-
公开(公告)号：CN112232543B
公开(公告)日：2024-08-20
申请号：CN202010895383.9
申请日：2020-08-31
Applicant: 北京工业大学
IPC: G01W1/10 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的多站点预测方法，获取相关大气能见度数据，再数据获取之后对这些数据进行清洗。并进行预处理。基于图卷积网络的预测模型，对照实验使用相同配置进行预测，最终对比结果。本发明基于图卷积网络进行改进，利用图卷积处理非欧数据的优势，提出了在空间和时间维度的特征提取工作，之后引入注意力机制来提升模型效果的原因。通过实验准确性对比结果可以得出，本发明提出的方法在多站点大气能见度预测上相较于其他模型有一定的提升。
-
公开(公告)号：CN112818106B
公开(公告)日：2024-04-16
申请号：CN202110184397.4
申请日：2021-02-10
Applicant: 北京工业大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/253 , G06F40/289 , G06F40/30 , G06N3/0455 , G06N3/084
Abstract: 一种生成式问答的评价方法涉及自然语言处理领域。本发明针对生成式问答的答案在语言质量和语义准确度上存在的各种问题，分别构建数据集的正负样本。通过在数据集构建上进行处理，就能使问答评价网络在训练后能够结合语言质量和语义准确性两方面对生成的答案进行打分。相比传统的评价方法对答案的评价更全面、准确。
-
公开(公告)号：CN112650818B
公开(公告)日：2024-02-02
申请号：CN202011569684.9
申请日：2020-12-26
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/2458
Abstract: 本发明公开了一种基于多维时序数据的聚类挖掘方法，首先对数据算它们之间的相似度，利用密度峰值聚类算法分别选出几个聚类簇；然后把他们从数据中去除，提出使用霍普金斯统计量进行判断，并有选择的重复上述筛选的过程，直到选出所有的聚类；然后提出并使用判断距离，对现有的聚类进行整理和调整；之后对未分类点，使用结合判断距离，最近距离，k近邻距离的算法，对其划分到现有聚类中；最后将聚类结果输出。本方法具有面向海量数据、泛化能力强、应用领域广泛的优势。
-
公开(公告)号：CN117115500A
公开(公告)日：2023-11-24
申请号：CN202310299982.8
申请日：2023-03-25
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法，包括下述步骤：步骤一，收集吲哚菁绿荧光图像作为数据集；步骤二，将步骤一的图像经过裁剪、缩放处理后输入扩散模型网络，训练扩散模型；步骤三，基于步骤二中预训练完成的扩散模型训练基于扩散模型的对比学习模型；步骤四，微调步骤三中的模型，对吲哚菁绿荧光图像进行检测和分类。本发明利用扩散模型学习真实样本之间的分布，并利用学习到的分布拟合真实分布，解决了数据集质量较低且样本不足的问题，提高了模型对于吲哚菁绿荧光图像的分类能力。
-
公开(公告)号：CN116309681A
公开(公告)日：2023-06-23
申请号：CN202310197271.X
申请日：2023-03-03
Applicant: 北京工业大学
IPC: G06T7/194 , G06T7/12 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于类激活映射的医学图像弱监督分割方法，包括下述步骤：步骤一，采集组织病理图像；步骤二，对图像进行缩放、调整和增强操作；步骤三，使用中间层的特征图对图像的病变区域进行激活；步骤四，使用一致性损失对模型进行正则处理。将网络中间层的特征图降采样到同一大小后进行拼接，用每个位置不同通道的最大值与网络最末端的特征图进行掩码；使用掩码后的特征图构建类激活映射；使用模型输出的类激活映射作为伪标签训练分割网络，实现医学图像的弱监督分割任务。本算法提出的基于类激活映射的医学图像弱监督分割方法，可以使用图像级标签对整张病理图像进行分割，为病理医生提供有效的参考价值。
