-
公开(公告)号：CN111881249A
公开(公告)日：2020-11-03
申请号：CN202010513283.5
申请日：2020-06-08
Applicant: 江苏大学
Abstract: 本发明公开了一种基于循环神经网络判断文本情感倾向性的方法，通过结合LSTM在学习文本上下文方面的优势，将传统的语言学规则融入到LSTM文本分类模型中。利用循环神经网络学习词的上下文信息后，通过损失函数引入现有的句子级情感分析的LSTM模型。在没有增大模型复杂度的情况下，有效的利用情感词典、否定词和程度副词的信息，在实验数据集上取得了较好的成果。
-
公开(公告)号：CN110489787A
公开(公告)日：2019-11-22
申请号：CN201910613414.4
申请日：2019-07-09
Applicant: 江苏大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于水循环算法的天线优化设计方法,计算平面天线参数的理论值，根据理论值确定平面天线参数的优选值所在的预定范围，在预定范围中通过水循环算法得到平面天线参数的优选值，根据所获得的平面天线参数的优选值设计天线。本发明通过水循环算法进行位置的更新，经过不断迭代后获得到使天线的中心频率与目标频率相匹配的平面天线参数值，平面天线参数值能够保证天线达到了良好的匹配性能，天线的谐振频率很好地达到所要求的中心频率，同时节约了搜寻最优解的时间和成本。
-
公开(公告)号：CN103268292B
公开(公告)日：2016-02-10
申请号：CN201310232880.0
申请日：2013-06-13
Applicant: 江苏大学
IPC: G06F12/0866
Abstract: 本发明公开了一种延长非易失外存寿命的方法及高速长寿外存系统，通过维护两份缓存，写缓存和原始缓存来工作；维护两份缓存的方法包括写缓存混合粒度调度方法、基于字节的比较写回方法和双缓存协调方法；首先使用写缓存来合并文件系统对同一数据的多次写操作，再通过写缓存和原始缓存基于字节的比较来写回新数据，降低写外存数据量。本发明减少写非易失存储器的数据量，增加了外存系统的使用寿命，可应用于延长非易失外存寿命。
-
公开(公告)号：CN113743485B
公开(公告)日：2025-02-18
申请号：CN202110968131.9
申请日：2021-08-23
Applicant: 江苏大学
IPC: G06F18/2135 , G06F18/214 , G06F17/14 , G06F17/16
Abstract: 本发明公开了一种基于傅里叶域主成分分析的数据降维方法，通过将高维数据投影到傅里叶域，利用循环矩阵和傅里叶矩阵的性质，将主成分分析的求解特征向量问题转化为寻找有意义的傅里叶域基。由于傅里叶域基是预先定义的，且数据的主成分分布是有序的，因此可以通过将训练样本分批次输入来加速训练，直到所需的傅立叶基稳定有序。确定傅里叶基个数与投影矩阵，将所述投影矩阵与所述高维数据集相乘得到低维数据集，以方便数据的快速处理。本发明提供的数据降维方法，基于主成分分析和快速傅里叶变换，可以去除高维度数据集中的噪声和冗余信息，减少数据处理中不必要的运算过程，提高算法的运行速度和内存效率。
-
公开(公告)号：CN113920368B
公开(公告)日：2024-12-17
申请号：CN202111225017.3
申请日：2021-10-21
Applicant: 江苏大学
IPC: G06V10/764 , G06V10/774 , G06F30/27 , G06F17/16
Abstract: 本发明公开了一种鲁棒特征空间共同学习的多标签图像分类方法，首先准备多标签数据；在特征空间和标签空间中引入特征选择和核范数的低秩表示方法从而构造鲁棒的标签和特征空间共同学习的多标签分类模型；利用鲁棒低秩投影矩阵V将q维标签空间映射到r维的标签空间中，从而V表示在标签空间中学习到的鲁棒低秩投影；引入增广拉格朗日乘数法对多标签分类模型的目标函数中的矩阵P和矩阵V进行求解；将多标签数据作为训练数据样本对提出的多标签分类模型进行训练，得到最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V；基于最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V完成多标签分类模型的训练，并利用该多标签分类模型进行多标签图像分类。
-
Patent Agency Ranking
