-
公开(公告)号：CN115482382A
公开(公告)日：2022-12-16
申请号：CN202211132360.8
申请日：2022-09-17
Applicant: 北京工业大学
Abstract: 一种基于Transformer架构的图像语义分割方法属于医学图像分割技术领域。本发明提供一种带有移动窗口的分层Swin Transformer编码器来提取图像上下文特征的方法。首先图像块被输入到基于Transformer的编码器‑解码器架构中，其中移动窗口机制的设计使得特征包含信息更全面。而UNet++模型中嵌套和密集的跳跃连接能够充分提取上下文特征，使得特征融合更充分。
-
公开(公告)号：CN111241289B
公开(公告)日：2022-05-03
申请号：CN202010054710.8
申请日：2020-01-17
Applicant: 北京工业大学
Abstract: 一种基于图理论的SOM算法涉及机器学习领域和离散数学领域，其包括如下步骤：步骤1、获取文本数据，并对数据进行分词、去除停用词处理；步骤2、使用word2vec方法生成文本数据内每个词对应的词特征向量表达，用于词与词之间关系的度量；步骤3、将步骤1和2得到的词特征向量表达数据由输入层采用全连接的方式输入到竞争层；步骤4、训练SOM网络，并将SOM网络的输出作为图切割层的输入；步骤5、在图切割层对由SOM网络的输出构成的无向图进行图切割；步骤6、将图切割层得到的矩阵输入到输出层，在输出层采用WTA(Winner Takes All)机制得到最终聚类结果。本发明解决文本聚类时最佳聚类数目不易确定的问题。
-
公开(公告)号：CN115905831A
公开(公告)日：2023-04-04
申请号：CN202211432737.1
申请日：2022-11-16
Applicant: 北京工业大学
IPC: G06F18/2113 , G06F18/213 , G06F18/2431
Abstract: 本发明提供了一种基于改进型Boruta算法的特征选择方法，步骤为：输入无缺失值的音乐情感识别真实特征集和音乐情感类别标签，初始化最优特征子集、最高分类准确率；生成影子特征集和混合特征集；基于混合特征集构建随机森林分类模型；计算所有特征的重要性得分；标记真实特征是否“重要”；基于分类准确率保存“重要”特征到最优特征子集中；更新真实特征集，重复上述步骤，直到所有的真实特征被标记为“重要”或者“不重要”；最后输出最优特征子集中的特征。本发明针对Boruta算法没有考虑特征的平均减少基尼系数和预测准确率的问题，基于平均减少精度、平均减少基尼系数以及准确率来综合选择特征，实验证明，本方法有更好的降维效果，更高的分类准确率。
-
公开(公告)号：CN115618925A
公开(公告)日：2023-01-17
申请号：CN202211394775.2
申请日：2022-11-01
Applicant: 北京工业大学
IPC: G06N3/04 , G06N3/08 , G06N20/00 , G06F40/284
Abstract: 一种面向节点多维表征的图神经网络链接预测方法属于推荐系统技术领域。首先，利用中文语料库对节点属性特征信息进行中文分词，扩增节点的语义表征。同时，建立预训练直推式图卷积算法，得到另一维节点表征。然后，通过自定义初始化权重系数实现两节点特征向量的拼接，完成节点语义向量和预训练向量在用户侧和物品侧向量空间映射。运用归纳式图卷积神经网络算法SAGE实现邻居节点采样和聚合，在SAGE框架中添加了节点度的信息，提高度小的节点被采样的概率，降低度大的节点被采样的概率。利用机器学习分类算法LGB作为下游分类任务，进而实现多模态跨领域的链接预测任务。
-
Patent Agency Ranking
公开(公告)号：CN115482434A
公开(公告)日：2022-12-16
申请号：CN202211132539.3
申请日：2022-09-17
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于多尺度生成对抗网络的小样本高质量生成的方法属于计算机视觉领域，研究了一种针对可以在小样本数据集上生成高分辨率图像的方法。首先利用基于全卷积神经网络构建的生成器，得到生成图像。然后利用基于全卷积神经网络构建的判别器，在隐式上对于图像进行增广，分别对生成图片和真实图像计算距离指标。生成器和判别器组成单层尺度下的图像生成模型。利用图像生成模型构建多层尺度结构，从低到高处理图像的尺寸逐步增大。最后逐层进行动态博弈实现生成图像分布向真实图像分布拟合。本发明解决了小样本的数据集少和生成图像清晰度不够的问题。
-
公开(公告)号：CN111241289A
公开(公告)日：2020-06-05
申请号：CN202010054710.8
申请日：2020-01-17
Applicant: 北京工业大学
Abstract: 一种基于图理论的SOM算法涉及机器学习领域和离散数学领域，其包括如下步骤：步骤1、获取文本数据，并对数据进行分词、去除停用词处理；步骤2、使用word2vec方法生成文本数据内每个词对应的词特征向量表达，用于词与词之间关系的度量；步骤3、将步骤1和2得到的词特征向量表达数据由输入层采用全连接的方式输入到竞争层；步骤4、训练SOM网络，并将SOM网络的输出作为图切割层的输入；步骤5、在图切割层对由SOM网络的输出构成的无向图进行图切割；步骤6、将图切割层得到的矩阵输入到输出层，在输出层采用WTA(Winner Takes All)机制得到最终聚类结果。本发明解决文本聚类时最佳聚类数目不易确定的问题。
-
-
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：CN115346045A
公开(公告)日：2022-11-15
申请号：CN202210808548.3
申请日：2022-07-11
Applicant: 北京工业大学
Abstract: 一种基于对抗网络和自注意力机制的无监督语义分割算法涉及人工智能、自动驾驶领域，实现对自动驾驶图像的准确分割，其包括以下步骤：步骤1、获得自动驾驶图像数据；步骤2、利用对抗生成网络得到原始图像的生成图像；步骤3、利用超像素图像分割算法对原始图像进行预分割；步骤4、将图像输入局部特征提取网络获得图像的局部特征；步骤5、将图像输入全局特征提取网络获得图像的全局特征；步骤6、将局部特征和全局特征相加，并经过一层卷积层和Softmax函数层得到图像的初步分割结果；步骤7、计算预分割结果与原始图像分割结果之间的互信息以及预分割结果与生成图像分割结果之间的互信息；步骤8、采用梯度下降法对分割模型进行训练得到图像分割结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