-
Patent Agency Ranking
公开(公告)号：CN115424070A
公开(公告)日：2022-12-02
申请号：CN202211068114.0
申请日：2022-09-01
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多实例学习的二阶段全视野数字病理切片分类方法，包括下述步骤：步骤一，采集全视野数字病理切片；步骤二，对图像进行裁剪，缩放，过滤处理；步骤三，使用多实例学习与有监督度量学习结合的方式训练病理切片的嵌入空间；步骤四，使用自注意力对病理切片进行检测和分类。第一阶段中，多实例学习提供伪标签，构建 数据训练编码器；第二阶段中，直接使用第一阶段的编码器提取病理切片特征，通过自注意力网络对切片做最后的分类。本算法提出的基于多实例学习的二阶段全视野数字病理切片分类方法，可以对整张病理切片进行诊断分类，为病理医生提供有效的参考价值。
-
公开(公告)号：CN115205930A
公开(公告)日：2022-10-18
申请号：CN202210724880.1
申请日：2022-06-24
Applicant: 北京工业大学
Abstract: 一种基于决策融合的多模态情感分类方法属于情感分类技术领域。本发明通过对不同模态数据的特征提取和基于统计分析的特征筛选方式来建立单模态数据的特征集，然后将其输入分类模型并获得最优子分类器，然后在决策级别进行多个子分类器的融合。本发明综合考虑了所有子分类器，并根据各个分类器的性能来进行权重更新，在权重更新方式上，本发明通过计算各个分类器的累计损失来考量子分类器性能，对性能优越的分类器给予奖励，并对错分的分类器给予惩罚，实现一种综合子分类器的历史表现和当前迭代的表现来进行权重更新的方式，对各个分类器的权重赋值更加科学合理。本发明实现了更准确的多模态分类方法，综合多模态数据使模型更具解释性。
-
公开(公告)号：CN108197736B
公开(公告)日：2021-08-13
申请号：CN201711467871.4
申请日：2017-12-29
Applicant: 北京工业大学
Abstract: 本发明公开一种基于变分自编码器和极限学习机的空气质量预测方法，包括如下步骤：步骤1、获取空气质量数据并使用VAE对数据进行编码；步骤2、将编码后的数据划分为训练数据和测试数据；步骤3、训练RNN对编码后的空气质量进行处理，将RNN的输出结果输入到一个全连接神经网络中；步骤4、将训练完成的RNN的输出结果输入ELM，并训练ELM；步骤5、将测试数据输入RNN中，之后将RNN的所有输出结果输入到ELM中获取最终的输出结果。采用本发明的技术方案，解决空气质量预测中缺失值填补精度差导致预测精度差的问题。
-
公开(公告)号：CN113192087A
公开(公告)日：2021-07-30
申请号：CN202110543386.0
申请日：2021-05-19
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的图像语义分割方法，涉及图像领域。该方法以DeepLabv3+为主要模型，针对图像的特点，在编码器部分，将原始主干网络ResNet101替换为ResNet152，调整扩张卷积空间金字塔池化模块的扩张率。在解码器部分，加入特征金字塔等多尺度融合模块，以及注意力机制等模块。最后在制作数据集上进行实验证明方法的有效性。实验结果表明，该方法在测试集上平均交并比达到53.8％，比原始模型精度提高6％，取得了较好的分割结果。
-
公开(公告)号：CN110188866B
公开(公告)日：2021-06-25
申请号：CN201910451365.9
申请日：2019-05-28
Applicant: 北京工业大学
Abstract: 一种基于注意力机制的特征提取方法属于计算机视觉技术领域。该方法包括输入、挤压操作、激活操作、特征重标定操作、输出操作五个步骤。它具有和之前的SE模块及它的变体模块具有不同的特征重标定方式，即从每个特征图的每个子空间像素单位当中产生注意力并生成的权重单独拿出来再重新赋值给每个特征图的每个子空间像素特征。使得尽可能地学习到图像中的信息，以此可以高效、准确地实现对图像的语义分割任务。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.038 seconds)
