-
公开(公告)号：CN109522432B
公开(公告)日：2023-01-31
申请号：CN201811104365.3
申请日：2018-09-21
Abstract: 本发明涉及图像检索技术领域，公开了一种融合自适应相似度和贝叶斯框架的图像检索方法，包括以下步骤：S1：构建相似度矩阵和标识矩阵；S2：通过构建深度哈希神经网络模型从而将图像转换为近似哈希向量；S3：构建融合贝叶斯框架的损失函数；S4:通过构建相似度更新幅度模型实现图像相似度的调整；S5：对构建的深度哈希神经网络模型进行训练；S6：构建图像的哈希向量数据库；S7：将需检索图像的哈希向量与构建的哈希向量数据库进行比对，以找出相似的图像。通过本发明可提高图像的检索速度和精度。
-
公开(公告)号：CN115293225A
公开(公告)日：2022-11-04
申请号：CN202210690209.X
申请日：2022-06-17
Applicant: 重庆大学
IPC: G06K9/62 , G06F16/215
Abstract: 本申请提出了一种飞行员平飘顶杆成因分析方法，其中，该方法包括：获取多个航段的快速存取记录仪QAR参数；对QAR参数进行数据预处理和参数选择；对经过数据预处理和参数选择的QAR参数进行特征提取，得到多个航段的特征数据；对多个航段的特征数据进行状态编码，得到多个航段的特征向量；使用K‑medians算法对多个航段的特征向量进行聚类分析，得到聚类结果，根据聚类结果，得到平飘顶杆行为的成因。本申请通过无监督聚类模型对飞行员平飘顶杆事件进行可解释聚类，以对飞行员平飘顶杆进行深入可解释性研究分析，能够使飞行专家更好地发现平飘顶杆原因。
-
公开(公告)号：CN114822799A
公开(公告)日：2022-07-29
申请号：CN202210514125.0
申请日：2022-05-11
Applicant: 重庆大学 , 应急管理部大数据中心
Abstract: 本发明公开了一种航空医学应急救援分级协同调度方法，在“多对多”模式下考虑跨区域的航空医学应急救援调度问题，同时引入跨区域因子，将一般的多目标优化模型与改进的多目标优化模型相结合运用，建立以总航空医学救援时间成本最小、救援任务满足度最大为目标的改进的跨区域分级多目标调度模型，得到最优的航空医学应急救援调度方案，本发明打破了传统的“一对一”航空应急调度模式，能够满足大规模自然灾害的医学应急救援需求，提升了医学救援的效率。
-
公开(公告)号：CN109064294B
公开(公告)日：2021-11-12
申请号：CN201810953583.8
申请日：2018-08-21
Abstract: 本发明公开一种融合时间因素、文本特征和相关性的药品推荐方法。获取用户和药品的交互信息，所述交互信息包括用户对药品的评分信息以及相对应的时间戳信息；构建时间动态模型，所述时间动态模型包括药品基线偏差值模型、用户基线偏差值模型以及用户潜在兴趣模型；收集并处理第一信息得到第三信息，采用卷积神经网络提取第三信息中的文本特征；构建药品的相关性矩阵；构建个性化推荐模型并进行训练，得到用户和药品的潜在因子矩阵；计算用户对药品的预测评分，将评分高的药品推荐给用户。本发明能有效解决药品推荐准确率低、实时性差的技术问题，将药品实时推荐给所需的用户。
-
Patent Agency Ranking
公开(公告)号：CN108875076B
公开(公告)日：2021-07-20
申请号：CN201810750096.1
申请日：2018-07-10
IPC: G06F16/583 , G06N3/04
Abstract: 本发明公开了一种基于Attention机制和卷积神经网络的快速商标图像检索方法，包括搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。本发明避免使用全连接层冗余的参数，达到精简模型的目的，提高训练和检索的速度，降低误检率。
-
公开(公告)号：CN109522432A
公开(公告)日：2019-03-26
申请号：CN201811104365.3
申请日：2018-09-21
Abstract: 本发明涉及图像检索技术领域，公开了一种融合自适应相似度和贝叶斯框架的图像检索方法，包括以下步骤：S1：构建相似度矩阵和标识矩阵；S2：通过构建深度哈希神经网络模型从而将图像转换为近似哈希向量；S3：构建融合贝叶斯框架的损失函数；S4:通过构建相似度更新幅度模型实现图像相似度的调整；S5：对构建的深度哈希神经网络模型进行训练；S6：构建图像的哈希向量数据库；S7：将需检索图像的哈希向量与构建的哈希向量数据库进行比对，以找出相似的图像。通过本发明可提高图像的检索速度和精度。
-
公开(公告)号：CN109086437A
公开(公告)日：2018-12-25
申请号：CN201810926656.4
申请日：2018-08-15
Abstract: 本发明公开一种融合Faster-RCNN(Faster-Regions with Convolutional Neural Network,快速区域卷积神经网络)和Wasserstein自编码器的图像检索方法。本发明搭建深度学习框架，采用Faster-RCNN模型提取图像特征；对Faster-RCNN模型进行训练，微调网络权重；提取图像的全局特征，构建图像的全局特征图库；构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；采用Wasserstein自编码器对全局特征进行降维，计算欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；采用Wasserstein自编码器对局部特征进行降维，计算第二相似度并进行第二次排序，完成图像的细粒度检索。该方法能加快图像的检索速度以及提高图像检索的准确率。
-
公开(公告)号：CN108564380A
公开(公告)日：2018-09-21
申请号：CN201810321941.3
申请日：2018-04-11
Applicant: 重庆大学
Abstract: 本发明涉及一种基于迭代决策树的电信用户分类方法，包括：S1：根据用户的基本信息、通话、短信记录构建用户社交关系网络G(V,E)；S2：从G(V,E)中抽取特征，或根据已分类的用户更新其他用户的特征；S3：用迭代决策树对G(V,E)中未分类的用户分类，即判断是否满足|sFriend-nFriend|≥L；若满足则分类，将分类的用户数记为κ；K若κ＞K，回到步骤S2，否则进入步骤S4；S4：令L＝L-1；若L≥0，返回步骤S2，否则进入步骤S5；S5：输出分类结果。本发明在训练集较少的情况下能达到很低的错误率，可以克服训练集占比高导致的过拟合影响，实现用户的精准定位。
-
公开(公告)号：CN105913287A
公开(公告)日：2016-08-31
申请号：CN201610340219.5
申请日：2016-05-20
Applicant: 重庆大学
IPC: G06Q30/02
CPC classification number: G06Q30/0244
Abstract: 本发明提出一种基于社区结构的影响最大化方法。影响最大化问题研究如何从网络中找到k个种子节点作为初始传播源，使传播的最终影响范围最广。该问题是一个NP难题，传统的贪心算法效率很低，而简单的启发式算法得不到高质量的解。为解决上述问题，本发明提出了基于社区结构的影响最大化模型。模型假设传播分为两个阶段：第一阶段是种子节点的扩张，在该阶段种子节点可以扩张到各个社区；第二阶段是社区内传播，即扩张后的种子节点在各个社区内部独立传播。基于该模型推导出目标函数的一种简化形式，并提出一个高效的种子选取算法。在五个真实数据集上的实验结果表明，本发明所提算法效率远高于传统的贪心算法，且准确性高于简单的启发式算法。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.04 seconds)
