-
公开(公告)号:CN108563773B
公开(公告)日:2021-03-30
申请号:CN201810361909.8
申请日:2018-04-20
Applicant: 武汉工程大学
IPC: G06F16/36 , G06F16/33 , G06F16/335 , G06F16/338
Abstract: 本发明公开了一种基于知识图谱的法律条文精准搜索排序方法,包括以下步骤:S101、输入待搜索关键词;S102、从法律知识图谱模型中获取与待搜索关键词匹配的主题词及该主题词的关联词,形成主题词库;S103、根据与法律知识图谱模型中核心主题的关联关系,动态生成同一案由的主题词库中的主题词及其关联词的权值;S104、获取主题词库的子集组合,依次形成元素个数为m,m‑1,m‑2…2的子集组合;S105、从每个子集组合中各取出一个主题词形成最终用于搜索的主题词组合;S106、以最终用于搜索的主题词组合中的个数和关键词总权重为依据对所有的子集组合进行排序;S107、使用排序后选择的主题词组合在法律条文数据库中进行搜索,并对搜索结果进行排序显示。
-
公开(公告)号:CN106778766B
公开(公告)日:2020-05-22
申请号:CN201611031403.8
申请日:2016-11-18
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于定位点的旋转数字识别方法及系统,方法包括:S1、对输入的视频帧图像进行预处理,得到相应的灰度图像;S2、对灰度图像进行轮廓提取,得到灰度图像中的色块的定位点位置、宽度和长度;S3、根据定位点位置对灰度图像进行旋转矫正,得到矫正图像和矫正定位点位置;S4、根据矫正定位点位置、色块的宽度和长度对矫正图像进行图像分割,得到只包含数字部分的数字图像;S5、对数字图像进行灰度化,通过深度学习模型和分类器得到数字图像中的数字。本发明产生的有益效果是:保证了定位点和矫正角度的准确性,识别率高,参数设置较简单,训练速度快,实际使用时可以直接载入训练好的网络进行使用。
-
公开(公告)号:CN106326843B
公开(公告)日:2019-08-16
申请号:CN201610669093.6
申请日:2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别方法,在人脸集合中提取出p张人脸图像,将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库,采用训练样本库中的类别均值信息对P张人脸图像进行预分类,在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复,获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理,利用训练样本库训练极限学习机,最后将P个人脸图像对应的低秩恢复图像作为测试样本库,利用极限学习机作为标准,建立P个人脸图像和训练之后得到的人脸标签之间的映射关系,对P个人脸图像对应的低秩恢复图像进行人脸识别,不但提升了极限学习机的识别鲁棒性,还降低了计算复杂度。
-
公开(公告)号:CN105550649B
公开(公告)日:2019-03-08
申请号:CN201510906586.2
申请日:2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统,该方法包括以下两个阶段:训练阶段和测试阶段;训练阶段包括以下三个步骤:S1、对表达字典进行更新;S2、计算其在局部约束和线性重建条件下的最优权值系数;S3、确定最优的神经元个数;测试阶段包括以下三个步骤:S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数;S5、利用高分辨率表达系数作为图像耦合局部约束特征;S6、得出识别结果。本发明提升了极低分辨率图像的表达能力,提升了在极低人脸图像上的识别率;最后通过极限学习机完成人脸识别,使识别结果更加准确。
-
公开(公告)号:CN105677700B
公开(公告)日:2018-12-14
申请号:CN201510980148.0
申请日:2015-12-23
Applicant: 武汉工程大学
IPC: G06F17/30
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:CN104700078B
公开(公告)日:2018-06-08
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。
-
公开(公告)号:CN106326843A
公开(公告)日:2017-01-11
申请号:CN201610669093.6
申请日:2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288
Abstract: 本发明公开了一种人脸识别方法,在人脸集合中提取出p张人脸图像,将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库,采用训练样本库中的类别均值信息对P张人脸图像进行预分类,在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复,获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理,利用训练样本库训练极限学习机,最后将P个人脸图像对应的低秩恢复图像作为测试样本库,利用极限学习机作为标准,建立P个人脸图像和训练之后得到的人脸标签之间的映射关系,对P个人脸图像对应的低秩恢复图像进行人脸识别,不但提升了极限学习机的识别鲁棒性,还降低了计算复杂度。
-
公开(公告)号:CN105608006A
公开(公告)日:2016-05-25
申请号:CN201510982321.0
申请日:2015-12-22
Applicant: 武汉工程大学
IPC: G06F11/36
CPC classification number: G06F11/3612 , G06F11/3684
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:CN105469359A
公开(公告)日:2016-04-06
申请号:CN201510904054.5
申请日:2015-12-09
Applicant: 武汉工程大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于局部约束低秩表示的人脸超分辨率重建方法,包括以下步骤:S1、获取一张待重建的低分辨率人脸图像,将它与多张高分辨率人脸图像分别进行比对,找到互相重叠的图像块;S2、分别计算其在局部约束和低秩约束条件下的表达权重系数并对其求解,得到最优权重系数;S3、用其对应的高分辨率人脸图像上的重叠图像块,结合最优权重系数以及重叠次数进行合成,得到高分辨率的人脸图像块;S4、对合成得到的多个高分辨率的人脸图像块进行位置拼合,得到一张完整的高分辨率人脸图像。本发明能够获得更高质量的高分辨率人脸图像。
-
公开(公告)号:CN105389819A
公开(公告)日:2016-03-09
申请号:CN201510776198.7
申请日:2015-11-13
Applicant: 武汉工程大学
CPC classification number: G06T5/006 , G06T2207/10032
Abstract: 本发明公开了一种鲁棒的半标定下视图像极线校正方法及系统,该方法包括以下步骤:S1、获取无人飞行器每一成像时刻下视相机拍摄的图像,相机的内参数矩阵,以及无人飞行器的惯导系统提供的姿态参数,构建平行于地平面的虚拟成像环境;S2、对不同成像时刻的图像分别提取特征点,构建初始特征点对应集合;并根据该集合得到变换后的特征点对应集合;S3、构建概率表达模型,计算无人飞行器的航向与正北方向的夹角;S4、计算单应变换矩阵,并根据该矩阵,对每一成像时刻的图像进行极线校正。本发明能够快速的完成校正,并且能够得到精度较高的校正图像,对于无人机辅助导航等应用领域具有重要的指导意义。
-
-
-
-
-
-
-
-
-