-
公开(公告)号：CN115826041A
公开(公告)日：2023-03-21
申请号：CN202211458066.6
申请日：2022-11-18
Applicant: 河北工业大学
IPC: G01V1/28
Abstract: 本发明公开了一种基于多尺度残差网络的地震数据重建方法。本发明将多尺度卷积思想应用于残差结构中，在多尺度残差块的基础上引入不同大小的卷积核，通过多尺度残差块级联自适应地提取地震数据的信息；然后利用各多尺度残差块输出作为局部特征进行全局特征融合。最后，将融合后的全局特征发送到重建模块进行地震数据重建。本发明在多尺度残差块的基础上采用不同尺度卷积核进行特征提取，能够更好的提取出地震数据的局部特征，从而重建出更高信噪比的地震数据。
-
公开(公告)号：CN115690770A
公开(公告)日：2023-02-03
申请号：CN202211413757.4
申请日：2022-11-11
Applicant: 河北工业大学
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于空间注意力特征的非受限场景下的车牌识别方法，通过YOLOv5目标检测网络提取出完整车牌图像中的车牌区域，然后将车牌区域送入空间变换网络对车牌字符进行矫正；再将矫正后的特征送入空间注意力特征提取模块提取该区域的空间注意力特征，得到最终特征；最后将最终特征输入到训练好的字符识别网络中进行字符识别，得到七个车牌的字符信息，进而识别出车牌字符。本发明通过计算车牌区域的空间注意力特征，使得网络更加专注于车牌区域的字符信息，避免了复杂的背景影响车牌识别的成功率。本发明在字符识别过程中采用了无分割方法，无需车牌字符区域的字符分割流程，从而避免了由于字符分割错误而导致的车牌字符识别错误。
-
公开(公告)号：CN111830560B
公开(公告)日：2022-06-28
申请号：CN202010728475.8
申请日：2020-07-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于降秩算法的地震数据重建方法，其特征在于，该方法的操作步骤如下：第一步，获取时域上存在缺失的地震数据Y，设定最优秩为k；将地震数据Y转换为各频率切片的块Hankel矩阵；第二步，采用循环加权中位数算法对块Hankel矩阵的约束进行最小化以降低其秩，得到降秩块Hankel矩阵；第三步，对降秩块Hankel矩阵进行逆向变换，得到在频域内的重构数据该方法将循环加权中值算法与Hankel预变换相结合，可以避免求解SVD；通过合成数据和实际数据实验，表明该方法具有更高的计算精度和效率。
-
公开(公告)号：CN112163611A
公开(公告)日：2021-01-01
申请号：CN202011014635.9
申请日：2020-09-24
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于特征张量的高维地震数据插值方法，包括数据的预处理、训练特征张量的提取、张量回归模型的训练学习和插值重建。本发明将张量回归模型应用于地震数据插值重建中，以张量作为输入特征进行训练，将原始特征直接输入至张量回归模型，并不破坏高维数据的结构信息，有效保留了原始特征中的结构信息，提高了高维地震数据的结构信息利用率，提高了机器学习方法的插值效果，提高了地震数据的恢复质量，进而提高了地震资料解释的准确性，实现了对不同类型不同维度地震数据的普适能力。
-
公开(公告)号：CN114138919B
公开(公告)日：2024-08-06
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
IPC: G06F16/29 , G06N3/0464 , G06N3/08 , G06T17/05
Abstract: 本发明公开了一种基于非局部注意力卷积神经网络的地震数据重建方法。本发明通过非局部注意力机制建立长距离特征关系，通过计算不同局部特征之间的相关性权重，建立局部特征之间的依赖关系，使局部特征可以感知到全局信息，通过引入更多的全局信息加强局部特征的学习能力。因此，非局部注意力可以在不显著加大网络深度的同时建立长距离特征关系，有效融合局部特征和全局特征。本发明采用深度残差网络模块，该模块中包含的多个短跳跃连接和一个长跳跃连接，在有效防止过拟合的同时，还能允许大量的浅层特征向深层传递，方便了信息的流动，使主网络专注于重建缺失的地震数据。
