-
公开(公告)号：CN112699685A
公开(公告)日：2021-04-23
申请号：CN202110027765.4
申请日：2021-01-08
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于标签引导的字词融合的命名实体识别方法，用于解决以往分词工具不准确造成的分词错误的问题。具体采用标注信息对句子的分词结果进行分组，并对组内信息进行融合，能够有效的获得这个位置词的信息；将位置词信息与当前字的信息进行融合，增强位置词的信息表达；采用注意力机制，对每个位置词进行分配权重，使其更加关注正确的词的标签；采用Gated Mechanism来动态的权衡字特征与位置词向量特征的比重，最后通过BiLSTM与CRF找到最优序列。本发明改善了词边界识别错误的问题，并能够减少未登陆词(OOV)的产生。
-
公开(公告)号：CN112488236A
公开(公告)日：2021-03-12
申请号：CN202011461457.4
申请日：2020-12-07
Applicant: 北京工业大学
Abstract: 本发明针对调查问卷方法在收集数据方面的局限性，以及统计方法、监督学习方法和半监督学习方法对学生标签的严重依赖，提出了一种集成的无监督学生行为聚类方法。首先提取学生行为数据的特征，特征分为三部分，利用众数、平均值以及范围描述数据的集中趋势，利用最小值、第一分位数、中位数、第三分位数以及最大值表达数据的离散情况，利用香农熵衡量行为发生时间和地点的规律程度；然后利用方差和相关性分析选择最佳的行为特征；最后利用DBSCAN对学生的行为特征进行初始聚类，对于超大簇采用K‑means进一步细分，得到最终的聚类结果。本发明不依赖学生标签，仅通过分析行为数据完成聚类，为学生的精细化服务和管理奠定了基础。
-
公开(公告)号：CN112116593A
公开(公告)日：2020-12-22
申请号：CN202010781502.8
申请日：2020-08-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于基尼指数的领域自适应语义分割方法，利用基尼指数度量输出预测的不确定性，在输出层对目标域输出预测进行不确定性度量及约束，减小源域和目标域在类别分布上的差异，进行域间自适应；依据基尼指数对目标域预测的不确定性度量结果将目标域样本集划分为两个子集，对域内高置信度预测对应的样本利用伪标签作为弱监督信息训练域内自适应分割网络，对域内自适应分割网络两个子集的输出预测计算基尼指数图，对低置信度样本计算的基尼指数图进行约束，并利用判别器Dt判别基尼指数图属于哪个子集，基于对抗思想减小目标域域内的差异，提高语义标注精度。与现有技术相比较，本发明显著提高了目标域的语义标注准确率。
-
公开(公告)号：CN111709575A
公开(公告)日：2020-09-25
申请号：CN202010551141.8
申请日：2020-06-16
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于深度学习技术的成绩分类预测方法，整体分为数据汇集、数据预处理、数据建模三个阶段。数据汇集阶段负责将学生的多源异构数据进行汇集，包括基础信息、一卡通消费数据、进入图书馆的记录数据、上网日志数据；数据预处理阶段主要对数据进行标准化、去重或合并操作。数据建模阶段则首先分别对不同的行为数据提取特征，然后联合所有的行为特征以及基础信息特征进行分类预测。本发明汇集学生的多源行为数据，经过数据预处理后，直接利用深度学习模型自主学习特征并进行成绩的分类预测，无需人工提取特征，预测分析的结果具有较高的准确率。
-
公开(公告)号：CN111709275A
公开(公告)日：2020-09-25
申请号：CN202010350248.6
申请日：2020-04-28
Applicant: 北京工业大学
Abstract: 公开一种用于Affordance推理的深度网络构建方法，其能够描述物体间影响的不对称性，考虑不同邻居节点的差异性影响的问题，更好地刻画场景上下文中物体之间的关系。该方法包括两个部分：视觉特征提取部分和Affordance推理部分；Affordance推理部分采用门控图注意力网络(Gated Graph Attention Neural Network,GGANN)，以图结构作为上下文的载体，基于对象级别的上下文信息构建双向图，对环境中物体提取视觉特征并与类别信息融合作为每个图节点的表示，图节点之间建立双向边，并引入图注意力机制更新边的权值以描述不同邻居节点间的差异性影响。
