-
公开(公告)号：CN111310807A
公开(公告)日：2020-06-19
申请号：CN202010077309.6
申请日：2020-01-27
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。
-
Patent Agency Ranking
公开(公告)号：CN111027582A
公开(公告)日：2020-04-17
申请号：CN201910891913.X
申请日：2019-09-20
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 本发明的实施方式提供了一种基于低秩图学习的半监督特征子空间学习方法及装置。该方法包括：将图像数据集分成测试集和训练集，训练集中包括有标签及无标签的样本；定义关于特征子空间学习模型的目标函数；用标签传播的方式，构建有关标签的不同约束项，进而预测出无标签样本的标签信息，重新拟定目标函数；将重新拟定的目标函数中的特征子空间施加正交约束；利用训练集，求解出目标函数值最小化时各个变量的值，以通过目标函数求解后得到一个特征子空间；以及通过所述特征子空间投影测试集，得到所述数据集里所有类别图像的所有特征，通过预定分类器获得所述数据集的识别率。本发明的上述技术克服了现有技术的不足。
-
公开(公告)号：CN111027582B
公开(公告)日：2023-06-27
申请号：CN201910891913.X
申请日：2019-09-20
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0895
Abstract: 本发明的实施方式提供了一种基于低秩图学习的半监督特征子空间学习方法及装置。该方法包括：将图像数据集分成测试集和训练集，训练集中包括有标签及无标签的样本；定义关于特征子空间学习模型的目标函数；用标签传播的方式，构建有关标签的不同约束项，进而预测出无标签样本的标签信息，重新拟定目标函数；将重新拟定的目标函数中的特征子空间施加正交约束；利用训练集，求解出目标函数值最小化时各个变量的值，以通过目标函数求解后得到一个特征子空间；以及通过所述特征子空间投影测试集，得到所述数据集里所有类别图像的所有特征，通过预定分类器获得所述数据集的识别率。本发明的上述技术克服了现有技术的不足。
-
公开(公告)号：CN111310807B
公开(公告)日：2022-08-19
申请号：CN202010077309.6
申请日：2020-01-27
Applicant: 哈尔滨理工大学
IPC: G06V10/762 , G06V10/77 , G06K9/62
Abstract: 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。
-
公开(公告)号：CN111461256A
公开(公告)日：2020-07-28
申请号：CN202010334192.5
申请日：2020-04-24
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 一种基于低秩表示的判别特征子空间学习方法，通过使用低秩约束来构造用于特征学习的判别性表示项，将非负低秩表示系数作为衡量子空间结构相似性的约束引入到用于分类的学习模型中，促进模型自适应性和鲁棒性；此外，通过将特征子空间学习模型和低秩表示模型放入统一的框架中，可以在迭代期间彼此促进以获得整体最优；还包含基于类别标签信息的线性回归项以增强投影的特征，并且使相同类别的样本靠近同一聚类中心，不同类别的聚类中心相互远离，采用迭代数值方案来解决目标函数并保证收敛；同时，引入岭回归约束项，解决实际应用中无法预先知道噪声类型的问题；本发明与其他方法相比，识别率更高，性能更加稳健。
-
公开(公告)号：CN210470160U
公开(公告)日：2020-05-05
申请号：CN201921642301.9
申请日：2019-09-29
Applicant: 哈尔滨理工大学
IPC: H05K7/20
Abstract: 本实用新型涉及交换机散热装置技术领域，更具体的说是一种信息工程用交换机散热系统，包括放置架，该信息工程用交换机散热系统还包括散热装置，所述散热装置设置有多个，多个散热装置均放置于放置架内，所述散热装置包括下散热机构、支撑框和上散热机构，所述下散热机构的上端固定连接有支撑框，所述支撑框的上端固定连接有上散热机构。本实用新型设置有下散热机构和上散热机构，下散热机构为吹风散热，上散热机构为抽风散热，使用本装置时，可根据环境温度，选择只使用下散热机构或选择下散热机构和上散热机构配合使用，合理节能的同时，有效散去交换机产生的热量。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
