-
公开(公告)号：CN112836593A
公开(公告)日：2021-05-25
申请号：CN202110052255.2
申请日：2021-01-15
Applicant: 西北大学
Abstract: 本发明公开了一种融合先验与自动脑电特征的情绪识别方法及系统，该方法首先从原始脑电信号中提取与情绪相关的不同频率的差分熵特征，然后将其映射为差分熵矩阵并拼接为空频特征矩阵后作为数学驱动的先验情绪特征；同时通过缩放卷积层自动提取原始脑电信号中的时频域信息作为数据驱动的自动脑电情绪特征；再将先验情绪特征与自动脑电情绪特征进行变换后拼接，再进行融合，提取其高阶语义特征，最后送入柔性最大值激活函数对情绪进行识别分类。本发明提供了一种能结合先验知识与数据驱动、可同时建模时空频域信息、提高情绪识别的智能与普适性的情绪识别的方法。
-
公开(公告)号：CN112232053A
公开(公告)日：2021-01-15
申请号：CN202010970734.8
申请日：2020-09-16
Applicant: 西北大学
IPC: G06F40/194 , G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于多关键词对匹配的文本相似度计算系统、方法、及存储介质，对于文本P和Q，借助Word2vec、双向长短期记忆网络(BiLSTM)、注意力(Attention)机制以及双任务架构完成文本相似度计算。本发明通过WP‑Attention和双任务架构避免了噪声和冗余数据对模型性能的影响，模型结构简单、易于扩展、鲁棒性强，在实践中易于推广使用。
-
公开(公告)号：CN111966865A
公开(公告)日：2020-11-20
申请号：CN202010704755.5
申请日：2020-07-21
Applicant: 西北大学
IPC: G06F16/901 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用基于查表子网络的空域图卷积层进行特征提取的方法，首先初始化设置和输入数据；从邻接矩阵中查询卷积中心节点的n阶邻域内的节点；通过位置编码器查询卷积中心节点的n阶邻域内的节点的位置编码；两两融合卷积中心节点与其n阶邻域内的节点的位置编码；通过查表子网络分别查询分配给卷积中心节点n阶邻域内的节点的卷积核权重；计算卷积中心节点的n阶邻域内的节点的特征与卷积核的互相关值，并加上偏置与通过激活函数，得到激活值即卷积中心节点的新特征。本发明解决了现有方法损失了部分空间信息等问题，提供了一种满足局部性与权重共享、模型容量易于控制、采用互相关操作同时整合空间和通道维度信息等特性的图卷积层。
-
公开(公告)号：CN108304863B
公开(公告)日：2020-11-20
申请号：CN201810031476.X
申请日：2018-01-12
Applicant: 西北大学
Abstract: 本发明提供了一种利用学习不变特征变换的兵马俑图像匹配方法，包括以下步骤：步骤1，选择任意一幅兵马俑图像作为输入兵马俑图像，提取输入兵马俑图像的所有特征点；步骤2，得到特征点分布曲线，将特征点分布曲线划分为头部区域和躯干区域；步骤3，得到头部区域的特征点集合和躯干区域的特征点集合，在每两个视图中分别对头部区域和躯干区域的特征点进行匹配。在特征提取方面，本发明训练数据集较大，并且加入了空间不变网络模型，得到更鲁棒的特征，克服了兵马俑表面特征间的相似性问题；在图像匹配方面，本发明将提取出的特征分为头部和躯干两个区域，缩小了匹配时间，减少了误匹配率。
-
公开(公告)号：CN111429474A
公开(公告)日：2020-07-17
申请号：CN202010125719.3
申请日：2020-02-27
Applicant: 西北大学
Abstract: 本发明公开了基于混合卷积的乳腺DCE-MRI图像病灶分割模型建立及分割方法，其中分割模型建立方法包括：首先获取乳腺DCE-MRI图像集中每个DCE-MRI序列图像的三通道图像，其次构建基于混合卷积与ASPP网络的乳腺DCE-MRI图像病灶分割网络，最后使用三通道的图像训练得到的分割网络，得到训练好的分割模型。基于得到的分割模型，对于待处理的任一DCE-MRI序列图像，进行预处理得到三通道图像，然后将三通道图像输入到分割模型中，即可得到病灶分割结果。本发明通过混合的2D与3D卷积来提取图像3D空间特征，达到更为精准的分割结果；另外，使用ASPP提取多尺度上下文特征，从而有效地解决病灶尺寸差异对分割结果的影响。
-
Patent Agency Ranking
公开(公告)号：CN111429473A
公开(公告)日：2020-07-17