-
Patent Agency Ranking
公开(公告)号：CN116630012A
公开(公告)日：2023-08-22
申请号：CN202310193357.5
申请日：2023-03-02
Applicant: 河北工业大学
IPC: G06Q40/03 , G06F16/901 , G06N3/0464 , G06N3/042 , G06N3/047 , G06F18/2415 , G06F18/241 , G06N3/08
Abstract: 本发明为一种基于图数据不显著注入攻击的借贷平台安全性评估方法，首先获取借贷数据并转换为图数据，提取图数据的拓扑信息和节点属性信息；接着、基于图卷积神经网络构建代理模型，利用代理模型预测用户的信用等级；然后、从图数据中随机选取多个节点作为目标节点，结合拓扑结构和节点属性两个角度计算目标节点的综合分类概率，得到目标节点的分类；将多个虚假用户分别作为有害节点注入图数据，得到扰动图数据，并对扰动图数据进行优化；最后，将优化后的扰动图数据分别输入到借贷平台系统模型中，预测目标用户的信用等级；若预测结果与图数据受到扰动前的结果相同，则表明该借贷平台系统模型的安全性高，反之，表明借贷平台系统模型的安全性低。有害节点的属性与周围节点类似，更具隐蔽性，也就更能模仿真正的攻击行为，以提高系统模型安全性的评估性能。
-
公开(公告)号：CN116228400A
公开(公告)日：2023-06-06
申请号：CN202310190601.2
申请日：2023-03-02
Applicant: 河北工业大学
IPC: G06Q40/03 , G06F16/901 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明为一种基于属性重构与注意力机制的信用卡用户行为预测方法，首先获取银行系统某一时期信用卡用户的历史数据，将历史数据转换为图数据；图数据的节点代表信用卡用户，边表示用户间的联系；获取图拓扑信息和节点属性矩阵；然后，基于图卷积神经网络构建节点属性重构模型，节点属性重构模型包括编码器和解码器，编码器将图拓扑信息和节点属性信息编码为潜在分布矩阵，解码器将潜在分布矩阵解码为重构的节点属性矩阵；最后，构建信用卡用户行为预测模型，将图拓扑信息和重构的节点属性矩阵输入到模型中，得到各个节点的预测标签；将训练后的信用卡用户行为预测模型用于新用户的行为预测。通过节点属性重构可以补全缺失的属性信息，同时缓解了节点敏感属性对预测结果公平性的影响。
-
公开(公告)号：CN113269818A
公开(公告)日：2021-08-17
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN112884045A
公开(公告)日：2021-06-01
申请号：CN202110208919.X
申请日：2021-02-25
Applicant: 河北工业大学
Abstract: 本发明为基于多视角的随机删边嵌入模型的分类方法，该分类方法从两个视角分别是一阶邻居的编码和图扩散分布的各自的特殊通道和他们两个共享权重通道对其进行随机删边操作求和分别做KL散度，两个独特通道和共享权重通道再结合图注意力自适应权重嵌入可以实现最佳性能。基于随机删除边的思想对邻接矩阵和图扩散进行了节点增强，防止过拟合和过平滑增强模型的深度和嵌入能力，提高分类效果及分类速度。
-
公开(公告)号：CN112163611B
公开(公告)日：2021-04-06
申请号：CN202011014635.9
申请日：2020-09-24
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于特征张量的高维地震数据插值方法，包括数据的预处理、训练特征张量的提取、张量回归模型的训练学习和插值重建。本发明将张量回归模型应用于地震数据插值重建中，以张量作为输入特征进行训练，将原始特征直接输入至张量回归模型，并不破坏高维数据的结构信息，有效保留了原始特征中的结构信息，提高了高维地震数据的结构信息利用率，提高了机器学习方法的插值效果，提高了地震数据的恢复质量，进而提高了地震资料解释的准确性，实现了对不同类型不同维度地震数据的普适能力。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
