-
公开(公告)号：CN111830560A
公开(公告)日：2020-10-27
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：CN119939421A
公开(公告)日：2025-05-06
申请号：CN202510001721.2
申请日：2025-01-02
Applicant: 河北工业大学
IPC: G06F18/2431 , H04L41/142 , H04L41/16 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明属于信息安全技术领域，具体是一种基于联合增广图对比学习的认知安全设备状态识别方法。首先，获取互联网的设备信息，将设备信息转换成图数据，提取图数据的邻接矩阵和节点属性矩阵；接着，将节点视为属性节点，利用图数据的节点属性矩阵和邻接矩阵生成属性插值图；对属性插值图进行谱增广，生成两个增广图；然后，构建状态识别模型，基于图对比学习对状态识别模型进行训练，将不同增广图的对应节点作为正样本对，其余所有节点作为负样本对，图对比学习的目标是最大化正样本对之间的相似性，同时最小化负样本对之间的相似性；最后，获取目标设备信息并转换为图数据，利用该图数据生成两个增广图并输入到训练后的状态识别模型中进行预测。在扰动过程中充分考虑节点属性与拓扑结构之间的关联性，保留了图数据中蕴含的深层语义信息，显著提升了图数据的完整性和表达能力，有效提高了识别准确率。
-
公开(公告)号：CN118625380A
公开(公告)日：2024-09-10
申请号：CN202410902723.4
申请日：2024-07-08
Applicant: 河北工业大学
IPC: G01V1/28
Abstract: 本发明公开了一种基于频域门控Transformer网络的地震数据重建方法。本发明对Transformer层的自注意力模块和前馈网络模块进行了改进，改进后的Transformer层称为频域门控Transformer层，将频域门控Transformer层应用于残差结构中。通过这种方式，网络可以自适应地提取地震图像低频分量中重要的全局结构特征和地震图像高频分量中重要的纹理细节特征，有效解决了目前深度学习插值方法中对地震图像低频分量中全局结构特征和地震图像高频分量中纹理细节特征利用不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN117972211A
公开(公告)日：2024-05-03
申请号：CN202410192295.0
申请日：2024-02-21
Applicant: 河北工业大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种自适应高阶差分负采样图对比学习的用户推荐方法及系统，该方法首先获取用户网络数据，并将用户网络数据转换为图数据；然后，基于图神经网络构建用户推荐模型，将图数据的节点属性矩阵和邻接矩阵作为模型输入，模型输出节点表征，各节点表征再经过多层感知机映射为各节点的预测结果；最后，对用户推荐模型进行训练，根据基于自适应高阶差分负采样策略的图对比学习损失函数计算损失；在实际应用中，将待预测的用户数据转换为图数据，将图数据的邻接矩阵与节点属性矩阵输入到训练后的用户推荐模型中，模型输出各节点的预测结果，根据预测结果实现用户推荐。该方法利用目标节点与其邻居节点之间的高阶关系相似度为不同的负样本分配不同的权重，可自适应学习不同同配率的数据集，同时可减少假正负样本对模型训练的干扰。
-
公开(公告)号：CN113269818B
公开(公告)日：2023-07-25
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：CN112884045B
公开(公告)日：2022-12-20
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：CN114138919A
公开(公告)日：2022-03-04
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
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。
-
公开(公告)号：CN112700372B
公开(公告)日：2022-03-01
申请号：CN202110033783.3
申请日：2021-01-11
Applicant: 河北工业大学
IPC: G06T3/40 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/766 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种结合Gabor特征提取与支持向量回归的地震数据插值方法，该方法包括依次执行的预插值、Gabor特征提取、特征向量提取、训练回归函数和重建地震图像。对缺少地震道的缺失地震图像进行预插值补充完整，获得低分辨率地震图像，再对此低分辨率地震图像进行Gabor滤波，获得特征图像，接下来利用低分辨率地震图像和特征图像变换获得预测特征向量，再通过训练特征向量和标签训练回归函数，最后将预测特征向量输入到训练好的回归函数中，经过回归重建以及变换得到重建地震图像。本发明设计了结合Gabor滤波和SVR的地震数据插值算法，充分利用了Gabor特征提取获得的特征图像以及SVR的回归重建能力，获得了清晰完整的地震图像。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.029 seconds)
