[发明专利]一种基于深度信念网络的视频热度预测方法及其系统有效
| 申请号： | 201610027422.7 | 申请日： | 2016-01-15 |
| 公开（公告）号： | CN105635762B | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 陈亮;张俊池;王娜;李霞 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | H04N21/258 | 分类号： | H04N21/258;G06F17/30 |
| 代理公司： | 深圳市恒申知识产权事务所(普通合伙) 44312 | 代理人： | 王利彬 |
| 地址： | 518000 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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，并通过多层限制性玻尔兹曼机的堆叠和一层BP神经网络以构成深度信念网络；通过全局学习算法对所述深度信念网络进行调整，以获取最优视频预测模型；将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。本发明还提供了一种基于深度信念网络的视频热度预测系统。本发明提出了一种基于深度信念网络的在线视频预测模型，将深层神经网络应用于在线视频预测领域，且能提高预测的准确度和可靠性。 | ||
| 搜索关键词： | 一种 基于 深度 信念 网络 视频 热度 预测 方法 及其 系统 | ||
【主权项】：
1.一种基于深度信念网络的视频热度预测方法，其特征在于，所述方法包括：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，并通过多层限制性玻尔兹曼机的堆叠和一层BP神经网络以构成深度信念网络；通过全局学习算法对所述深度信念网络进行调整，以获取最优视频预测模型；将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳大学，未经深圳大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610027422.7/，转载请声明来源钻瓜专利网。
- 上一篇：多组电磁致动装置的串并联操控电路
- 下一篇：移位寄存器及其显示驱动器
