陈亮
- 作品数：13 被引量：21H指数：2
- 供职机构：深圳大学更多>>
- 发文基金：国家自然科学基金广东省自然科学基金深圳市基础研究计划项目更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 一种基于深度信念网络的视频热度预测方法及其系统
- 本发明提供了一种基于深度信念网络的视频热度预测方法，包括：根据视频特征选择输入变量并对影响因子进行归一量化，以对训练数据进行预处理；根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数，并通过多层限制性...
- 陈亮张俊池王娜李霞
- 跌倒检测方法、系统及基于该系统的跌倒自动报警器
- 本发明适用于跌倒检测技术领域，提供了老人跌倒检测方法、系统及基于该系统的跌倒自动报警器，所述方法包括下述步骤：步骤a，通过智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理；步骤b，根据处理后的数据计算反...
- 陈亮高睿李霞王娜
- 文献传递
- 一种基于深度神经网络的在线内容推荐方法
- 本发明公开了一种基于深度神经网络的在线内容推荐方法，在传统基于内容推荐的基础上，引入深度神经网络(Deep？Neural？Network,DNN)词向量工具，根据待推送内容文本信息和用户的历史行为，将内容和用户映射在高维...
- 陈亮王娜李霞
- 文献传递
- 基于用户预览行为的流媒体带宽分配研究
- 2014年
- 流媒体用户通常有"预览"行为,对腾讯视频系统的测量结果显示即使在网络传输良好的情况下,约50%用户在离观看结束不到一半时就离开了.增加用户下载带宽在提高用户体验质量的同时也会带来服务器带宽浪费.本文主要贡献是:首先,建立了流媒体带宽分配的数学模型以刻画下载速率对带宽浪费率、单位时间服务用户数和QoE的影响;其次,发现增大下载速率,用户体验质量提升较大而带宽浪费较小(对腾讯视频系统的计算显示当下载速率是播放速率的两倍时带宽浪费率仅为25%),为适当增大下载速率提供了合理性依据;最后,给出了求解总用户体验质量最大化问题的最优下载速率的基本步骤.
- 王悦陈亮曹怀虎李海峰
- 关键词：流媒体下载速率
- 一种基于深度神经网络的人体行为识别方法及识别系统
- 本发明提供了一种基于深度神经网络的人体行为识别方法，包括：获取行为人的原始深度数据流；通过行为人的原始深度数据流提取人体的骨架关节点数据；利用提取到的人体骨架关节点数据所对应的三维坐标，来对整个人体建模；通过对整个人体建...
- 陈亮龙伟王娜李霞
- 文献传递
- 一种基于深度信念网络的视频热度预测方法及其系统
- 本发明提供了一种基于深度信念网络的视频热度预测方法，包括：根据视频特征选择输入变量并对影响因子进行归一量化，以对训练数据进行预处理；根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数，并通过多层限制性...
- 陈亮张俊池王娜李霞
- 文献传递
- 一种基于深度神经网络的在线内容推荐方法
- 本发明公开了一种基于深度神经网络的在线内容推荐方法，在传统基于内容推荐的基础上，引入深度神经网络(Deep Neural Network,DNN)词向量工具，根据待推送内容文本信息和用户的历史行为，将内容和用户映射在高维...
- 陈亮王娜李霞
- 文献传递
- 一种基于深度神经网络的人体行为识别方法及识别系统
- 本发明提供了一种基于深度神经网络的人体行为识别方法，包括：获取行为人的原始深度数据流；通过行为人的原始深度数据流提取人体的骨架关节点数据；利用提取到的人体骨架关节点数据所对应的三维坐标，来对整个人体建模；通过对整个人体建...
- 陈亮龙伟王娜李霞
- 文献传递
- 基于DNN算法的移动视频推荐策略被引量：14
- 2016年
- 该文针对移动互联网在线视频服务个性化视频推荐问题,提出了一种基于深度学习(Deep learning)模型的内容推荐策略.深度学习在图像、语音和自然语言处理等领域获得的突破性进展,为在线视频服务的推荐策略研究提供了基础.该文工作通过在传统基于内容推荐的基础上,引入深度神经网络(Deep Neural Network,DNN)词向量方法,根据视频的媒资信息和用户的历史行为,将视频特征和用户特征映射在高维向量空间.在构建用户正负行为与视频向量的余弦距离模型基础上,筛选过滤对所推荐视频感兴趣的用户群,并通过移动互联网应用的消息推送功能提示移动终端用户观看所推荐的内容.基于在大规模移动视频服务系统中的离线和在线实验,该文所提出的基于DNN算法的推荐策略,相比随机方法、ContentKNN以及ItemCF等算法,在点击率方面平均分别获得106%、41%和57%的相对提升,在覆盖率方面一定程度上避免了推送活跃用户的偏颇问题,从整体上得到了较好的推荐效果.
- 陈亮汪景福王娜李霞
- 关键词：移动互联网
- 基于深度信念网络的在线视频热度预测被引量：7
- 2017年
- 针对在线视频热度预测研究中分类及预测效果欠佳,规则化较多和较缺乏实践检验等问题,通过对实际在线视频服务系统所采集的海量数据研究,提出一种基于深度信念网络(Deep Belief Networks,DBNs)的视频热度预测方法。首先,结合社交网络的关注度和视频关键词的搜索热度,对影响因子进行了建模和量化处理;其次,根据输入和输出变量确定了DBNs各层网络的结构,优化了网络参数和预测模型;最后,通过在线视频服务商的数据对深度信念网络进行训练,并多次交叉实验对比分析,结果表明基于DBNs方法在视频热度预测上准确率最高79.47%(国内视频)、65.33%(国外视频),可以为在线视频上映前的投资、宣传以及风险评估提供较全面可靠的参考决策。
- 陈亮张俊池王娜李霞陈宇环