申请号：CN202010125718.9
申请日：2020-02-27
Applicant: 西北大学
Abstract: 本发明公开了基于多尺度特征融合的胸片肺野分割模型建立及分割方法，其中分割模型建立方法包括：首先对X光胸片的预处理，得到预处理图片和重编码后的掩模图片，其次构建基于多尺度卷积和特征金字塔的X光胸片肺野分割网络，最后使用预处理后的图片作为分割网络的输入，重编码后的掩模图片作为分割网络的输出训练分隔网络，得到训练好的分割模型。基于得到的分割模型，对于待处理的任一待处理的X光胸片，进行预处理后将其输入到分割模型中，即可得到肺野分割结果。本发明结合特征金字塔理论，提出了多分辨率特征融合，能够将将不同分辨率的分割结果进行融合，从而提高分割效果。
-
公开(公告)号：CN110110580A
公开(公告)日：2019-08-09
申请号：CN201910185152.6
申请日：2019-03-12
Applicant: 西北大学
Abstract: 本发明提供了一种面向Wi-Fi信号的手语孤立词识别网络构建及分类方法，公开了一种面向Wi-Fi信号的手语孤立词识别网络的构建方法，包括：采集并处理CSI信号，得到去除环境影响的手语孤立词动作对应的振幅信息和图像；将去除环境影响的手语孤立词动作对应的振幅信息和图像输入到手语孤立词识别网络进行训练，得到训练好的手语孤立词识别网络；还公开了一种面向Wi-Fi信号的手语孤立词分类方法，包括：采集处理CSI信号，并采用训练好的手语孤立词网络进行识别，得到待识别的手语孤立词动作的类别；本发明使用LSTM层网络提取时序特征；采用卷积神经网络提取图像特征，使用全连接层网络进行手语孤立词识别分类，能够有效提高手语孤立词识别的准确性和鲁棒性。
-
公开(公告)号：CN110059716A
公开(公告)日：2019-07-26
申请号：CN201910185497.1
申请日：2019-03-12
Applicant: 西北大学
Abstract: 本发明提供了CNN-LSTM-SVM网络模型的构建及MOOC辍学预测方法：对待预测学生的原始在线学习记录处理，采用训练好的辍学预测的CNN-LSTM-SVM网络，得到待预测学生的辍学状态；还公开了基于MOOC辍学预测的CNN-LSTM-SVM网络的构建方法：通过对已知学生的原始在线学习行为记录进行处理，得到多个时间片矩阵，根据时间片矩阵进行网络训练，得到训练好的CNN-LSTM网络；最终得到训练好的辍学预测的网络；本发明能够自动提取有效行为区域内的局部特征和区间内的序列特征，实现待预测学生是否辍学的预测，预测能力增强。
-
公开(公告)号：CN110020671A
公开(公告)日：2019-07-16
申请号：CN201910174269.4
申请日：2019-03-08
Applicant: 西北大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于双通道CNN-LSTM网络的药物关系分类模型构建方法，对原始药物文本集进行预处理，对预处理后的药物文本集中每个预处理后的药物文本进行逆序操作，获得逆序文本集；将预处理后的药物文本集作为正序文本集；训练神经网络，获得药物关系分类模型；神经网络包括并行的正序文本特征提取层以及逆序文本特征提取层，特征融合层以及分类层；正序文本特征提取层与逆序文本特征提取层均包括依次设置的卷积块以及长短期记忆神经网络块；本发明通过构建了双通道CNN-LSTM网络，使用CNN提取药物文本的局部特征，使用LSTM分别提取药物文本的全局特征，提取出的药物关系特征更加丰富，使得分类正确率提高。
-
公开(公告)号：CN109523013A
公开(公告)日：2019-03-26
申请号：CN201811196919.7
申请日：2018-10-15
Applicant: 西北大学
Abstract: 本发明公开了一种基于浅层卷积神经网络的空气颗粒物污染程度估计方法，该方法的基本步骤包括：1.构建具有层增强功能的浅层卷积神经网络(PMIE)模型；2.将PMIE模型的输出结果与四种天气特征值相结合来构建回归模型；3.训练PMIE模型和回归模型；4.使用训练好的PMIE模型和回归模型估计测试集图像的PM2.5指数。本发明提出一种具有层增强功能的浅层卷积神经网络模型，并将其输出结果与四种天气特征相结合来估计图像中空气颗粒物污染程度，有效的避免了特征提取与特征优化等步骤所引起的问题，得到具体的PM2.5指数值，提高了训练的收敛速度与算法鲁棒性，具有更好的性能。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.022 seconds)
