-
公开(公告)号：CN114861795A
公开(公告)日：2022-08-05
申请号：CN202210497176.7
申请日：2022-05-09
Applicant: 北京理工大学
Abstract: 本发明公开了数据聚类方法、装置以及目标分群方法，目的是提升数据的聚类效果，提高聚类结果的精度，进一步可以实现对战场目标的精确分群。该方案具体为：识别数据集中的骨干数据；骨干数据是指保留原数据集中数据结构的样本集合。依据骨干数据，构建骨干节点的拓扑图，通过剪切边将拓扑图划分为多个联通子图，每个联通子图即是识别出的一个簇，则全部n个骨干节点被n‑1条边连接成一个全联通图。设定簇间边的权重远小于簇内边的权重，将权重最小的k‑1条边剪切掉，得到k个联通子图；骨干节点集合被划分为k个簇；数据集中所剩余的数据点分配到所对应骨干节点的簇中，由此获得聚类结果。
-
公开(公告)号：CN114510991A
公开(公告)日：2022-05-17
申请号：CN202111613504.7
申请日：2021-12-27
Applicant: 北京理工大学
IPC: G06K9/62
Abstract: 本发明的启发式的不等长时间序列聚类核心集的构建方法，通过增加核心集Ct‑1的时间序列数据对象的权重，根据该权重采样不等长时间序列数据集TS的时间序列数据对象Tj，根据时间序列数据对象Tj构建稀疏矩阵A’，将稀疏矩阵A’利用SPIRAL算法中提出的循环坐标下降法进行矩阵分解得到TS的特征向量X；将特征向量X输入到LWCS算法得到时间序列数据Tj的采样概率Qt(i)，优化采样概率Qt(i)为采样概率Pt(i)；根据采样概率Pt(i)重构TS的核心集Ct；当核心集Ct‑1和核心集Ct中相同的时间序列数据Tj的个数大于预设阈值时，核心集Ct收敛，核心集Ct为不等长时间序列聚类的核心集C。使可能为核心集成员的数据对象的特征转换更准确且趋于稳定，实现高质量的核心集构建。
-
公开(公告)号：CN117274636A
公开(公告)日：2023-12-22
申请号：CN202311232674.X
申请日：2023-09-22
IPC: G06V10/62 , G06V20/13 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于孪生神经网络的遥感卫星视频目标跟踪方法。使用本发明能够有效实现遥感卫星视频影像中复杂背景下的目标跟踪。本发明利用孪生神经网络分别提取模板图块和搜索图块的模板特征和搜索特征，然后采用基于注意力的特征融合模块对孪生神经网络提取的模板特征向量和搜索特征向量进行基于自注意力和交叉注意力的特征融合，增强目标的显著性特征表示、并弱化背景信息和干扰物的特征表达，从而生成更具判别力的目标显著性特征表示，然后基于注意力融合后的模板特征和搜索特征得到表观相似性响应图，利用分类回归网络完成目标位置的跟踪。
-
公开(公告)号：CN110798802B
公开(公告)日：2020-10-02
申请号：CN201911066648.8
申请日：2019-11-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种共享自行车骨架网络提取方法，属于计算机应用技术领域，该方法能够针对由具有空间位置特征的网络节点组成的网络进行骨干网络提取。包括如下步骤：构建共享自行车网络。计算共享自行车网络中所有边的显著性，保留显著性大于零的边为骨干网络的边。计算共享自行车网络中所有节点的拓扑势。对共享自行车网络中的所有节点，依据其地理位置进行空间密度聚类，得到骑行区域簇。对于每个骑行区域簇，对当前骑行区域簇内的网络节点按照拓扑势的值进行降序排序，选取降序排序后的前设定个数的节点构成当前骑行区域簇的骨干核心节点。合并所有骑行区域簇的骨干核心节点，利用骨干网络的边对骨干核心节点进行连接构成骨架网络。
-
公开(公告)号：CN116432759B
公开(公告)日：2025-02-21
申请号：CN202310405263.X
申请日：2023-04-17
Applicant: 北京理工大学 , 中国司法大数据研究院有限公司
IPC: G06N7/01 , G06N5/046 , G06N5/04 , G06N3/0455
Abstract: 本发明涉及一种基于层次加性噪声模型的司法因果贝叶斯网络构建方法，属于数据挖掘技术领域。利用预处理的司法数据进行因果贝叶斯网络骨架学习，得到司法数据样本间的因果无向结构图；以遍历的变量为中心，遍历因果无向结构图，提取与遍历的变量有直接依赖关系的所有变量，将司法数据样本间的因果无向结构图分解为多个子图；将多个子图中非中心节点泛化为中间变量，学习各个子图中变量间的因果方向，将子图恢复至因果无向结构图得到司法因果贝叶斯网络。本发明的方法，在将多对一因果关系转化为近似的一对一因果关系过程中，利用变分方法学习中间变量Z时，最小化Z构建各个Xi的最小误差，使模型能够兼顾统计相关性的同时满足因果加性噪声条件。
-
Patent Agency Ranking
公开(公告)号：CN118823325A
公开(公告)日：2024-10-22
