-
公开(公告)号：CN115294406B
公开(公告)日：2022-12-20
申请号：CN202211206014.X
申请日：2022-09-30
Applicant: 华东交通大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N5/04
Abstract: 本发明提出一种基于属性的多模态可解释分类的方法与系统，通过批归一化通道交换及邓普斯特‑谢弗理论，利用多模态数据的互补能力，有效提高分类准确性；根据对象具有的属性以及决策树推理规则对预测结果进行解释，运用不同的损失函数描述对象在决策树叶层级和内部层级的推理损失，以及分类属性原型在决策树叶层级和内部层级的损失；进行训练时，将多模态分类数据集输入至模型中，反向传播训练网络权重以最小化训练损失，将损失函数降低至最低点；进行分类预测时，将多模态数据输入至训练完成的网络，得到检测物体的预测结果，通过可视化展示物体具有的属性及决策树推理规则及路由信息，以对预测结果进行很好地解释。
-
Patent Agency Ranking
公开(公告)号：CN115294406A
公开(公告)日：2022-11-04
申请号：CN202211206014.X
申请日：2022-09-30
Applicant: 华东交通大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N5/04
Abstract: 本发明提出一种基于属性的多模态可解释分类的方法与系统，通过批归一化通道交换及邓普斯特‑谢弗理论，利用多模态数据的互补能力，有效提高分类准确性；根据对象具有的属性以及决策树推理规则对预测结果进行解释，运用不同的损失函数描述对象在决策树叶层级和内部层级的推理损失，以及分类属性原型在决策树叶层级和内部层级的损失；进行训练时，将多模态分类数据集输入至模型中，反向传播训练网络权重以最小化训练损失，将损失函数降低至最低点；进行分类预测时，将多模态数据输入至训练完成的网络，得到检测物体的预测结果，通过可视化展示物体具有的属性及决策树推理规则及路由信息，以对预测结果进行很好地解释。
-
公开(公告)号：CN117708715B
公开(公告)日：2024-06-21
申请号：CN202410049997.3
申请日：2024-01-15
Applicant: 华东交通大学
IPC: G06F18/243 , G06N5/01 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于混合结构模型的电熔镁炉工况诊断方法，涉及数据分类领域，首先获取包含多个样本多视角图像集的异构数据集，并根据样本多视角图像集中所有样本视角图像对应的样本初始特征生成图结构和超图结构，将图结构、超图结构和当前迭代轮次对应的分类器组的工况预测结果输入至混合结构模型，得到混合图特征，将混合图特征和当前迭代轮次对应的工况预测结果计算的残差作为下一迭代轮次分类器组的标签，得到训练好的梯度提升决策树。本发明通过混合结构模型的输出和当前迭代轮次对应的工况预测结果计算得到的残差作为下一迭代轮次分类器组的标签，进行训练得到的训练好的梯度提升决策树，其电熔镁炉的工况诊断精度更高。
-
公开(公告)号：CN117708715A
公开(公告)日：2024-03-15
申请号：CN202410049997.3
申请日：2024-01-15
Applicant: 华东交通大学
IPC: G06F18/243 , G06N5/01 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于混合结构模型的电熔镁炉工况诊断方法，涉及数据分类领域，首先获取包含多个样本多视角图像集的异构数据集，并根据样本多视角图像集中所有样本视角图像对应的样本初始特征生成图结构和超图结构，将图结构、超图结构和当前迭代轮次对应的分类器组的工况预测结果输入至混合结构模型，得到混合图特征，将混合图特征和当前迭代轮次对应的工况预测结果计算的残差作为下一迭代轮次分类器组的标签，得到训练好的梯度提升决策树。本发明通过混合结构模型的输出和当前迭代轮次对应的工况预测结果计算得到的残差作为下一迭代轮次分类器组的标签，进行训练得到的训练好的梯度提升决策树，其电熔镁炉的工况诊断精度更高。
-
公开(公告)号：CN116246102A
公开(公告)日：2023-06-09
申请号：CN202310070830.0
申请日：2023-02-07
Applicant: 华东交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 一种基于自编码器与决策树的图像分类方法与系统，该方法包括：采集图像样本数据，转换图像样本为像素信息矩阵/向量；利用自编码器网络模型，学习图像样本的表征信息，使用编码器压缩并提取图像样本的低维特征信息；在迭代求解自编码器网络最优权重参数的过程中更新每个样本对应的最近邻数值；基于训练好的自编码器网络模型中提取的低维样本特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签构建决策树模型；利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，在训练集中寻找最近邻领域，将最近邻领域中数量最多的类别作为预测结果。本发明可以得到目标的低维特征信息，并预测样本的类别，预测结果具有可解释性。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