公开(公告)号：CN113936196B
公开(公告)日：2024-05-14
申请号：CN202111154444.7
申请日：2021-09-29
Applicant: 江苏大学
IPC: G06V10/77 , G06V10/778
Abstract: 本发明公开了一种基于低秩拉普拉斯图学习的数据降维方法，该方法针对原始数据存在噪声或遮挡的情况下，学习数据的内在几何结构即鲁棒的低秩拉普拉斯图，并利用该低秩拉普拉斯图得到高维数据的低维映射以达到数据降维作用。提出的方法能够同时进行数据的低秩拉普拉斯图以及投影矩阵的学习，两者在产生的过程中相互促进。本方法利用了低维映射数据的低秩成分以获取数据的全局结构，数据的全局结构能抵抗数据中噪声的干扰同时低维数据也能在一定程度上减少噪声对投影矩阵的影响。
-
公开(公告)号：CN113902950A
公开(公告)日：2022-01-07
申请号：CN202111206294.X
申请日：2021-10-16
Applicant: 江苏大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06F30/27 , G06F17/16
Abstract: 本发明公开了一种基于几何保持双投影的图像多标签分类方法，本方法与传统的多标签分类算法直接从特征空间学习合适的特征维数不同，本发明所提出的方法是同时从输入特征空间和输出特征空间学习双标签和特征空间投影，从而实现标签和特征空间的降维，考虑到标签流形和特征流形中不仅有标签还有特征数据，同时通过构造标签图和特征图来学习标签流形和特征流形的几何结构。本方法通过从标签和特征空间进行几何保持的双重投影学习，最终以同样的方式在标签和特征空间中学习更好的低秩结构。
-
公开(公告)号：CN113420543A
公开(公告)日：2021-09-21
申请号：CN202110509310.6
申请日：2021-05-11
Applicant: 江苏大学
IPC: G06F40/216 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08 , G06F17/16 , G06F40/126
Abstract: 本发明涉及一种基于改进Seq2Seq模型的数学试题自动标注方法，该方法包括以下步骤：采集数学试题数据；对数据进行预处理；构建基于改进的Seq2Seq模型；训练模型网络参数，并对未标记数学试题进行知识点预测标注。本发明能解决现有的人工标注数学试题费时费力，而且对于知识点会存在漏标、误标等问题，改进了传统的Seq2Seq模型，使之在预测知识点标签时更加关注数学试题中的关键部分以及相关知识点标签信息，从而进一步提高模型预测数学试题多个知识点标签的正确率。
-
公开(公告)号：CN106940765A
公开(公告)日：2017-07-11
申请号：CN201710080012.3
申请日：2017-02-15
Applicant: 江苏大学
Abstract: 本发明公开了一种访问权限动态控制方法，属于信息安全领域，具体包括以下步骤：创建主体，角色，属性，权限；为角色添加属性；将角色分配给用户，同时填充属性值；根据角色及其属性值，赋予相应的权限。本发明将动态角色与动作继承进行了有机结合，提高了访问控制的性能，可应用于访问权限的动态控制。
-
公开(公告)号：CN120088449A
公开(公告)日：2025-06-03
申请号：CN202510049539.4
申请日：2025-01-13
Applicant: 江苏大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/40
Abstract: 本发明公开了一种基于动态频率选择的通道注意力目标检测方法，本方法从丰富的频率基库中自适应地挑选出关键的频率基，以更有效地揭示数据在频率域中的本质特征关系；基于挑选出的频率基构建att模块，利用att模块对YOLOv5目标检测模型进行改进，得到更精准的通道注意力目标检测模型；利用通道注意力目标检测模型对图像进行目标检测。本发明改进后的注意力模型将输入数据的特征映射到更具代表性的低维空间，即更准确地捕捉重要特征信息。本发明通过对对频率基的精心选择和利用，克服了现有方法中频率基范围受限的问题，使得模型在不同数据集和任务中都能更好地适应，准确捕捉细粒度特征，提升目标检测的性能表现。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.022 seconds)
