-
公开(公告)号：CN111753899A
公开(公告)日：2020-10-09
申请号：CN202010582064.2
申请日：2020-06-23
Applicant: 扬州大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应的不平衡数据领域适应方法，包括以下步骤：1）构建叠加稀疏自编码机，学习源领域和目标领域的原始图像数据集的向量表示；2）针对源领域和目标领域的不平衡数据，构建自适应的不平衡数据领域适应目标函数，补偿数量较小的类损失，并应用最大均值差异算法将源领域和目标领域的大量无标签数据信息代入领域适应目标函数，缩小源领域和目标领域的距离；3）用逻辑回归模型在训练集上训练分类器，并在测试集上做分类预测，得到最终的领域适应结果。本发明优化了特征表示学习的性能，提升了领域适应的准确性，具有较高的鲁棒性和实用性。
-
公开(公告)号：CN111753898A
公开(公告)日：2020-10-09
申请号：CN202010581332.9
申请日：2020-06-23
Applicant: 扬州大学
Abstract: 本发明公开了一种基于叠加卷积稀疏自编码机的表示学习方法，其特包括以下步骤：1）设计和实现包括白化的重构独立成分分析算法，并将图像数据集作为输入，迭代优化学习其输出的重构矩阵，得到训练完成的稀疏自编码模型；2）构建半监督叠加稀疏自编码机模型对特征表示做训练；3）构建卷积模型从数据中提取块特征，应用卷积和池化操作生成卷积特征表示；4）将卷积稀疏自编码机进行叠加，对卷积特征表示进行进一步优化；5）用逻辑回归模型在图像数据集上训练分类器，并得到分类结果。本发明结合自编码机模型和卷积池化结构的特点，并利用大规模数据集中的少部分有标签数据，达到优化特征表示向量，提高图像数据集分类准确度。
-
公开(公告)号：CN111652695A
公开(公告)日：2020-09-11
申请号：CN202010529350.2
申请日：2020-06-11
Applicant: 扬州大学
Abstract: 本发明公开了一种基于并行自编码机的协同过滤推荐方法，包括以下步骤：1构建稀疏自编码机模型完成用户潜在特征表示的目标函数，学习基于用户的高层次抽象特征，得到用户评分矩阵的重构矩阵；2构建图正则化自动编码机模型完成商品潜在特征表示的目标函数，学习基于商品的高层次抽象特征，得到商品评分矩阵的重构矩阵；3将基于用户评分矩阵的重构矩阵和基于商品评分矩阵的重构矩阵进行矩阵相乘，得到用户对商品感兴趣的预测矩阵，并根据结果对用户进行推荐。本发明能够并行利用不同结构的自编码机且同时学习用户和商品的不同特征信息，提取用户和商品更准确的高层次抽象特征，利用提取的抽象特征进行预测，达到为用户进行更准确推荐的目的。
-
公开(公告)号：CN111640064A
公开(公告)日：2020-09-08
申请号：CN202010473403.3
申请日：2020-05-29
Applicant: 扬州大学
Abstract: 本发明公开了一种基于局部保持典型相关分析的幻觉脸方法，包括利用局部保持典型相关分析计算高分辨率和低分辨率主成分特征的一致相关特征，利用逆变换将低分辨率人脸图像对应的高分辨率特征重建为全局高分辨率人脸图像；在此基础上，建立高分辨率和低分辨率人脸残差图像并将残差图像分块，利用局部保持典型相关分析抽取高分辨率和低分辨率残差图像块的一致特征，采用逆变换得到高分辨率残差图像块，通过平均重叠区域，组合所有高分辨率残差图像块形成高分辨率残差图像；组合全局高分辨率人脸和高分辨率残差图像，最终得到超分辨率人脸图像。本发明利用局部保持典型相关分析，克服了传统方法不能处理高分辨率和低分辨率图像之间非线性关系的问题。
-
公开(公告)号：CN111292238A
公开(公告)日：2020-06-16
申请号：CN202010069636.7
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了一种基于正交偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤：1.利用正交偏最小二乘法进行特征提取，将人脸图像映射到子空间中以使得对应高分辨率和低分辨率图像矩阵间的协方差最大，在子空间中利用邻域重建的思想重建出低分辨率输入图像的高分辨率全局人脸；2.将人脸残差分成若干重叠的方块，对每一个区域的方块使用邻域重建以构造高分辨率残余补偿；3.最终算法输出的高分辨率人脸图像为全局人脸加上残余补偿。本发明在超分辨率重建结果的轮廓、细节内容方面更加有优势，客观指标得分也高于经典算法，在多姿态下、不同缩放倍数下的表现也更优秀，具有令人满意的超分辨率重建表现和较强的鲁棒性，有一定的市场实施可行性。
-
Patent Agency Ranking
公开(公告)号：CN111275624A
公开(公告)日：2020-06-12
申请号：CN202010069717.7
