-
公开(公告)号：CN104598605B
公开(公告)日：2018-01-12
申请号：CN201510046398.7
申请日：2015-01-30
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种社交网络中的用户影响力评估方法，该方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图G；步骤B：根据社交网络图，遍历社交网络图中的所有节点，根据节点的度初始化每个节点的影响力标签，结束遍历；步骤C：根据社交网络图，遍历社交网络图中的所有节点，根据所遍历节点的邻居节点的影响力等级，计算所遍历节点的影响力等级；步骤D：重复步骤C，直到每个节点的影响力等级均收敛。该方法具有接近线性的线性时间复杂度，可有效地分析大规模社交网络中的用户影响力分布情况，挖掘高影响力用户，可应用于网络营销等领域。
-
公开(公告)号：CN105913427A
公开(公告)日：2016-08-31
申请号：CN201610222900.X
申请日：2016-04-12
Applicant: 福州大学
CPC classification number: G06T7/0002 , G06T5/002 , G06T2207/20028 , G06T2207/20081
Abstract: 本发明涉及一种基于机器学习的噪声图像显著性检测方法，包括以下步骤：1、对每个幅度的噪声图像分别采用多种去噪参数，获得每个幅度的最佳去噪参数；2、对每幅噪声图像使用噪声评估算法进行特征提取，获得噪声值特征，组成噪声值特征集；3、将噪声值特征集作为机器学习算法的特征集，并通过机器学习算法和五等分交叉验证方法，获得噪声幅度预测模型；4、采用噪声幅度预测模型对相应的噪声图像进行预测，获得预测噪声幅度值；5、采用每幅噪声图像的预测噪声幅度值和对应的最佳去噪参数进行去噪处理，获得去噪图像集；6、对去噪图像集中的图像使用显著性检测方法，获得最终的显著性图。该方法可提高显著性检测方法在噪声图像中的检测性能。
-
公开(公告)号：CN105913064A
公开(公告)日：2016-08-31
申请号：CN201610222896.7
申请日：2016-04-12
Applicant: 福州大学
CPC classification number: G06K9/4671 , G06T2207/10004
Abstract: 本发明涉及一种图像视觉显著性检测拟合优化方法，包括以下步骤：S1：采用直方图统计显著性图像集和标注图像集中的显著性数据，分别形成自变量点集和因变量点集；S2：采用相应的拟合函数模型对自变量点集和因变量点集数据进行拟合，得到拟合函数；S3：将拟合函数作用到新的显著性图中的显著性数据上，得到拟合后的显著性数据；S4：对拟合后的显著性数据进行[0,255]约束处理，得到优化后的显著性图。该方法使各显著性检测算法优化后的显著性图比优化前更加接近用户标注的标准图，适用于多种显著性检测算法的优化。
-
公开(公告)号：CN105740977A
公开(公告)日：2016-07-06
申请号：CN201610058054.2
申请日：2016-01-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于多目标粒子群的停电管理优化方法，包括以下步骤：步骤1，读取停电线路原始数据，获取停电线路的各项指标；步骤2，初始化粒子群，设置粒子群算法的参数，随机初始化粒子群形成初始可行解；步骤3，分别计算各个粒子的适应度，得到各个粒子的局部最优和整体的全局最优；步骤4，采用罚函数法对不可行解进行惩罚，保存最优解；步骤5，采用解更新策略对粒子的速度和位置进行更新；步骤6，判断是否满足终止条件，若满足，则算法结束，否则返回步骤2；步骤7，输出具体的停电计划。该方法有利于使电网大规模停电管理的可靠性、经济性与资源配置达到综合最优。
-
公开(公告)号：CN105046708A
公开(公告)日：2015-11-11
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/30168
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
Patent Agency Ranking
公开(公告)号：CN104700311A
公开(公告)日：2015-06-10
申请号：CN201510046397.2
申请日：2015-01-30
Applicant: 福州大学
IPC: G06Q50/00
