-
公开(公告)号：CN109740057A
公开(公告)日：2019-05-10
申请号：CN201811618002.1
申请日：2018-12-28
Applicant: 武汉大学
IPC: G06F16/9535 , G06N3/08
Abstract: 本发明公开了一种基于知识萃取的增强神经网络及信息推荐方法，首先，提出一种融合了软标签生成和标签再训练两个阶段的增强神经网络方法，该方法可以从硬标签数据中生成的软标签中提取到更多的有效信息。其次，提出一个萃取层来平衡软标签中的信息和噪声对网络的影响，该方法通过抑制噪声能够提高信息萃取的有效性。最终，提出综合两个阶段的预测结果来生成个性化推荐结果，该方法可以进一步提高推荐精度。
-
公开(公告)号：CN108694232A
公开(公告)日：2018-10-23
申请号：CN201810382892.4
申请日：2018-04-26
Applicant: 武汉大学
IPC: G06F17/30
Abstract: 本发明属于数据挖掘和大数据领域，特别是涉及一种基于信任关系特征学习的社会化推荐方法，具体包括：步骤1，利用稀疏自编码模型(SSDAE)计算信任关系特征；步骤2，将计算得到的信任关系特征与矩阵分解方法结合，计算得到用户特征和商品特征；步骤3，利用用户和产品的特征向量计算推荐结果。本发明可以有效的从稀疏的社会关系网络中学习到高阶有效的信任关系特征，并能有效的将信任特征融合到推荐算法当中，从而有效的提高推荐算法精度。
-
公开(公告)号：CN105844110B
公开(公告)日：2018-07-06
申请号：CN201610212930.2
申请日：2016-04-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于GPU的自适应邻域禁忌搜索求解软硬件划分方法，首先将软硬件划分领域中常用的禁忌搜索算法进行改造，使其计算过程与GPU的体系结构特征相匹配，从而为将算法移植至GPU进行准备。其次，为进一步提高算法的性能，本发明不仅给出了算法在GPU上的整体框架，而且还对算法在GPU上的具体执行做了优化。对比实验表明，本发明在求解质量和计算速度上都要优于已知工作。
-
公开(公告)号：CN106951329A
公开(公告)日：2017-07-14
申请号：CN201710199219.2
申请日：2017-03-29
Applicant: 武汉大学
CPC classification number: G06F9/5005 , G06N3/00 , G06N7/00
Abstract: 本发明涉及一种基于爬山淘汰粒子群算法的大规模软硬件划分方法，包括：步骤1：初始化EPSO‑HC算法的参数。步骤2：NodeRank算法初始化种群。步骤3：更新每个粒子的位置和速度，并对种群进行离散化。步骤4：淘汰当前全局最差位置附近的粒子，随机产生的新粒子替代群体中弱小的粒子。步骤5：改进爬山法更新当前全局最优位置，在当前全局最优位置附近集中搜索更优位置。步骤6：采用GPU并行计算软硬件通信代价。步骤7：若EPSO‑HC算法达到终止条件，则输出全局最优解，该解即为软硬件划分问题的最终解；否则，转到步骤3。本发明与其他软硬件划分算法相比，EPSO‑HC算法解的质量更高，运行时间更少。
-
公开(公告)号：CN106815862A
公开(公告)日：2017-06-09
申请号：CN201710059757.1
申请日：2017-01-24
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明涉及一种基于卷积轮廓特征的目标跟踪算法，本发明首先在第一帧采集目标的卷积轮廓特征用于构建目标外观摩模型。其次，使用粒子滤波算法在下一帧采集候选样本，并提取出候选样本的卷积轮廓特征。接着，使用已训练好的目标外观模型与候选样本特征进行比对。在进行目标相似性对比时,仅使用目标中比较明亮的部分，这种策略使得算法能够应对跟踪中常遇到的部分遮挡问题。最后，在每一帧跟踪结束时，使用新跟踪到的目标对外观模型进行更新，使得目标外观模型能够适应目标最新的变化。跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。
-
Patent Agency Ranking
公开(公告)号：CN104200493B
公开(公告)日：2017-02-01
申请号：CN201410453726.0
申请日：2014-09-05
