-
公开(公告)号：CN103413050A
公开(公告)日：2013-11-27
申请号：CN201310364359.2
申请日：2013-08-20
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 本发明属于模式识别和脑-机接口领域，公开了一种基于极速学习机的运动想象脑电信号投票策略分类方法。包括：将原始运动想象脑电信号分为S段子信号；对每一段子信号通过主成分分析方法进行降维；将降维后的特征向量通过线性判别分析方法进行二次降维；对于S段子信号进行同样处理，最终得到S个K-1维的特征向量，将S个K-1维的特征向量进行组合，得到最终为S*(K-1)维的特征；将S*(K-1)维特征送入多个ELM分类器，利用投票分类策略得到最终分类结果。本发明提出了一种基于ELM的投票分类策略，与传统的多次ELM平均正确率方案相比，在不影响其训练分类低耗时的情况下提高了其分类正确率。
-
公开(公告)号：CN103345640A
公开(公告)日：2013-10-09
申请号：CN201310273395.8
申请日：2013-07-02
Applicant: 北京工业大学
Abstract: 本发明属于模式识别领域，公开了一种面向持续想象脑电信号的分类方法。首先，假设不同想象任务之间存在转换点，转换点处样本间的欧几里得距离要大于转换点之间的样本间距离，通过设定样本间距离阈值检测出转换点；其次，认为持续想象同一任务时，会因注意力涣散、疲倦等因素导致信号受噪声污染，该策略加入样本纯化思想，通过设定样本间距离范围，从与任务对应的所有样本中筛选出部分样本，并返回这部分样本中的大多数类别作为该任务所有样本的类别。本发明通过充分考虑相邻样本之间的联系，提高了整体样本的识别率，非常适合对持续的脑电信号进行离线分析。
-
公开(公告)号：CN103310450A
公开(公告)日：2013-09-18
申请号：CN201310237708.4
申请日：2013-06-17
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种融合直连通约束的图像分割方法，属于计算机视觉、计算机图形学、图像处理等交叉领域。首先通过应用程序的用户接口，交互式指定部分前、背景。然后建立指定部分前、背景的颜色模型。构造用于分割的图G以及能量函数。能量函数包含颜色约束和梯度约束，以及本发明所提出的直连通约束。最后，采用图割算法求解函数最小值，得到分割结果。若用户对分割结果不满意可以再次添加前背景线索，流程重复循环执行，直至得到满意的分割效果。本发明首次提出融合直连通约束的分割方法，相比仅有颜色和梯度约束的传统方法，在相同交互量的前提下，本发明在处理自联通对象分割时，分割效果更好。
-
公开(公告)号：CN102622405B
公开(公告)日：2013-08-21
申请号：CN201210012475.3
申请日：2012-01-16
Applicant: 北京工业大学
Abstract: 基于语言实义单元数估计的短文本间文本距离的计算方法属于中文短文本信心处理领域，其特征在于，这是用于处理在线评论短文本文本聚类的方法，先去除网页标记，并进行短文本规范化处理，再进行分词处理，将文本转化为词语串，在此基础上以词语为单位，计算两个句子的编辑距离，然后将句子中具有实质意义的词语数定义为实义单元，利用Heap’s法则对句子中的实义单元进行估计，再选择两个句子的实义单元数中较大的实义单元数，用较大的实义单元数对用编辑距离表示的文本距离进行文本长度惩罚，得到一个经过实义单元数惩罚的文本距离，本发明克服了传统方法中利用原始句长处理而带来的误差。
-
公开(公告)号：CN103247051A
公开(公告)日：2013-08-14
申请号：CN201310181065.6
申请日：2013-05-16
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于期望步数的图像显著程度检测方法，包括：将输入图像切分成不重叠的图像块，提取每个图像块的初级视觉特征；构造全连通图和k规则图。对于每个图像块计算这个图像块与其他所有图像块的不相似度，利用图像块间的不相似度计算两个图模型中各结点的初始转移概率，得到平稳分布的概率，然后求得求的关键结点；将全连通图和k规则图进行融合，计算到达关键结点的期望步数，然后计算出每个结点的显著值，得到显著图。通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。
-
Patent Agency Ranking
公开(公告)号：CN101763481B
公开(公告)日：2011-07-27
申请号：CN201010034174.1
申请日：2010-01-15
