公开(公告)号：CN119067120A

公开(公告)日：2024-12-03

申请号：CN202411193791.4

申请日：2024-08-28

Applicant: 北京信息科技大学

Inventor： 刘旭红 ,  苗琳 ,  杜超 ,  刘秀磊

IPC: G06F40/295 ,  G06F40/216 ,  G06N3/0442

Abstract: 本公开提供了一种实体识别方法，其包括：使用预训练语言模型处理该威胁情报序列，获得与该威胁情报序列对应的语义特征矩阵；其中，所述语义特征矩阵包括多个元素；采用增强模型对所述语义特征矩阵进行处理，获得每个语义特征矩阵中的每个元素的最终隐藏状态；以及获得全局句子表示；将每个元素的最终隐藏状态与全局句子表示进行融合，获得对应于每个元素的全局向量；根据每个元素的全局向量与不同的权重矩阵的运算结果，获得全局向量的不同权重；根据全局向量的不同权重对每个元素的最终隐藏状态与全局句子表示进行运算融合，获得融合后的全局特征表示；基于融合后的全局特征表示，获得标签序列概率；并输出最大概率值的实体类型。

公开(公告)号：CN109325484B

公开(公告)日：2021-08-24

申请号：CN201810854878.X

申请日：2018-07-30

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  吴迪 ,  刘旭红 ,  尹静 ,  崔展奇

IPC: G06K9/32 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于背景先验显著性的花卉图像分类方法，该方法通过背景先验显著性的方法确定花卉区域，将花卉分割方法和基于迁移学习的深度神经网络分类方法结合，将训练迁移的InceptionV3网络用于花卉图像，利用训练好的网络模型对花卉图像进行分类。在国际公开花卉识别数据集Oxford flower‑102上的实验表明：该模型比改进的Alex网络分类准确率高7.63％，且比未进行分割的花卉图像进行网络训练的模型准确率高2.85％，分类准确率达到了93.38％。

公开(公告)号：CN106844481B

公开(公告)日：2021-01-05

申请号：CN201611208107.0

申请日：2016-12-23

Applicant: 北京信息科技大学

Inventor： 刘旭红 ,  李宁 ,  赵欢

IPC: G06F16/31 ,  G06K9/46 ,  G06K9/40 ,  G06K9/62

Abstract: 本发明涉及一种字体相似度和字体替换方法，包括：步骤1、根据预设的影响字体视觉效果的属性值，分别构造汉字文本块图像，以生成汉字文本块图像样本库；其中所述汉字文本块图像包括n×n个不交叠的汉字，其中n≥2；步骤2、计算汉字文本块图像集合的纹理特征值；步骤3、采用静态替换方法或动态替换方法对缺失的字体进行替换。