Abstract: 本发明涉及社会网络技术领域，特别是一种社会网络中的邻域跟随社区发现方法，包括以下步骤：步骤A：读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络图；步骤B：根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系；步骤C：根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划分至同一社区，得到社会网络的社区结构。该方法可提高社区检测的精度和效率，且具有接近线性的时间复杂度，能够快速有效地挖掘社会网络中的社区结构，可应用于目标群体挖掘、精确营销等领域。
-
公开(公告)号：CN104598605A
公开(公告)日：2015-05-06
申请号：CN201510046398.7
申请日：2015-01-30
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30861
Abstract: 本发明涉及一种社交网络中的用户影响力评估方法，该方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图G；步骤B：根据社交网络图，遍历社交网络图中的所有节点，根据节点的度初始化每个节点的影响力标签，结束遍历；步骤C：根据社交网络图，遍历社交网络图中的所有节点，根据所遍历节点的邻居节点的影响力等级，计算所遍历节点的影响力等级；步骤D：重复步骤C，直到每个节点的影响力等级均收敛。该方法具有接近线性的线性时间复杂度，可有效地分析大规模社交网络中的用户影响力分布情况，挖掘高影响力用户，可应用于网络营销等领域。
-
公开(公告)号：CN116703783B
公开(公告)日：2025-05-23
申请号：CN202310859559.9
申请日：2023-07-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于CNN‑Transformer混合建模及双边交互的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪和数据增强处理，以得到训练数据集；设计一个基于CNN‑Transformer的低照度图像交互增强网络，该网络由输入映射模块、L个交互增强块和输出映射模块组成；设计用于训练步骤B中所设计网络的损失函数；使用训练数据集训练基于CNN‑Transformer的低照度图像交互增强网络；将待测图像输入到该网络中，利用训练好的网络生成正常照度图像。本发明利用CNN‑Transformer混合建模方法，通过双边交互促进局部感知和全局感知模块之间相互促进、互补，能够在低照度条件下更好地增强图像的细节和亮度、改善全局一致性问题，进一步提高图像增强的效果。
-
公开(公告)号：CN116342569B
公开(公告)日：2025-05-16
申请号：CN202310347918.2
申请日：2023-04-04
Applicant: 福州大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于构图感知的图像美学质量评价方法，包括以下步骤；步骤S1：将图像美学质量评价数据集和图像构图质量评价数据集处理后的数据形成美学质量评价训练集与美学质量评价测试集、构图质量评价训练集与构图质量评价测试集；步骤S2：设计金字塔式多尺度特征融合模块；步骤S3：设计图像构图质量评价网络，训练得到图像构图质量评价模型；步骤S4：设计图像美学质量评价网络，训练得到图像美学质量评价模型；步骤S5：将美学质量评价测试集中的图像输入到图像美学质量评价模型中，输出对应的评分分布，计算平均值作为图像美学质量分数；本发明能有效地借助图像中的构图信息来辅助实现图像美学评价，进一步提高图像美学质量评价算法的性能。
-
公开(公告)号：CN116402720B
公开(公告)日：2025-05-13
申请号：CN202310396874.2
申请日：2023-04-14
Applicant: 福州大学
IPC: G06T5/73 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于反向去雨过程引导的图像雨滴去除方法。包括以下步骤：步骤S1、进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；步骤S2、设计多重注意力模块，采用像素注意力、通道注意力和空间注意力提取图像特征；步骤S3、设计基于多重注意力模块的U形编码器解码器网络，用于提取图像不同尺度下的特征；步骤S4、设计图像特征融合模块，该模块融合图像特征和原始图像，得到融合后的恢复图像；步骤S5、设计正向雨滴去除网络和反向雨滴去除网络，利用反向雨滴去除网络引导训练正向雨滴去除网络；步骤S6、将附着雨滴图像输入训练好的正向雨滴去除网络，输出去除雨滴的干净图像。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.022 seconds)