Applicant: 北京工业大学
IPC: G06F21/00
Abstract: 本发明是一种利用压缩算法来检测未知恶意代码的方法，它利用LZW压缩算法提取出的特征字典，通过将待测文件用特征字典进行压缩，并根据压缩率来预测文件的类别。首先，分析恶意代码结构，抽取最能代表其特性的部分。然后，对所抽取的部分利用压缩算法，按照其类别建立符合其统计特性的相应压缩字典(正常代码/恶意代码字典)。最后，通过判断利用正常代码/恶意代码字典对待测文件进行压缩得到的不同压缩率，依据最小描述原则将其归类为能取得最好压缩率的类别，从而达到检测未知恶意代码的目的。
-
公开(公告)号：CN119832433A
公开(公告)日：2025-04-15
申请号：CN202510010325.6
申请日：2025-01-03
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及一种农作物识别方法、系统、存储介质及电子设备，包括：采集目标区域的时序多光谱遥感图像和地理位置坐标信息；处理图像得到初处理后的时序多光谱遥感图像；令牌化预处理图像，得到令牌化后的时序多光谱遥感图像；对令牌化后的时序多光谱遥感图像进行时间和空间特征提取，得到时序多光谱遥感图像的时间特征和空间特征；融合时间特征和空间特征，得到全局时间空间特征；解析全局时间空间特征，得到目标区域的农作物识别结果。本申请通过令牌化实现了时空数据解耦，利用空间状态模型构建了高效地特征提取模型，空间状态模型的特性使得该模型有着全局感受野和线性的计算复杂度，可以被置于时空解耦架构中高效地提取序列的特征。
-
公开(公告)号：CN119131366A
公开(公告)日：2024-12-13
申请号：CN202411307912.3
申请日：2024-09-19
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于自监督的两阶段广义小样本目标检测方法及系统，涉及深度学习技术领域，包括：定义潜在知识容器存放所有潜在知识，定义原型容器存放各类候选框的原型；将训练数据集划分为基类集和新类集；自监督类别域基于基类集、新类集潜在知识分别对检测模型进行预训练和微调；自监督检测框域基于基类集、新类集潜在知识分别对检测模型进行预训练和微调；输入待检测图像至检测模型，通过特征提取器得到特征，基于潜在知识容器对待检测图像进行潜在知识搜索、分割，得到与各潜在知识之间的关系，获得候选框类别。本发明基于潜在知识分别在类别域和检测框域使用自监督学习进行检测模型训练，对于基类和新类都拥有良好的目标检测能力。
-
公开(公告)号：CN117838062A
公开(公告)日：2024-04-09
申请号：CN202410214466.5
申请日：2024-02-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于时间序列对比学习的ECG睡眠呼吸暂停检测方法及系统，方法包括：获取单通道心电信号数据，并对心电信号数据进行预处理，得到心电特征数据；利用多尺度上下文的CNN‑LSTM模块对心电特征数据进行处理，得到分支特征；采用Transformer编码器对分支特征分配权重得到加权特征，基于分支特征与加权特征得到联合特征；对联合特征进行对比学习分析得到损失函数，对分类器的参数进行优化；将联合特征输入分类器，得到是否存在睡眠呼吸暂停的检测结果。通过本发明的技术方案，防止了学习过程中的梯度消失或爆炸，增强了同类样本的特征相似性，改善了正常样本与呼吸暂停样本易混淆的问题，达到了更好的分类检测效果。
-
公开(公告)号：CN113269021B
公开(公告)日：2024-03-01
申请号：CN202110293554.5
申请日：2021-03-18
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/02 , G06N3/084
Abstract: 本发明公开了一种基于局部全局记忆机制的非监督视频目标分割方法，属于特征学习和视频目标分割技术领域。该方法首先提取一对相同视频的嵌入特征。然后选择该视频中的全局记忆候选帧，提取全局记忆候选特征。每个全局记忆候选特征对应图卷积网络对应的每个节点，增强后的全局记忆特征表达。通过局部记忆模块提取一对帧之间的互注意力信息，交替看作注意力机制中的目标和查找角色来互注意增强。最后经过解码器得到预测的目标掩码，使用交叉熵损失计算损失并更新整个模型从而得到最终分割网络。本发明同时考虑局部和全局记忆机制，同时获得可靠的短时与长时的视频帧间相关性信息，从而实现非监督视频目标分割。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.064 seconds)