-
Patent Agency Ranking
公开(公告)号：CN111324791A
公开(公告)日：2020-06-23
申请号：CN202010141519.7
申请日：2020-03-02
Applicant: 北京工业大学
IPC: G06F16/906 , G06K9/62
Abstract: 公开一种多视数据子空间聚类方法，其能够充分揭示多视数据的结构信息，提高图像的聚类性能。这种多视数据子空间聚类方法，该方法包括以下步骤：(1)在多视数据子空间聚类的方法中加入低秩表示约束；(2)在多视数据子空间聚类的方法中加入稀疏表示约束；(3)通过一个前后级联构建特定形式的聚类相似度矩阵。
-
公开(公告)号：CN105741332B
公开(公告)日：2019-08-16
申请号：CN201610069414.9
申请日：2016-02-01
Applicant: 北京工业大学
IPC: G06T9/00
Abstract: 本发明公开一种真实感三维网格压缩方法，其能够提高在压缩法向图像上的效率，从而有效地提高真实感三维网格的压缩效率。该方法包括编码阶段和解码阶段；原始的输入数据是原始的几何图像GI，原始的θ′‑角度图像Iθ′以及原始的φ‑角度图像Iφ，编码阶段包括：(1)下采样平滑的几何图像；(2)通过解码重建后的几何图像预测角度图像；解码阶段包括：(3)解码并上采样上述几何图像，得到重建后的几何图像(4)通过预测θ‑角度图像，φ‑角度图像和θ′‑角度图像，得到预测的和(5)解码残差和并添加到预测的和得到重建的θ′‑角度图像和重建的φ‑角度图像(6)利用估计边信息作用于最后得到重建后的角度图像和
-
公开(公告)号：CN105654119B
公开(公告)日：2019-08-16
申请号：CN201510994181.9
申请日：2015-12-25
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种字典优化方法，其能够更好地携带光场数据的结构特征，减小字典的存储空间，明显提高光场图像的重建质量。该方法包括步骤：(1)探究基于压缩感知光场摄影技术中观测矩阵和字典作用的过程；(2)根据相机的结构推导出结构化的观测矩阵P；(3)结合压缩感知中观测矩阵与字典的非一致性，以及压缩感知和稀疏编码理论知识，构建优化字典模型；(4)根据光场视图间具有高度的相关性，且各个视图共享相似的结构内容，结合上述结构化观测P，构造结构字典SD；(5)根据结构化的观测P，对优化字典模型求解，最终得到优化的结构字典OSD和优化的字典OD。
-
公开(公告)号：CN110084740A
公开(公告)日：2019-08-02
申请号：CN201910338287.1
申请日：2019-04-25
Applicant: 北京工业大学
IPC: G06T3/00
Abstract: 本发明涉及一种基于规格化结构的球面图像生成及转换方法。传统图像利用基于规格化结构的数字化表示方式，简化图像处理操作，从而在很多应用中取得了成功。然而，对360°球面图像视频，目前还缺乏有效的规格化数字化表示方式。为解决现有球面数字化表示方法冗余大，几何关系复杂，不利于数字化采样和数值计算的缺点，本发明利用曲面三角作为图像像元，建立球面规格化结构，并以此为基础给出基于规格化结构的数字化球面图像的生成方法；更进一步，本发明将平面图像插值算法引入该数字化框架，提出从ERP图像到规格化球面图像的转换方法，可将ERP投影格式下的360°图像视频转化为高质量的规格化球面图像，为后续处理提供数据保障。
-
公开(公告)号：CN110018927A
公开(公告)日：2019-07-16
申请号：CN201910078120.6
申请日：2019-01-28
Applicant: 北京工业大学
Abstract: 基于生成对抗网络的交通数据修复方法是一种机器学习的数据修复方法。缺失的交通流矩阵经常影响智能交通系统的性能，如错误的拥堵预测和路线指导。本发明将对抗训练思想引入交通流数据修复中，整个模型分为两个部分，生成网络和鉴别网络。生成网络部分修复缺失交通流矩阵，而鉴别网络判断修复后的交通流矩阵是否符合真实分布，并利用一致性约束来保证交通流矩阵的时序连贯性。本发明提高交通数据修复的准确性，实现对交通流量残缺部分的准确估计。
-
-
-
-
-
-
-
-
-
Search Results
447
records
(took 0.038 seconds)
