公开(公告)号：CN119202826A

公开(公告)日：2024-12-27

申请号：CN202411225349.5

申请日：2024-09-03

Applicant: 华中农业大学

Inventor： 林浩 ,  黄一丹 ,  杨佳鑫 ,  曾晖一子

IPC: G06F18/241 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/096 ,  G06N5/01 ,  G06N7/08 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464

Abstract: 融合视觉预训练模型的SKU智能分类与标签生成方法，包括以下步骤：获得SKU的图像数据和文本数据；基于图像数据和文本数据，提取多模态特征；根据多模态特征，实现SKU的零样本分类；基于多模态特征，通过改进的分形条件变分自编码器生成SKU标签；基于新增SKU数据，实现模型的持续学习；对模型进行压缩和移动端部署；通过创新的分形注意力编码器和混沌动力学条件生成解码器，在分类准确率和标签生成质量上均显著优于现有方法，分别达到95.8％和0.76的BLEU分数，商品能被更准确地分类和描述，有利于提升平台的搜索和推荐效果；持续学习能力和动态类别扩展机制使其在处理新兴商品类别时表现卓越，识别率高达89.2％。

公开(公告)号：CN119580830A

公开(公告)日：2025-03-07

申请号：CN202411758362.7

申请日：2024-12-03

Applicant: 华中农业大学

Inventor： 熊慧娟 ,  杨文宇 ,  黄一丹 ,  卓琳

IPC: G16B20/00 ,  G06F18/2135 ,  G16B40/00

Abstract: 本发明提供了一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统，对作物表型预测构建了自适应融合预测因子的线性和非线性效应的新模型，并通过自适应调整权重的方法评估不同效应对表型的重要程度，实现了综合考虑作物表型预测中的线性主效应和非线性关系的影响的功能。本发明求解模型时，对训练数据集进行特征约简并利用广义逆快速有效地求解模型，提高了生物材料表型值的测定效率。本发明通过多次随机划分实验数据集得到的学习集和测试集进行模型学习，降低了模型的系统误差，提高了表型预测结果的稳定性。本发明对表型预测的有效性在基于DNA分子标记的基因型数据和基于代谢物的中间组学数据上均得到了验证。