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了基于多集典型相关分析的人脸图像超分辨率重建识别方法，包括以下步骤：1利用多集典型相关分析，可以同时为同源的各种低分辨率人脸视图学习多种特定分辨率的映射，将多视图人脸图像分成重叠的图像块，再利用多集典型相关分析提取图像块主成分的潜在相干特征；2利用邻域重建策略重建出全局人脸图像，再通过残差补偿对全局人脸图像补充细节；3最终输出的超分辨率重建结果为全局人脸图像加上残差人脸图像。本发明具有一定的理论基础，在不同数据库下测试结果表明本发明具有较强的鲁棒性，具有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。
-
公开(公告)号：CN119128149A
公开(公告)日：2024-12-13
申请号：CN202411158349.8
申请日：2024-08-22
Applicant: 扬州大学
IPC: G06F16/35 , G06N3/0442 , G06F40/247 , G06F40/30 , G06F40/253
Abstract: 本发明公开了一种基于软提示调优的隐性仇恨语言检测方法，包括1）使用软提示模板，在连续的最优提示空间中进行训练；2）针对中文和英文在语义结构和语法规则上的差异，使用不同的方法构建扩展词映射器。3）结合步骤1）和步骤2）中提到的软提示模板和扩展词映射器，并从训练集中选取少量样本进行训练构造出提示调优模型，实现隐性仇恨语言检测。本发明采用三种不同的策略来扩展标签词空间，以探索原文背后的真实意图，并在最后的提示调优中使用这些策略的整合，这种方法可以进一步激发预训练语言模型中分布的丰富知识，更好的运用于隐性仇恨语言的检测。
-
公开(公告)号：CN118260413A
公开(公告)日：2024-06-28
申请号：CN202410342826.X
申请日：2024-03-25
Applicant: 扬州大学
IPC: G06F16/34 , G06F16/35 , G06F18/213 , G06F18/2415 , G06F18/22
Abstract: 本发明公开了一种利用新闻摘要生成的点击诱饵检测方法，包括：1）采用两阶段方法SummaReranker，基于三个评估指标实现最佳摘要的选择；2）构建提示学习中的标签词映射器，并通过四种优化策略对标签词进行优化；3）通过预设提示模板将标题和生成的摘要构建成带有mask的提示文本，作为提示学习模型的输入，利用优化后的标签词映射器进行点击诱饵检测；4）最终将每个标签词上预测的概率映射到对应的类别中，得到该标签最终的预测分数作为点击诱饵检测结果。本发明引入SummaReranker模型生成高质量新闻摘要，将原新闻标题和新生成的摘要作为提示调整模型的输入并使用四种优化策略优化提示学习标签词映射器，利用较少的数据来获得更准确的检测结果，减少了模型的训练成本。
-
公开(公告)号：CN114842276B
公开(公告)日：2024-03-26
申请号：CN202210546097.0
申请日：2022-05-18
Applicant: 扬州大学
Abstract: 本发明公开了一种基于多图融合的典型相关分析的降维方法，该方法针对已有的图嵌入降维算法仅使用单一图结构的问题，提出了一种能够利用多种类型的图揭示数据的内在结构的典型相关分析算法模型。在本发明中，通过构建多种不同的图来描述数据的结构，并且使用图融合框架为每个图赋予权重并且将这些图进行融合成为一个“最佳图”，将融合后的图与典型相关分析模型相结合，通过交替迭代的优化方法求出投影向量并更新多图的权重直至收敛从而得到最终的投影向量，完成降维任务。
-
公开(公告)号：CN111753898B
公开(公告)日：2023-09-22
申请号：CN202010581332.9
申请日：2020-06-23
Applicant: 扬州大学
IPC: G06F18/21 , G06F18/214 , G06F18/241 , G06F18/2136 , G06F18/213 , G06N20/00
Abstract: 本发明公开了一种基于叠加卷积稀疏自编码机的表示学习方法，其特包括以下步骤：1）设计和实现包括白化的重构独立成分分析算法，并将图像数据集作为输入，迭代优化学习其输出的重构矩阵，得到训练完成的稀疏自编码模型；2）构建半监督叠加稀疏自编码机模型对特征表示做训练；3）构建卷积模型从数据中提取块特征，应用卷积和池化操作生成卷积特征表示；4）将卷积稀疏自编码机进行叠加，对卷积特征表示进行进一步优化；5）用逻辑回归模型在图像数据集上训练分类器，并得到分类结果。本发明结合自编码机模型和卷积池化结构的特点，并利用大规模数据集中的少部分有标签数据，达到优化特征表示向量，提高图像数据集分类准确度。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.02 seconds)
