-
公开(公告)号：CN119128566A
公开(公告)日：2024-12-13
申请号：CN202411175592.0
申请日：2024-08-26
Applicant: 厦门大学
IPC: G06F18/23213 , G06F18/22
Abstract: 本申请公开了一种高维数据聚类方法、装置、设备、介质及产品，涉及机器学习中的聚类分析领域，该方法包括根据簇中心矩阵、投影矩阵和簇对相似度矩阵，更新隶属度矩阵；所述隶属度矩阵基于高维数据样本的局部信息因子构建；更新簇中心矩阵；根据原始高维数据矩阵、更新的隶属度矩阵、更新的簇中心矩阵和簇对相似度矩阵，构造辅助矩阵并求特征值分解，更新投影矩阵；根据更新的隶属度矩阵、更新的簇中心矩阵和更新的投影矩阵，构造凸优化问题，更新簇对相似度矩阵；判断是否满足终止条件；若是，根据所述更新的隶属度矩阵对高维数据样本进行划分，输出聚类结果；若否，返回隶属度矩阵更新步骤，本申请能够提高聚类方法对高维数据的聚类结果。
-
公开(公告)号：CN107356599B
公开(公告)日：2020-02-18
申请号：CN201710490924.8
申请日：2017-06-23
Applicant: 厦门大学
IPC: G01N21/88
Abstract: 本发明涉及一种陶瓷基复合材料的太赫兹无损检测方法可包括下列步骤：S1、建立稳定的太赫兹无损检测成像测试系统；S2、应用步骤S1建立的太赫兹无损检测成像测试系统对由陶瓷基复合材料制成的试样进行太赫兹无损检测成像测试；S3、对步骤S2得到的试样太赫兹图像进行后期处理，以识别出试样的缺陷。本发明通过对成像模式的调节和后期的太赫兹图像处理，可以有效地对陶瓷基复合材料内部及表面不同深度和宽度的缺陷进行无损检测。
-
公开(公告)号：CN106599408B
公开(公告)日：2019-08-06
申请号：CN201611072224.9
申请日：2016-11-29
Applicant: 厦门大学
Abstract: 一种基于改进BHMC算法的FenPtm合金团簇结构优化方法，包括以下步骤：1)初始化种群，得到原子总数为N的合金团簇在各种不同比例情况下的初始结构；2)对初始化的结构进行最速下降局部优化，得到初始后化的局部最优结构；3)对每个局部最优结构的每个原子进行扰动处理，并进行最速下降局部优化，保存更低能量结构；4)对能量最低的结构进行遗传局部优化处理，得到当前状态下最优结构的元素最优排布；5)不断重复扰动算子操作和当前最优结构下的遗传局部优化，直到搜索到最终的最优结构。本发明对计算机硬件开销要求较低，能有效处理合金团簇出现的同分异构体问题，避免陷入局部最优，从而能够快速有效地实现对FenPtm合金团簇的结构寻优。
-
公开(公告)号：CN106599408A
公开(公告)日：2017-04-26
申请号：CN201611072224.9
申请日：2016-11-29
Applicant: 厦门大学
CPC classification number: G06F17/5009 , G06N3/12
Abstract: 一种基于改进BHMC算法的FenPtm合金团簇结构优化方法，包括以下步骤：1)初始化种群，得到原子总数为N的合金团簇在各种不同比例情况下的初始结构；2)对初始化的结构进行最速下降局部优化，得到初始后化的局部最优结构；3)对每个局部最优结构的每个原子进行扰动处理，并进行最速下降局部优化，保存更低能量结构；4)对能量最低的结构进行遗传局部优化处理，得到当前状态下最优结构的元素最优排布；5)不断重复扰动算子操作和当前最优结构下的遗传局部优化，直到搜索到最终的最优结构。本发明对计算机硬件开销要求较低，能有效处理合金团簇出现的同分异构体问题，避免陷入局部最优，从而能够快速有效地实现对FenPtm合金团簇的结构寻优。
-
公开(公告)号：CN106204490A
公开(公告)日：2016-12-07
申请号：CN201610546279.2
申请日：2016-07-12
Applicant: 厦门大学
CPC classification number: G06T5/002 , G06N3/006 , G06T2207/20172
Abstract: 本发明涉及一种太赫兹脉冲图像去噪方法，包括以下步骤：首先，用蚁群算法检提取出太赫兹脉冲图像的边缘图像和非边缘图像；其次，用四阶偏微分方程去噪方法对非边缘图像进行去噪；最后，将边缘图像和去噪后的非边缘图像重新合成，得到去噪后的太赫兹脉冲图像。该方法与其它方法相比，不仅去噪后的图像与原始的图像差异最小，而且在去噪过程中最大程度保留了有用的图像边缘信息,达到对目标的有效识别。
-
Patent Agency Ranking
公开(公告)号：CN117408406A
公开(公告)日：2024-01-16
申请号：CN202311406671.3