申请号：CN202410974237.3
申请日：2024-07-19
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/82 , G06V20/13 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种遥感场景下的旋转小目标检测系统及方法，系统包括：图像获取模块和目标检测模块；所述图像获取模块用于获取待检测的遥感场景图像；所述目标检测模块用于改进分类回归检测头结构，并基于改进后分类回归检测头结构构建目标检测网络；所述目标检测模块还用于基于所述目标检测网络对所述遥感场景中的旋转小目标进行检测。本发明提供的适配于单阶段和双阶段目标检测算法，在增加少量计算复杂度的前提下极大提升了检测头的分类效果和目标回归精度。
-
公开(公告)号：CN118823324A
公开(公告)日：2024-10-22
申请号：CN202410974190.0
申请日：2024-07-19
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06V20/13 , G06V10/764 , G06V20/70 , G06V10/80 , G06V10/42 , G06V10/44
Abstract: 本发明公开了基于可形变卷积改进FPN的遥感旋转小目标检测方法及系统，方法包括：获取遥感旋转小目标图像；构建二阶段旋转目标检测模型；将所述遥感旋转小目标图像输入所述二阶段旋转目标检测模型，完成遥感旋转小目标的定位与分类。本发明帮助遥感场景下的小目标完成具体分类和准确坐标定位。
-
公开(公告)号：CN117131858A
公开(公告)日：2023-11-28
申请号：CN202311074757.0
申请日：2023-08-24
Applicant: 北京理工大学
IPC: G06F40/242 , G06F40/126 , G06F40/194 , G06F16/33 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于字典的轨迹预测系统及方法，属于深度学习技术领域。其包括聚类模块，用于针对轨迹数据集进行聚类，以选取代表性轨迹；所选取代表性轨迹送入字典模块。字典模块利用过去编码器和未来编码器进行字典的构建；目标轨迹输入至编码器‑注意力‑解码器预测架构，由过去编码器对目标轨迹的历史轨迹部分进行编码，得到观测特征编码，利用观测特征编码，查询字典，构建辅助特征；通过卷积神经网络CNN将辅助特征与观测特征编码进行融合，融合后的特征作为注意力机制解码器的初始隐藏状态，注意力机制解码器输出预测的未来轨迹。本发明能够有效降低计算成本，使用更少的内存，减少数据冗余。
-
公开(公告)号：CN116432759A
公开(公告)日：2023-07-14
申请号：CN202310405263.X
申请日：2023-04-17
Applicant: 北京理工大学 , 中国司法大数据研究院有限公司
IPC: G06N7/01 , G06N5/046 , G06N5/04 , G06N3/0455
Abstract: 本发明涉及一种基于层次加性噪声模型的司法因果贝叶斯网络构建方法，属于数据挖掘技术领域。利用预处理的司法数据进行因果贝叶斯网络骨架学习，得到司法数据样本间的因果无向结构图；以遍历的变量为中心，遍历因果无向结构图，提取与遍历的变量有直接依赖关系的所有变量，将司法数据样本间的因果无向结构图分解为多个子图；将多个子图中非中心节点泛化为中间变量，学习各个子图中变量间的因果方向，将子图恢复至因果无向结构图得到司法因果贝叶斯网络。本发明的方法，在将多对一因果关系转化为近似的一对一因果关系过程中，利用变分方法学习中间变量Z时，最小化Z构建各个Xi的最小误差，使模型能够兼顾统计相关性的同时满足因果加性噪声条件。
-
公开(公告)号：CN115221184B
公开(公告)日：2023-03-28
申请号：CN202210620486.3
申请日：2022-09-01
Applicant: 北京理工大学 , 国家基础地理信息中心
IPC: G06F16/242 , G06F16/22 , G06F16/2457
Abstract: 本公开的实施例公开了基础地理数据发送方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：接收待入库测绘数据集；根据预先设置的各个待入库测绘数据质检标准，对待入库测绘数据集中的待入库测绘数据进行质量检测；响应于确定待入库测绘数据集中的待入库测绘数据均达到对应的待入库测绘数据质检标准，将待入库测绘数据集确定为目标基础地理数据；将目标基础地理数据存储至目标数据库；响应于接收到针对目标基础地理数据的查询请求，从目标数据库中获取存储的目标基础地理数据，以及将目标基础地理数据发送至查询终端。该实施方式实现了对目标基础地理数据的全流程、可追踪的高效管理。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.021 seconds)
