-
Patent Agency Ranking
公开(公告)号：CN115905984A
公开(公告)日：2023-04-04
申请号：CN202310220532.5
申请日：2023-03-09
Applicant: 华东交通大学
IPC: G06F18/2431 , G06F18/2415 , G06N3/045 , G06N3/047 , G06N3/08
Abstract: 本发明提出一种基于多模态数据的决策树分类方法与系统，通过神经网络提取多模态数据特征向量，利用线性网络计算各模态各类别预测概率，拼接一维特征向量生成伪视图并计算伪视图各类别预测概率，同时动态评估各模态及伪视图的数据质量进行融合，综合利用了多模态数据的互补能力，有效提高了分类预测的准确率；与此同时，将各类别融合预测概率输入决策树，在决策树中进行软推理，并使用决策树路由信息对预测结果进行解释，能够说明预测的依据，增强预测结果的可信度。
-
公开(公告)号：CN115866807A
公开(公告)日：2023-03-28
申请号：CN202211458443.6
申请日：2022-11-17
Applicant: 华东交通大学
Abstract: 本发明公开了一种基于地形信息的无线传感器网络节点部署方法。对目标监测区域进行维诺图划分，根据划分后的Delaunay三角形计算传感器节点的感知半径；通过最小生成树计算传感器节点的通信半径，并通过地形修正感知半径；采用多目标优化算法迭代更新种群的位置；通过生成参考点保留接近参考点的位置作为下一代种群，迭代完成获得适合地形的无线传感器网络节点部署方案。本发明采用基于维诺图的非支配排序遗传算法对部署在山区地形的传感器节点的位置进行调整，并根据地形信息得到传感器节点适合地形的感知半径与通信半径。从而保证了部署在山区地形的无线传感器网络的覆盖率，能耗不平衡度并降低了所使用传感器节点的数量，节省了成本。
-
公开(公告)号：CN116363037A
公开(公告)日：2023-06-30
申请号：CN202310638962.9
申请日：2023-06-01
Applicant: 华东交通大学
IPC: G06T5/50 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种多模态图像融合方法、装置及设备，方法包括：获取同一目标对象的不同模态的至少两张图像数据，并采用预设特征提取网络对每张图像数据进行特征信息提取，得到对应的特征图像；将不同模态的特征图像进行堆叠，得到堆叠后特征图像，并对堆叠后特征图像进行通道注意力处理，输出具有通道注意力的特征图；依序对具有通道注意力的特征图进行局部多头自注意力处理和全局多头自注意力处理，得到多模态图像融合后的目标特征图。本发明通过将不同模态的特征图堆叠后依次进行通道注意力、局部自注意力以及全局注意力处理，在保证注重全局和局部信息的情况下，将计算复杂度降低到线性，具有速度快，精度高的特点。
-
公开(公告)号：CN115866807B
公开(公告)日：2023-10-27
申请号：CN202211458443.6
申请日：2022-11-17
Applicant: 华东交通大学
Abstract: 本发明公开了一种基于地形信息的无线传感器网络节点部署方法。对目标监测区域进行维诺图划分，根据划分后的Delaunay三角形计算传感器节点的感知半径；通过最小生成树计算传感器节点的通信半径，并通过地形修正感知半径；采用多目标优化算法迭代更新种群的位置；通过生成参考点保留接近参考点的位置作为下一代种群，迭代完成获得适合地形的无线传感器网络节点部署方案。本发明采用基于维诺图的非支配排序遗传算法对部署在山区地形的传感器节点的位置进行调整，并根据地形信息得到传感器节点适合地形的感知半径与通信半径。从而保证了部署在山区地形的无线传感器网络的覆盖率，能耗不平衡度并降低了所使用传感器节点的数量，节省了成本。
-
公开(公告)号：CN116363037B
公开(公告)日：2023-08-11
申请号：CN202310638962.9
申请日：2023-06-01
Applicant: 华东交通大学
IPC: G06T5/50 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种多模态图像融合方法、装置及设备，方法包括：获取同一目标对象的不同模态的至少两张图像数据，并采用预设特征提取网络对每张图像数据进行特征信息提取，得到对应的特征图像；将不同模态的特征图像进行堆叠，得到堆叠后特征图像，并对堆叠后特征图像进行通道注意力处理，输出具有通道注意力的特征图；依序对具有通道注意力的特征图进行局部多头自注意力处理和全局多头自注意力处理，得到多模态图像融合后的目标特征图。本发明通过将不同模态的特征图堆叠后依次进行通道注意力、局部自注意力以及全局注意力处理，在保证注重全局和局部信息的情况下，将计算复杂度降低到线性，具有速度快，精度高的特点。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
