-
公开(公告)号：CN115170843A
公开(公告)日：2022-10-11
申请号：CN202210827709.3
申请日：2022-07-14
Applicant: 广东工业大学
IPC: G06V10/74 , G06F17/16 , G06V10/762 , G06V10/774
Abstract: 本发明提出一种基于嵌入特征提取的多视图一致性图像聚类方法及系统，涉及多视图图像数据聚类处理的技术领域，通过对原始多视图数据的数据矩阵进行处理，获取每个视图的样本嵌入和特征嵌入，对每个视图的特征嵌入进行群稀疏约束，实现对原始多视图数据特征嵌入的降噪，再通过二部图将原始多视图数据的特征嵌入和样本嵌入相连接进行特征提取，嵌入知识通过二部图在特征嵌入和样本嵌入之间传递，相互促进充分学习视图内的信息，包含在数据特征中的冗余信息和噪声的影响被有效消除，以最大限度提高模型对多视图数据的一致性学习，从而使得最终学习的一致性图能够更加准确，在最后的一致性图对应的拉普拉斯矩阵上加上秩约束从而直接的到聚类结果。
-
公开(公告)号：CN109710636A
公开(公告)日：2019-05-03
申请号：CN201811348701.9
申请日：2018-11-13
Applicant: 广东工业大学
IPC: G06F16/245 , G06N3/04
Abstract: 本发明公布了一种基于深度迁移学习的无监督工业系统异常检测方法。本发明利用了来自迁移源的有标注的机器传感器序列数据和来自迁移目标的没有标注的传感器序列数据，训练出一个具有良好泛化能力的工业系统异常检测模型，并对其进行训练，测试，最终生成一个训练好的工业系统异常判别模型。利用这个模型，可以对接收到的机器传感器序列数据进行分析并判断是否机器出现异常。
-
公开(公告)号：CN109145974A
公开(公告)日：2019-01-04
申请号：CN201810915359.X
申请日：2018-08-13
Applicant: 广东工业大学
IPC: G06K9/62
CPC classification number: G06K9/629 , G06K9/6268
Abstract: 本发明公布了一种基于图文匹配的多层次图像特征融合方法，通过使用预训练网络中的多层特征作为图像的多层次总预训练特征，并且在图文匹配的学习目标指导下，利用多层感知机(Multi‑Layer Perceptron)有监督地融合和降维图像的多层次总预训练特征，生成融合图像特征。从而能够充分地利用更多有用的、不同层次的预训练特征，并从中归纳出对图文匹配任务有用的特征和去除无用的特征，减少了噪声特征的干扰。然后即可利用融合图像特征和文本特征在特征空间上的余弦相似度来进行图文匹配。
-
公开(公告)号：CN108595501A
公开(公告)日：2018-09-28
申请号：CN201810223735.9
申请日：2018-03-19
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F2216/03
Abstract: 本发明公开了一种基于确定性机制与噪声干扰的离散数据因果发现方法，包括以下步骤：S1、预设模型X→Y′→Y，定义确定性因果过程；S2、定义得到用于评估模型X→Y＇→Y的初始评分标准；S3、计算出用于评估模型的最终评分标准；S4、根据最终评分标准所给出的评分，使用贪婪策略估计Y＇的状态，得到模型M1：X→Y＇→Y；S5、根据最终评分标准所给出的评分，使用贪婪策略估计反方向的X'的状态，得到模型M2：Y→X'→X；S6、根据比较M1，M2的评分S1,S2的大小，并输出因果方向。本发明通过引入确定性与噪声干扰两部分，使之灵活适应数据中不同的确定性机制和噪声机制，增加抗干扰性，增大了其适用范围，克服了现有技术中离散因果发现效率低下的缺陷，达到提高因果发现效率的目的。
-
公开(公告)号：CN107392242A
公开(公告)日：2017-11-24
申请号：CN201710584948.X
申请日：2017-07-18
Applicant: 广东工业大学
CPC classification number: G06K9/6256 , G06K9/6277 , G06N3/0481 , G06N3/084
Abstract: 本发明涉及一种基于同态神经网络的跨领域图片分类方法，首先构建一个由同态子网络g和预测子网络f串联而成的神经网络架构，然后把跨领域图片的底层特征输入到同态子网络g中，通过同态子网络g提取出跨领域图片的同态特征，最后把跨领域图片的同态特征输入到预测子网络f中，通过预测子网络f预测图片的类别，本发明通过将跨领域图片的底层特征空间映射到同态特征空间中，充分利用了跨领域图片的同态不变性，减少了跨领域图片中有关领域信息的干扰，有效提高对跨领域图片的分类能力，另外，本方法最大限度地把从多源域图片学习到的知识迁移到多目标域图片上，保证了跨领域图片分类的鲁棒性，该分类方法不需要图片的先验领域知识，也不要求图片依领域划分。
