-
公开(公告)号：CN112966734B
公开(公告)日：2023-09-15
申请号：CN202110235175.0
申请日：2021-03-03
Applicant: 扬州大学
Abstract: 本发明公开了一种基于分数阶谱的判别多重集典型相关分析方法，包括1）定义每组训练样本的投影方向；2）计算训练样本的互协方差矩阵和类内散布矩阵；3）互协方差矩阵做奇异值分解，类内散布矩阵做特征值分解；4）构建分数阶互协方差矩阵和分数阶类内散布矩阵；5）构建FLMCCA的最优化模型；6）求解特征向量问题；7）利用特征向量形成每组数据的投影矩阵；8）采用串行特征融合策略对投影后的特征进行融合，并选取不同数量的图像做训练和测试，计算识别率。本发明通过引入分数阶参数构建了分数阶类内散布矩阵和分数阶互协方差矩阵，减小因噪声干扰和有限训练样本带来的真实值偏离，从而增强了所抽低维特征的判别力，提高了系统识别的准确率。
-
公开(公告)号：CN111292238B
公开(公告)日：2023-08-08
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。
-
公开(公告)号：CN110543639B
公开(公告)日：2023-06-02
申请号：CN201910863529.9
申请日：2019-09-12
Applicant: 扬州大学
Inventor： 强继朋
IPC: G06F40/211 , G06F40/284 , G06F40/30 , G06F18/22
Abstract: 本发明公开了一种基于预训练Transformer语言模型的英文句子简化算法，按如下步骤进行：步骤1、利用公开的维基百科语料，统计词语频率；步骤2、利用公开的预训练的词嵌入模型，获取词语的向量化表示；步骤3、对需要简化的句子进行预处理，获取内容词；步骤4、对句子中的内容词，利用公开的预训练Transformer语言模型Bert，获取该词的候选替代词语集合；步骤5、利用多个特征，对每个内容词的候选替代词语集合进行排序；步骤6、比较最高排序的候选词和原有内容词的词语频率，确定最终的替代词；步骤7、依次按照步骤4到6，处理句子中其他内容词，获取最终的简化句子，本发明在没有利用任何标注的并行语料，充分利用预训练Transformer语言模型，有效提高了英文句子简化的准确性。
-
公开(公告)号：CN114818687A
公开(公告)日：2022-07-29
申请号：CN202210518082.3
申请日：2022-05-12
Applicant: 扬州大学
IPC: G06F40/284 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于句子复述模型的英文词语替换方法，包括：利用公开的复述语料，训练复述生成模型；利用所述复述生成模型，结合聚焦目标词的解码方法，生成复述句子；从所述复述句子中，提取候选替代词；利用BERTScore过滤所述候选替代词，以获取最终替代词；首次提出利用复述模型进行词语简化，很好地结合了复述模型中包含的隐含监督信息；首次利用BERTScore进行替代词的过滤，且生成替代词时同时考虑目标词及其上下文信息；简化了替代步骤，在不需要转换词语形态的情况下，即可生成替代词。
-
公开(公告)号：CN114756749A
公开(公告)日：2022-07-15
申请号：CN202210381395.9
申请日：2022-04-12
Applicant: 扬州大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/951 , G06N20/00
Abstract: 本发明公开了一种基于三重自编码机结合知识图谱的电影推荐方法，包括1）将用户和电影之间的评论信息编码为情感分类，作为自动编码机的输入；2）基于电影的评级、辅助信息和生成的评论表示合并到半自动编码器中用于重构输出，通过半自动编码器学习获得扩展信息的低维特征表示，将获得的低维特征表示融合到电影的原始特征空间中，并将新的特征作为额外信息输入到半自编码机模型中；3）设计半自动编码器和自动编码器的串行连接，将第三个自编码器的输出预测评分矩阵与原始的评分矩阵进行对比。本发明能够利用用户和电影之间的交互信息和知识图谱对电影信息进行特征扩展，并通过自编码机处理拓展特征，达到为用户进行更准确推荐的目的。
