置为32、卷积滤波器的像素大小设置为3×3,特征图尺寸设置为64×64,卷积步长设置为1个像素。将第一个降采样层中池化区域大小设置为2×2,池化步长设置为2个像素,特征图尺寸设置为32×32。
优选的,根据所述训练验证集和测试集对神经网络模型进行训练和验证,具体包括:使用交叉验证将训练验证集划分为训练集和验证集,利用训练集和测试集对神经网络模型进行迭代训练,并利用验证集进行验证。
需要说明的是,通过使用交叉验证将训练验证集划分为训练集和验证集,可以基于客房分配的神经网络模型的精度;从而提高客房分配的准确度。
一个具体实施例中,数据集上千条数据,将数据随机打乱,划分成的训练验证集和的测试集,使用数倍交叉验证将训练测试集划分为设定份数,每次将其中的几份作为训练集,他作为验证集训练出数个模型;设定训练的批尺寸大小计迭代次数;网络的最终评价指标为每一类的F1分数的平均值,将数倍交叉验证得到的几个模型对测试集的若干次测试结果的概率平均值作为最终结果;P为准确率,R为召回率。
优选的,所述邮轮客房智能分配方法还包括将客房分配结果推送至对应用户。
需要说明的是,用户可以自主选择接受客房分配结果或者不接受客房分配结果。
实施例2
本发明实施例提供了一种邮轮客房智能分配系统,所述系统的结构框图,如图2所示,所述邮轮客房智能分配系统包括数据集获取模块1、神经网络模型获取模块2及客房分配模块3;所述数据集获取模块1、神经网络模型获取模块2及客房分配模块3依次连接;
所述数据集获取模块1,用于获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
所述神经网络模型获取模块2,用于构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
所述客房分配模块3,用于重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
实施例3
本发明实施例提供了一种邮轮客房智能分配装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如实施例1所述的邮轮客房智能分配方法。
实施例4
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现如实施例1所述的邮轮客房智能分配方法。
本发明公开了一种邮轮客房智能分配方法、系统、装置及计算机可读存储介质,通过获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果;实现了根据用户人群的需求进行合理分配客房。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种邮轮客房智能分配方法,其特征在于,包括以下步骤:
获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
2.根据权利要求1所述的邮轮客房智能分配方法,其特征在于,所述用户特征信息包括用户人群特征信息及舒适用水条件信息。
3.根据权利要求1所述的邮轮客房智能分配方法,其特征在于,对所述用户特征信息进行预处理,具体包括:去除用户特征信息中异常的数据,对用户特征信息中的字段取值进行归一化,去掉重复的用户特征信息。
4.根据权利要求1所述的邮轮客房智能分配方法,其特征在于,使所述预处理后的数据形成数据集,具体包括:将所述预处理后的数据按照设定比例,并划分为训练验证集及测试集,形成数据集。
5.根据权利要求1所述的邮轮客房智能分配方法,其特征在于,构建神经网络,具体包括:将数据集作为输入通过主干网络进行特征提取,以数据集最大数据长度作为全连接层的节点数,构建神经网络模型。
6.根据权利要求4所述的邮轮客房智能分配方法,其特征在于,根据所述训练验证集和测试集对神经网络模型进行训练和验证,具体包括:使用交叉验证将训练验证集划分为训练集和验证集,利用训练集和测试集对神经网络模型进行迭代训练,并利用验证集进行验证。
7.根据权利要求1所述的邮轮客房智能分配方法,其特征在于,还包括将客房分配结果推送至对应用户。
8.一种邮轮客房智能分配系统,其特征在于,包括数据集获取模块、神经网络模型获取模块及客房分配模块;
所述数据集获取模块,用于获取用户特征信息,对所述用户特征信息进行预处理,得到预处理后的数据,使所述预处理后的数据形成数据集;
所述神经网络模型获取模块,用于构建神经网络,根据所述数据集对神经网络模型进行训练和验证,得到基于客房分配的神经网络模型;
所述客房分配模块,用于重新采集用户特征信息,将重新采集的用户特征信息输入至基于客房分配的神经网络模型,获取客房分配结果。
9.一种邮轮客房智能分配装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-7任一所述的邮轮客房智能分配方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机该程序被处理器执行时,实现如权利要求1-7任一所述的邮轮客房智能分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110340005.9A CN113077136A (zh) | 2021-03-30 | 2021-03-30 | 一种邮轮客房智能分配方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110340005.9A CN113077136A (zh) | 2021-03-30 | 2021-03-30 | 一种邮轮客房智能分配方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113077136A true CN113077136A (zh) | 2021-07-06 |
Family
