基于不确定性自步学习的事件图像重建方法

    公开(公告)号:CN118429203A

    公开(公告)日:2024-08-02

    申请号:CN202410427460.6

    申请日:2024-04-10

    Abstract: 本发明公开了基于不确定性自步学习的事件图像重建方法,属于计算机视觉技术领域;通过对事件点个数进行随机采样,事件帧的重建误差、像素平均值方差和拟合残差进行度量来计算事件帧的不确定性。根据不确定性大小自适应地过滤事件帧,只保留高置信度的事件帧,进而提高事件到图像重建的准确性。在训练过程中,随机采样输入的事件点数,并构建包含不同数量事件点的多组事件帧。这些事件帧共享一个真实的图像,以进行统一的损失计算和模型优化。由于随机采样事件点,导致不同事件帧包含的信息量不同。通过在训练阶段增强模型对事件点变化的鲁棒性,最终得到的重建结果能够保持更好的稳定性和可靠性。

    城市交通动态知识图谱的构建方法及装置

    公开(公告)号:CN112418696B

    公开(公告)日:2024-06-18

    申请号:CN202011364436.0

    申请日:2020-11-27

    Abstract: 本发明提供一种城市交通动态知识图谱的构建方法及装置,方法包括:根据城市交通站点的地点节点以及地点节点属性特征,确定地点节点关系模型;根据预设采样周期获取的地点节点、地点节点属性特征以及地点节点关系模型,构建城市交通动态知识图谱;其中,地点节点属性特征包括:地点节点兴趣点属性特征、地点节点社会事件属性特征、地点节点路链交通属性特征以及地点节点交通属性特征。所述装置用于执行上述方法。本发明提供的城市交通动态知识图谱的构建方法及装置,通过构建城市交通动态知识图谱,能够提高知识图谱的动态特征,更准确的对交通变化进行预测,提高城市交通服务。

    一种基于注意力的零样本图像分类方法

    公开(公告)号:CN111967513B

    公开(公告)日:2024-05-31

    申请号:CN202010809547.1

    申请日:2020-08-12

    Abstract: 本发明涉及一种基于注意力的零样本图像分类方法,包括特征提取阶段和分类阶段,特征提取阶段包括:利用CNN对训练集图像提取特征,特征经过多个网络分支得到语义向量每一维的表示,按序拼接每一维得到最终的语义向量表示。每个分支的结构相同,特征通过两个全连接层得到每个样本特征的注意力向量,将该注意力向量与特征逐元素再通过两个全连接层得到一个属性值。本发明将上述网络命名为面向零样本图像分类的基于注意力的属性学习网络AALN。分类阶段:将待分类的图像通过CNN提取特征,通过AALN计算每个分支的输出并拼接得到最终的语义向量,最后基于与未知类的语义向量的余弦相似度进行分类。

    自表示学习监督的非负矩阵分解方法

    公开(公告)号:CN114140635B

    公开(公告)日:2024-05-28

    申请号:CN202110911804.7

    申请日:2021-08-10

    Abstract: 本发明公开了自表示学习监督的非负矩阵分解方法,首先通过自表示学习得到一个反映数据局部或全局结构的相似性矩阵。然后,对相似性矩阵进一步分解,可得到具有聚类结构信息的矩阵。最后,将具有聚类结构信息的矩阵指导系数矩阵的学习,使其具有一致性结构,提高系数矩阵的判别能力。该方法的提出主要是解决在无监督聚类方面,非负矩阵分解得到的系数矩阵判别能力弱的问题。所提出的自表示学习监督的非负矩阵分解方法充分考虑了传统非负矩阵分解判别能力弱的问题,利用自表示方法,再进一步得到具有聚类结构信息的矩阵指导低维表示的学习,能够有效提高低维表示的判别能力,提高聚类性能。

    一种集成的无监督学生行为聚类方法

    公开(公告)号:CN112488236B

    公开(公告)日:2024-05-28

    申请号:CN202011461457.4

    申请日:2020-12-07

    Abstract: 本发明针对调查问卷方法在收集数据方面的局限性,以及统计方法、监督学习方法和半监督学习方法对学生标签的严重依赖,提出了一种集成的无监督学生行为聚类方法。首先提取学生行为数据的特征,特征分为三部分,利用众数、平均值以及范围描述数据的集中趋势,利用最小值、第一分位数、中位数、第三分位数以及最大值表达数据的离散情况,利用香农熵衡量行为发生时间和地点的规律程度;然后利用方差和相关性分析选择最佳的行为特征;最后利用DBSCAN对学生的行为特征进行初始聚类,对于超大簇采用K‑means进一步细分,得到最终的聚类结果。本发明不依赖学生标签,仅通过分析行为数据完成聚类,为学生的精细化服务和管理奠定了基础。

    自适应采样和重建的图像压缩感知方法及装置

    公开(公告)号:CN117939137A

    公开(公告)日:2024-04-26

    申请号:CN202311761925.3

    申请日:2023-12-20

    Abstract: 本发明公开一种自适应采样和重建的图像压缩感知方法及装置,能够使得采样时有效适应复杂多样的图像成分,实现不同成分不同对待,进一步提升图像采样性能,实现多尺度小波子带在重建时的结构一致性,增强跨尺度交互能力,提升图像重建性能。方法包括:(1)基于图像不同组成成分重要性不同进行小波域自适应采样:利用一个多尺度采样矩阵,对小波系数进行采样得到观测值,其中使用一个自适应权重分配策略来实现不同成分不同对待;(2)获得观测值以后,将转置矩阵作用在观测值上,获得初始重建图像;利用小波树结构信息进行图像重建:引入结构先验信息来构建模型。

    一种基于多视图多层注意力的面向学术论文的分类方法

    公开(公告)号:CN113918711B

    公开(公告)日:2024-04-16

    申请号:CN202110866447.7

    申请日:2021-07-29

    Abstract: 一种基于多视图多层注意力的面向学术论文的分类方法涉及深度学习领域、图神经网络领域。在当今信息化高速发展的时代,传统的论文匹配方法仅仅使用单一的关系图,导致匹配效果不佳。本发明首先将论文之间的多种关系图输入图卷积神经网络,做到了更准确地捕捉真实论文数据的复杂关系。然后在捕捉到多种关系的基础上,使用多层注意力机制,学习到了每一篇论文的最优表示。最后引入自动编码器模块,缓解了图卷积网络在学习多视图信息时产生的过平滑问题。结果表明,通过将多层注意力与多视图输入结合,并将自动编码器与图神经网络相结合,提高了对学术论文分类的精度,从而实现了数字图书馆中对论文与论文作者的高效匹配。

    一种球面小波变换方法及装置

    公开(公告)号:CN112365608B

    公开(公告)日:2024-04-09

    申请号:CN202011280178.8

    申请日:2020-11-16

    Abstract: 公开一种球面小波变换方法及装置,包括:(1)采用基于QTM的递归剖分的方法生成球面规格化的球面三角格网模型;(2)将由QTM方法生成的球面三角像元变形成为直角三角形,并在经纬度坐标为(±180°,0°)的点处将球面展开成平面排列方式,这种排列方式将球面三角形两两结合成一个正方形;(3)对变形后的球面直角三角像元执行提升小波变换,并不断对生成的低通系数lm重复小波变换分解步骤,得到多尺度的小波系数集合;这些小波系数组合称为子带图像,高通系数组成多张高通子带图像,低通系数最终组成一张低通子带图像,分解层次根据具体应用来确定。

Patent Agency Ranking