-
Patent Agency Ranking
公开(公告)号：CN113705223A
公开(公告)日：2021-11-26
申请号：CN202111025610.3
申请日：2021-09-02
Applicant: 扬州大学
IPC: G06F40/284 , G06F40/30
Abstract: 本发明公开了一种以读者为中心的个性化英文文本简化方法，包括步骤1、根据读者当前具备的的英文等级，设置当前简化方法的简化等级，并获取该等级对应的词库；步骤2、对读者阅读的文本，进行分句处理，得到分句集合；步骤3、采用句子词语简化方法从前到后依次对分句集合中的每个句子进行简化，获取简化后的句子集合，并将简化后的句子集合给返回读者。本发明充分利用预训练语言模型以及词典库，满足不同读者对英文文本简化的要求，同时提高了英文文本简化的准确性。
-
公开(公告)号：CN112966735A
公开(公告)日：2021-06-15
申请号：CN202110235178.4
申请日：2021-03-03
Applicant: 扬州大学
Abstract: 本发明公开了一种基于谱重建的监督多集相关特征融合方法，包括1）定义训练样本集的投影方向；2）计算训练样本的组间类内相关矩阵和自协方差矩阵；3）组间类内相关矩阵做奇异值分解，自协方差矩阵做特征值分解；4）重构分数阶组间类内相关矩阵和分数阶自协方差矩阵；5）构建FDMCCA的最优化模型；6）求解特征向量矩阵，形成投影矩阵；7）融合降维后的特征；8）选取不同数量的图像分别做训练集和测试集，计算识别率。本发明能够有效地处理多个视图数据的信息融合问题，同时分数阶参数的引入削弱了因噪声干扰和有限训练样本带来的影响，提高了系统识别的准确率。
-
-
公开(公告)号：CN111611962A
公开(公告)日：2020-09-01
申请号：CN202010473054.5
申请日：2020-05-29
Applicant: 扬州大学
Abstract: 本发明公开了基于分数阶多集偏最小二乘的人脸图像超分辨率识别方法，步骤1在训练阶段利用训练集学习不同分辨率视图之间的相关关系，使用PCA对图像降维，利用分数阶思想重新估计组内及组间协方差矩阵，并计算FMPLS投影矩阵，将主成分特征投影到FMPLS的一致相干子空间；步骤2在测试阶段，提取输入的多种低分辨率图像的主成分特征，并投影到相应的FMPLS子空间，通过邻域重建策略重建出输入的低分辨率图像的高分辨率特征；步骤3最后利用最近邻分类器进行人脸识别。本发明利用分数阶多集偏最小二乘，可以同时学习不同分辨率人脸视图之间的多种特定分辨率的映射，同时借助分数阶思想，重新估计协方差矩阵，以减少由样本数量不足、噪声等因素带来的影响。
-
公开(公告)号：CN111259842A
公开(公告)日：2020-06-09
申请号：CN202010069733.6
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了一种基于分数阶稀疏表示的多视角人脸识别方法，包括以下步骤：1输入多视角人脸图像集A和多视角测试图像集Y；2对A执行奇异值分解；3对于给定的非负分数阶参数α，计算相应的分数阶训练字典矩阵Aα；4用新的分数阶训练字典求解联合稀疏表示系数矩阵X；5使用Classi(Y)公式对多视角测试图像集Y进行分类；6输出Y的人脸类别。本发明以基于稀疏表示的人脸识别为基础，引入了分数阶嵌入，其主要思想是先通过分数阶嵌入构造人脸的训练字典矩阵，用优化方法将字典引入稀疏表示分类的框架之中，这样提取出的人脸特征不仅减少了面部的细节变化，而且消除了因遮挡引起的噪声数据，提高了人脸识别能力和稳定性，进一步提高了用户体验。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.018 seconds)