申请日：2023-10-27
Applicant: 厦门大学
IPC: G06Q10/047 , G06Q50/40 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种规划耦合的多目标车辆轨迹预测方法及系统，方法包括：基于Frenet坐标系实现自我车辆的规划轨迹生成；采用双向长短期记忆神经网络进行不同时间序列的历史轨迹和规划轨迹编码；将编码后的隐藏状态输入到社交卷积池化网络中，提取场景中车辆之间的潜在交互关系；结合驾驶行为决策函数的轨迹解码器实现多目标车辆的轨迹预测。本发明有效地结合自我车辆的规划信息实现动态场景下多目标车辆的轨迹预测，对后续的功能性算法具有明显的增强效果。
-
公开(公告)号：CN110245697B
公开(公告)日：2021-10-26
申请号：CN201910469228.8
申请日：2019-05-31
Applicant: 厦门大学
Abstract: 本发明涉及一种表面脏污检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的表面图像的样本组成训练集，并对训练集内的图片中的脏污部分进行标注；S2：构建表面脏污检测模型，将训练集输入表面脏污检测模型中进行训练后得到最终模型；所述表面脏污检测模型基于Yolov3网络构建，并针对Yolov3网络的每个残差块，将其中的每个ResNet子结构的输出特征图连接到该残差块的末尾；S3：将待检测的表面图像输入最终模型以检测表面脏污情况。本发明基于Yolov3检测网络，提出了一种稠密连接的实现方法，提高浅层特征的利用率，可以有效的提高表面脏污的检测能力。
-
公开(公告)号：CN110276754B
公开(公告)日：2021-08-20
申请号：CN201910540159.5
申请日：2019-06-21
Applicant: 厦门大学
Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的缺陷图像组成训练集，并对训练集内的缺陷图像进行标注；S2：构建缺陷检测模型，将训练集输入缺陷检测模型进行训练，得到训练后的缺陷检测模型；所述缺陷检测模型基于Faster R‑CNN网络构建，其特征提取网络为VGG‑16网络，并在VGG‑16网络中，将第3层的输出与第5层的输出进行叠加；S3：将待检测的缺陷图像输入训练后的缺陷检测模型，得到缺陷图像中的缺陷定位框和缺陷类型；S4：根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R‑CNN网络和阈值分割方法，使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓，即实现缺陷的端到端检测。
-
公开(公告)号：CN109859262A
公开(公告)日：2019-06-07
申请号：CN201910052604.3
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开一种手机屏幕Mark点定位方法及系统。所述定位方法包括：采集手机屏幕的基准图像，在基准图像中选取Mark点模板图像，获得基准模板图像；将基准模板图像进行图像预处理获得四层金字塔模板图像；将四层金字塔模板图像旋转89次，每次旋转一度，获得旋转0-89度的多角度四层金字塔模板图像；采集手机屏幕待测图像，将待测图像进行边缘像素扩充，将待测图像进行图像预处理获得待测四层金字塔图像；采用归一化互相关匹配法将多角度四层金字塔模板图像与待测四层金字塔图像进行匹配，获得匹配度最大的位置坐标和模板度数。通过多角度匹配，逐层缩小搜索范围来确定图像中Mark点的角度和坐标，能够在最底层获得手机屏幕图像中Mark点的亚像素坐标。
-
公开(公告)号：CN108197649A
公开(公告)日：2018-06-22
申请号：CN201711469721.7
申请日：2017-12-29
Applicant: 厦门大学
Abstract: 本发明公开一种太赫兹图像聚类分析方法及系统，包括：生成样本的太赫兹无损检测图像库；遍历所述太赫兹无损检测图像库选出待检索图像；提取所述待检索图像和所述图像库中所有图像的特征点；随机生成多个初始聚类中心；根据所述初始聚类中心对所有的所述特征点进行聚类；统计所述待检索图像和所述图像库中每张图像在每个聚类中的特征点个数，根据所述特征点个数与设定维度构建特征向量；每张图像对应一个多维的特征向量；计算所述待检索图像的特征向量与所述图像库中所有图像特征向量的匹配度，得到一组匹配度最高的图像。采用本发明中的方法或系统实现了检测目标缺陷的全方位、定性的准确识别。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.017 seconds)