-
Patent Agency Ranking
公开(公告)号：CN115170843B
公开(公告)日：2025-05-02
申请号：CN202210827709.3
申请日：2022-07-14
Applicant: 广东工业大学
IPC: G06V10/74 , G06F17/16 , G06V10/762 , G06V10/774
Abstract: 本发明提出一种基于嵌入特征提取的多视图一致性图像聚类方法及系统，涉及多视图图像数据聚类处理的技术领域，通过对原始多视图数据的数据矩阵进行处理，获取每个视图的样本嵌入和特征嵌入，对每个视图的特征嵌入进行群稀疏约束，实现对原始多视图数据特征嵌入的降噪，再通过二部图将原始多视图数据的特征嵌入和样本嵌入相连接进行特征提取，嵌入知识通过二部图在特征嵌入和样本嵌入之间传递，相互促进充分学习视图内的信息，包含在数据特征中的冗余信息和噪声的影响被有效消除，以最大限度提高模型对多视图数据的一致性学习，从而使得最终学习的一致性图能够更加准确，在最后的一致性图对应的拉普拉斯矩阵上加上秩约束从而直接的到聚类结果。
-
公开(公告)号：CN111931496B
公开(公告)日：2022-11-15
申请号：CN202010652890.X
申请日：2020-07-08
Applicant: 广东工业大学
IPC: G06F40/289 , G06F40/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供的一种基于递归神经网络模型的文本风格转换系统及方法，包括包括输入模块、原风格样本数据库、目标风格样本数据库、预处理模块、训练模块、模型数据库、输出模块和评价模块，能充分提取文本特征，结合半监督的方法，对平行语料库需求较低，且通过函数映射的方式实现风格转换，需要优化的参数少，容易收敛，便于实际的应用；同时，其引入反馈机制，能适时更具新增样本对模型进行调整，提高输出文本的质量。
-
公开(公告)号：CN111027624B
公开(公告)日：2022-10-21
申请号：CN201911259835.8
申请日：2019-12-10
Applicant: 广东工业大学
IPC: G06V10/762 , G06V40/16
Abstract: 本发明公开了一种基于非线性增强子空间聚类的图像识别方法，首先获取图像数据集；利用局部线性嵌入算法求解图像数据集的局部线性表达矩阵，以提取图像数据集的非线性流形结构；构建基于块对角约束及非线性流形结构的非线性增强子空间聚类目标函数；对非线性增强子空间聚类目标函数进行初始化并求解出最优解；基于最优解构建拉普拉斯矩阵，并通过NCut或K‑means得到最终图像数据集的聚类结果，完成图像识别。本发明通过预先学习图像的非线性流形结构，即局部线性结构拟合非线性流形从而在提高图像识别效果；同时强制构造块对角作为约束条件，通过迭代求解出的邻接矩阵的块对角结构更加契合子空间聚类的目标效果。
-
公开(公告)号：CN111931496A
公开(公告)日：2020-11-13
申请号：CN202010652890.X
申请日：2020-07-08
Applicant: 广东工业大学
IPC: G06F40/289 , G06F40/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供的一种基于递归神经网络模型的文本风格转换系统及方法，包括包括输入模块、原风格样本数据库、目标风格样本数据库、预处理模块、训练模块、模型数据库、输出模块和评价模块，能充分提取文本特征，结合半监督的方法，对平行语料库需求较低，且通过函数映射的方式实现风格转换，需要优化的参数少，容易收敛，便于实际的应用；同时，其引入反馈机制，能适时更具新增样本对模型进行调整，提高输出文本的质量。
-
公开(公告)号：CN111027624A
公开(公告)日：2020-04-17
申请号：CN201911259835.8
申请日：2019-12-10
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于非线性增强子空间聚类的图像识别方法，首先获取图像数据集；利用局部线性嵌入算法求解图像数据集的局部线性表达矩阵，以提取图像数据集的非线性流形结构；构建基于块对角约束及非线性流形结构的非线性增强子空间聚类目标函数；对非线性增强子空间聚类目标函数进行初始化并求解出最优解；基于最优解构建拉普拉斯矩阵，并通过NCut或K-means得到最终图像数据集的聚类结果，完成图像识别。本发明通过预先学习图像的非线性流形结构，即局部线性结构拟合非线性流形从而在提高图像识别效果；同时强制构造块对角作为约束条件，通过迭代求解出的邻接矩阵的块对角结构更加契合子空间聚类的目标效果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.028 seconds)