ID=76611530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110340005.9A Pending CN113077136A (zh) | 2021-03-30 | 2021-03-30 | 一种邮轮客房智能分配方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077136A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496246A (zh) * | 2022-10-08 | 2022-12-20 | 卓思韦尔(北京)信息技术有限公司 | 基于群体差异的共享会议室智能搜索及灵动分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540034A (zh) * | 2008-03-21 | 2009-09-23 | 当代天启技术(北京)有限公司 | 一种客房管理系统及客房管理方法 |
CN108628218A (zh) * | 2018-05-31 | 2018-10-09 | 深圳春沐源控股有限公司 | 房间管理方法及装置 |
CN111310952A (zh) * | 2020-05-13 | 2020-06-19 | 北京三快在线科技有限公司 | 房间预订信息的处理方法、房间预订方法、系统及服务器 |
CN112163491A (zh) * | 2020-09-21 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 一种在线学习方法、装置、设备和存储介质 |
-
2021
- 2021-03-30 CN CN202110340005.9A patent/CN113077136A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540034A (zh) * | 2008-03-21 | 2009-09-23 | 当代天启技术(北京)有限公司 | 一种客房管理系统及客房管理方法 |
CN108628218A (zh) * | 2018-05-31 | 2018-10-09 | 深圳春沐源控股有限公司 | 房间管理方法及装置 |
CN111310952A (zh) * | 2020-05-13 | 2020-06-19 | 北京三快在线科技有限公司 | 房间预订信息的处理方法、房间预订方法、系统及服务器 |
CN112163491A (zh) * | 2020-09-21 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 一种在线学习方法、装置、设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496246A (zh) * | 2022-10-08 | 2022-12-20 | 卓思韦尔(北京)信息技术有限公司 | 基于群体差异的共享会议室智能搜索及灵动分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101419671B (zh) | 基于模糊支持向量机的人脸性别识别方法 | |
CN107169504B (zh) | 一种基于扩展非线性核残差网络的手写字符识别方法 | |
CN106485262A (zh) | 一种母线负荷预测方法 | |
CN105279554B (zh) | 基于哈希编码层的深度神经网络的训练方法及装置 | |
CN108009594B (zh) | 一种基于变分组卷积的图像识别方法 | |
CN110353675A (zh) | 基于图片生成的脑电信号情感识别方法及装置 | |
CN109242260B (zh) | 景观生态脆弱性指数的构建方法与验证方法 | |
CN107679539B (zh) | 一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法 | |
CN109740734B (zh) | 一种利用优化神经元空间排布的卷积神经网络的图像分类方法 | |
CN108960488A (zh) | 一种基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法 | |
CN111723257B (zh) | 基于用水规律的用户画像方法与系统 | |
CN109767836A (zh) | 一种医学诊断人工智能系统、装置及其自我学习方法 | |
CN113077136A (zh) | 一种邮轮客房智能分配方法、系统、装置及存储介质 | |
CN106846082A (zh) | 基于硬件信息的旅游冷启动用户产品推荐系统及方法 | |
CN109410074A (zh) | 智能核保方法与系统 | |
CN114880538A (zh) | 基于自监督的属性图社团检测方法 | |
CN111626321A (zh) | 一种图像数据的聚类方法及装置 | |
CN110472736B (zh) | 一种裁剪神经网络模型的方法和电子设备 | |
CN111709441A (zh) | 基于改进特征子集区分度的行为识别特征选择方法 | |
CN116704231A (zh) | 一种双层部件蒸馏的细粒度图像分类方法 | |
CN115295159A (zh) | 基于区域数据挖掘的区域人口健康信息管理系统 | |
CN112488936B (zh) | 一种基于生成对抗网络的手指静脉模糊图像去模糊的方法 | |
CN115034839A (zh) | 办公区域状态的检测方法、装置和存储介质及电子设备 | |
CN113743591A (zh) | 一种自动化剪枝卷积神经网络的方法及其系统 | |
CN107239660A (zh) | 基于混合整数线性规划的粗糙集模型建立方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210706 |