-
公开(公告)号：CN110660116A
公开(公告)日：2020-01-07
申请号：CN201910889325.2
申请日：2019-09-19
Applicant: 北京工业大学
Abstract: 本发明涉及一种由变形迷彩生成数码迷彩的方法，该发明主要是根据变形迷彩斑块的颜色和位置等信息，对斑块进行矩阵化处理。首先将原始的变形迷彩斑块通过坐标变换、缩放、旋转来确定各个斑块轮廓，并存储成图片格式，将其各个位置的颜色信息对应的压缩存储到Mat类矩阵当中。其次提取压缩矩阵中颜色信息，定位斑块在矩阵中位置，从而生成全新的数码迷彩斑块。最终对生成的数码迷彩图案进行扫描，对相近位置颜色相同斑块进行合并，更新斑块边界，以此来提高算法效率。本发明将变形迷彩与数码迷彩技术相结合，解决了迷彩边界问题。针对不同作战场景下，可及时调整迷彩的伪装类型，从而提高装备的隐蔽效果。
-
公开(公告)号：CN112417306B
公开(公告)日：2024-02-02
申请号：CN202011455909.8
申请日：2020-12-10
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于知识图谱的推荐算法性能优化的方法，解决推荐系统可解释性、缓解冷启动并提高算法准确性的方法。首先解决算法的可解释性问题：通过对原始数据集进行预处理，构建知识图谱，利用知识图谱元路径提取技术得到路径信息，输入到循环神经网络GRU中，并添加注意力机制和平均池化层，对不同路径进行重要性区分，得出模型预测向量。其次缓解算法的冷启动问题：对用户和物品的节点属性信息进行相乘，得出属性融合向量。将两部分向量结果以3：7的比例进行结合，利用交叉熵损失函数对模型进行训练，得出预测结果。经实验得出：与基于GRU模型的推荐算法相比，算法的准确性提高2.3％，与传统矩阵分解模型相比，准确性提高5.1％。
-
公开(公告)号：CN110717952A
公开(公告)日：2020-01-21
申请号：CN201910898945.2
申请日：2019-09-23
Applicant: 北京工业大学
Abstract: 本发明涉及一种可见光背景下由多图片提取主题色并生成迷彩的方法，该方法主要由背景图片融合，颜色提取和迷彩绘制三部分组成。首先将选中的多张背景图片合并，融合为一张待处理图片。其次采用聚类算法对融合图片进行处理提取出指定数目的主题色。最后按照提取到的主题色和相应的颜色比例绘制数码迷彩或者变形迷彩。本发明可以快速采集背景色彩并设计出可以适应动态的地形环境的变化迷彩图案，实现迷彩伪装效果。
-
公开(公告)号：CN112417306A
公开(公告)日：2021-02-26
申请号：CN202011455909.8
申请日：2020-12-10
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于知识图谱的推荐算法性能优化的方法，解决推荐系统可解释性、缓解冷启动并提高算法准确性的方法。首先解决算法的可解释性问题：通过对原始数据集进行预处理，构建知识图谱，利用知识图谱元路径提取技术得到路径信息，输入到循环神经网络GRU中，并添加注意力机制和平均池化层，对不同路径进行重要性区分，得出模型预测向量。其次缓解算法的冷启动问题：对用户和物品的节点属性信息进行相乘，得出属性融合向量。将两部分向量结果以3：7的比例进行结合，利用交叉熵损失函数对模型进行训练，得出预测结果。经实验得出：与基于GRU模型的推荐算法相比，算法的准确性提高2.3％，与传统矩阵分解模型相比，准确性提高5.1％。
-
-
-
Search Results
4
records
(took 0.016 seconds)
