-
公开(公告)号：CN109255370B
公开(公告)日：2021-07-27
申请号：CN201810946392.9
申请日：2018-08-20
Applicant: 安徽大学
Abstract: 本发明公开了一种基于PAUC算法的农田智能喷药方法，包括：S1、将农作物图像解析为包含植物特征向量的数据集；S2、初始化第T次迭代的预测模型w、杂草特征向量集合S+、农作物特征向量集合S‑，其中，T＝1；S3、基于数据集内植物特征向量与预设的农作物信息将数据集内植物特征向量划分至S+或S‑；S4、基于数据集内植物特征向量计算得到第T次迭代的自适应梯度；S5、通过第T次迭代的自适应梯度更新w；S6、令T＝T+1，执行步骤S3，直到T＞Tmax，得到全局预测模型S7、通过从目标植物图像筛选出杂草，并对杂草进行农药喷洒。
-
公开(公告)号：CN107103071A
公开(公告)日：2017-08-29
申请号：CN201710266425.0
申请日：2017-04-21
Applicant: 安徽大学
IPC: G06F17/30
CPC classification number: G06F16/355
Abstract: 本发明公开了一种基于直接优化PAUC算法的新闻信息分类方法，其特征是按如下步骤进行：1、采集新闻信息的数据集，并将数据集S按照样本的类别划分为相关新闻信息集合S+与非相关新闻信息集合S‑；2、从所述相关信息集合S+和不相关信息集合S‑选取新闻信息特征xT；3、通过新闻信息特征xT得到第T次迭代的自适应梯度4、利用自适应梯度更新预测模型wT。本发明能高效的在海量的新闻信息中筛选出符合用户喜好的新闻，提高了用户对新闻信息的搜索效率，提升了用户体验。
-
公开(公告)号：CN107103071B
公开(公告)日：2019-08-02
申请号：CN201710266425.0
申请日：2017-04-21
Applicant: 安徽大学
IPC: G06F16/35
Abstract: 本发明公开了一种基于直接优化PAUC算法的新闻信息分类方法，其特征是按如下步骤进行：1、采集新闻信息的数据集，并将数据集S按照样本的类别划分为相关新闻信息集合S+与非相关新闻信息集合S‑；2、从所述相关信息集合S+和不相关信息集合S‑选取新闻信息特征xT；3、通过新闻信息特征xT得到第T次迭代的自适应梯度4、利用自适应梯度更新预测模型wT。本发明能高效的在海量的新闻信息中筛选出符合用户喜好的新闻，提高了用户对新闻信息的搜索效率，提升了用户体验。
-
公开(公告)号：CN109255370A
公开(公告)日：2019-01-22
申请号：CN201810946392.9
申请日：2018-08-20
Applicant: 安徽大学
Abstract: 本发明公开了一种基于PAUC算法的农田智能喷药方法，包括：S1、将农作物图像解析为包含植物特征向量的数据集；S2、初始化第T次迭代的预测模型w、杂草特征向量集合S+、农作物特征向量集合S-，其中，T＝1；S3、基于数据集内植物特征向量与预设的农作物信息将数据集内植物特征向量划分至S+或S-；S4、基于数据集内植物特征向量计算得到第T次迭代的自适应梯度；S5、通过第T次迭代的自适应梯度更新w；S6、令T＝T+1，执行步骤S3，直到T＞Tmax，得到全局预测模型 S7、通过 从目标植物图像筛选出杂草，并对杂草进行农药喷洒。
-
-
-
Search Results
4
records
(took 0.014 seconds)
