-
公开(公告)号：CN105608006B
公开(公告)日：2018-06-08
申请号：CN201510982321.0
申请日：2015-12-22
Applicant: 武汉工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于概率模型的程序错误检测方法及系统，该方法包括以下步骤：S1、获取概率模型和待检测程序，从待检测程序中提取待检测的函数调用序列集合；S2、获取单个待检测的函数调用序列，求解最相似的函数调用序列集合，并计算联合概率；S3、根据相似集合对该待检测序列进行检测并生成修复方案；S4、完成该待检测序列的检测和修复后，记录检测到的各个错误信息及修复方案；S5、对待检测集合中的所有待检测序列检测完毕后，输出程序错误报告。本发明无需处理概率模型转换到确定性模型时的阈值选择问题，能够快速的检测程序中的错误，且检测准确率高。
-
公开(公告)号：CN107329955A
公开(公告)日：2017-11-07
申请号：CN201710522402.1
申请日：2017-06-30
Applicant: 武汉工程大学
Abstract: 本发明公开了一种地理本体要素实例属性相似度的计算方法，包括以下步骤：将基础地理信息数据库转换为大规模地理本体库，构造地理本体；遍历地理本体构建关键属性对集合和辅助属性对集合；分别计算两个实例中关键属性对相似度和辅助属性相似度计算两个实例的综合相似度。该方法在计算要素实例相似度方面有更高的准确性。
-
公开(公告)号：CN106528526A
公开(公告)日：2017-03-22
申请号：CN201610880863.1
申请日：2016-10-09
Applicant: 武汉工程大学
CPC classification number: G06F17/2775 , G06F16/29
Abstract: 本发明公开了一种基于贝叶斯分词算法的中文地址语义标注方法，包括步骤S1：预设置针对中文地址数据进行语义标注的标注关系表；步骤S2：获取预切分、标注好的训练语料；步骤S3：对训练语料进行统计学习得到词频词典、标注关系词典、标注模式表；步骤S4：输入待标注地址字符串进行全切分；步骤S5：根据词频词典及贝叶斯分词算法获取概率最大的分词方案；步骤S6：根据标注关系词典对分词方案进行标注得到标注结果。标注关系表设定了一个规范化的标注模板；通过统计学习训练语料获得了包含词频词典、标注关系词典以及标注模式表的数据库；根据前述训练数据库匹配得到标注好的具有语义信息的中文地址，快速准确地完成了针对中文地址数据的语义解析。
-
公开(公告)号：CN105677700A
公开(公告)日：2016-06-15
申请号：CN201510980148.0
申请日：2015-12-23
Applicant: 武汉工程大学
IPC: G06F17/30
CPC classification number: G06F17/3087
Abstract: 本发明公开了一种基于集合运算的中文地址行政区划解析方法，该方法包括以下步骤：首先利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集，然后利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，最后对行政区划集合进行条件集合运算，得到信息量最完整最准确的中文地址的行政区划。本发明方法解决了在互联网中中文地址数据混乱无序的情况下快速解析出中文地址行政区划的问题，并能得到信息量最完整最准确的中文地址的行政区划解析结果。
-
公开(公告)号：CN104700078A
公开(公告)日：2015-06-10
申请号：CN201510081168.4
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
Patent Agency Ranking
公开(公告)号：CN104657718A
公开(公告)日：2015-05-27
申请号：CN201510078423.X
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法，该方法包括以下步骤：对原始图像进行预处理；对样本进行主成分分析得到特征脸谱，将图像投影到特征域；然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系；最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号：CN104637060A
公开(公告)日：2015-05-20
申请号：CN201510078434.8
申请日：2015-02-13
Applicant: 武汉工程大学
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于邻域主成分分析-拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。
-
-
公开(公告)号：CN114219742B
公开(公告)日：2025-02-18
申请号：CN202111055117.6
申请日：2021-09-09
Applicant: 武汉工程大学 , 武汉逸锦科技有限公司
IPC: G06T3/4038 , G06T3/4046 , G06T5/50 , G06T5/60 , G06T5/40 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供了一种联合流形约束和FB‑GAN的人脸变形方法和系统，通过使用生成对抗神经网络设计出端到端的人脸图像拼接对抗网络FB‑GAN，实现了在人脸变形过程中生成高分辨率的人脸图像的功能。本发明通过人脸变形算法生成高分辨率的人脸图像，解决了传统变形中人脸嘴巴从闭合到张开所导致的嘴巴“扭曲”或“空洞”问题。本发明解决了人脸拼接问题中的颜色差异较大而导致的拼接效果较差的问题，提高了人脸生成图像的真实性。
-
公开(公告)号：CN114372465B
公开(公告)日：2024-09-20
申请号：CN202111152985.6
申请日：2021-09-29
Applicant: 武汉工程大学
IPC: G06F40/295 , G06F40/30 , G06F40/247 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/047 , G06N3/0985 , G06Q50/18 , G06N3/048
Abstract: 本发明公开了一种基于Mixup和BQRNN的法律文书的命名实体识别方法，包括步骤：使用BERT预训练模型对训练集的法律判决文书进行向量化处理；使用Mixup数据增强方法在词向量表示层面对训练集规模进行扩充；使用BQRNN双向准循环神经网络对增强后的词向量表示进行处理，提取法律文本中带有上下文特征的深层特征向量，并输出相应的实体标签序列；使用CRF条件随机场解码，最后将概率最大的实体标签序列，作为训练结果输出，并生成相应训练模型；将训练模型在测试集上进行测试，调整训练模型参数信息，直至选取稳定前，指标性能最好的识别模型；输入中文法律文书案列，识别模型自动进行判断并输出法律文书中的法律实体。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.027 seconds)