Applicant: 武汉大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于类相似性测量的实时目标跟踪算法，目标跟踪对实时性要求非常高，在目前主流的基于检测跟踪的框架下，根据测试样本与目标类和背景类的相似度比较来确定目标在新帧中的目标位置。本方法首先在当前帧采集目标类和背景类集合，计算出它们的统计特征，并在下一帧采集测试样本集合。本方法定义了一种计算测试样本与类之间相似度的量化标准，通过找出与目标类相似以及和背景类不相似的测试样本来确定目标位置。本方法明显提高了跟踪的实时性以及跟踪精度。
-
公开(公告)号：CN103824306B
公开(公告)日：2016-09-14
申请号：CN201410113489.3
申请日：2014-03-25
Applicant: 武汉大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于动力学统计形状模型的超声图像分割方法，包括以下步骤：1：手动定义超声图像目标区域的中心点；2：建立目标区域轮廓的基于动力学统计形状模型作为目标区域的先验模型；3：计算每个半径的径向特征轮廓模型作为目标区域的似然概率模型；4：根据统计形状模型和径向特征轮廓模型将分割目标区域的过程转化为计算整个轮廓的最大后验概率；5：更新每个角度的半径的长度，形成新轮廓曲线；6：计算新轮廓曲线的最大后验概率，当其最大后验概率的值小于设定的阈值时，回转执行所述的步骤5；7：收敛以后的新轮廓即为目标区域分割的轮廓区域。本发明的方法只需要简单的手动交互即可精确分割2维超声图像中子宫肌瘤的目标区域。
-
公开(公告)号：CN103778383B
公开(公告)日：2016-03-30
申请号：CN201410060364.9
申请日：2014-02-21
Applicant: 武汉大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于草绘的CAD模型局部加密方法，本发明首先可对基于特征参数的CAD模型的局部进行加密；其次，加密粒度和加密范围由用户灵活决定；最后针对特征CAD模型的不同部分可采用不同密钥进行加密，使得不同的用户对模型不同局部具有不同的访问权限，从而实现特征CAD模型灵活的局部访问控制。本发明有益效果明显：1、对特征CAD模型进行局部加密，各个局部模型视图隔离，使得不同的用户只能访问、观察、编辑、修改CAD模型中不同的部分，从而更加灵活地支持协同CAD；2、更适合产品协同开发和协同设计；3、需要被隐藏的部分可以由用户灵活控制，不同部分可由不同的密钥进行加密，更好的支持多用户协同交互操作且更加灵活。
-
公开(公告)号：CN104809500A
公开(公告)日：2015-07-29
申请号：CN201510252869.X
申请日：2015-05-18
Applicant: 武汉大学
IPC: G06N3/00
Abstract: 本发明公开了一种高效的基于鱼群扑食行为的改进粒子群算法，本发明模拟这种智能行为，当前全局最优的粒子通过其他少数随机粒子提供的自身最优位置信息，寻找当前全局更优的位置。当鱼群被其他扑食者攻击时，弱小的不能很快逃走的鱼将会被吃掉。本发明模拟这些行为，将当前全局最差粒子附近的弱小粒子通过随机产生的粒子进行替换，这样增强了群体的多样性，FSPSO能有效地避免局部最优值。本发明能具体应用在函数优化、背包问题、旅行商问题、流水线作业问题和图形图像处理等复杂优化问题的求解过程中。
-
公开(公告)号：CN104376571A
公开(公告)日：2015-02-25
申请号：CN201410719890.1
申请日：2014-12-01
Applicant: 武汉大学
IPC: G06T7/00
CPC classification number: G06T7/149 , G06T2207/30004
Abstract: 本发明公开了一种基于形状相关性活动轮廓模型的超声图像分割方法，包括以下步骤：步骤1：针对连续超声图像中病灶区域形状变化之间的相关性信息进行挖掘并构建形状相关性的低秩模型；步骤2：构建基于低秩约束的活动轮廓模型；步骤3：构建基于增广拉格朗日的优化算法用于快速计算分割结果。本发明解决了传统的基于有监督统计学习的分割方法在训练集不足和面对超声图像中病灶区域边缘模糊和病灶区域形状形变的情况下分割结果不准确的结果。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.023 seconds)
