-
公开(公告)号:CN113887517B
公开(公告)日:2024-04-09
申请号:CN202111272099.7
申请日:2021-10-29
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于并行注意力机制的农作物遥感图像语义分割方法,先对农作物遥感图像数据集的农作物遥感图像进行预处理;再搭建基于并行注意力的农作物遥感图像语义分割网络,并利用预处理后的农作物遥感图像数据集对网络进行训练;后将待语义分割的农作物遥感图像送入到训练好的基于并行注意力的农作物遥感图像语义分割网络中进行语义分割,得到待语义分割的农作物遥感图像的精确分割结果。本发明中构建的语义分割网络,综合解决了现有农作物遥感图像语中存在的类内差异大、类间差异小且地物信息复杂多样、干扰信息多导致边界分割不准的问题,提高了农作物遥感图像语义分割网络的性能。
-
公开(公告)号:CN114036275B
公开(公告)日:2024-04-02
申请号:CN202111314094.6
申请日:2021-11-08
Applicant: 桂林电子科技大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明公开一种知识图谱嵌入多跳问答方法通过翻译模型的思想,将问题q嵌入的向量空间作为源序列翻译到实体嵌入的向量空间中,解决了问题q嵌入的向量空间与实体嵌入的向量空间不一致的问题;通过Tf‑Idf权重系数的加权计算,解决了问题q嵌入的词向量问题嵌入的词向量无法考虑数据中所有问题数据的全局信息的问题,使得答案的预测更具合理性;从而提升了基于知识图谱的多跳问答的准确率。
-
公开(公告)号:CN108197290B
公开(公告)日:2021-08-03
申请号:CN201810053803.1
申请日:2018-01-19
Applicant: 桂林电子科技大学
IPC: G06F16/36
Abstract: 本发明公开一种融合实体和关系描述的知识图谱表示学习方法,考虑了实体与关系的文本描述信息,很好地融合了三元组的结构化信息与文本描述信息两大信息源,通过基于神经网络的端到端模型对实体和关系联合抽取,设置一个平衡因子来平衡结构化信息和文本描述信息,并根据预测对象的不同定义不同的得分函数;然后利用损失函数把实体向量和关系向量关联起来,并优化该损失函数,当达到优化目标时,就可以学得知识图谱及文本描述信息中每个实体的向量和关系的向量。本发明解决了知识库中实体和关系的稀疏性和不平衡性,更精确有效地表示实体和关系及其之间的相互联系,并将其应用于大规模知识图谱中,具有较好的实用性。
-
-
公开(公告)号:CN109508744A
公开(公告)日:2019-03-22
申请号:CN201811350794.9
申请日:2018-11-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种旅游景点的分类方法,与传统的旅游景点分类机制相比,该方法综合的考虑旅游景点的各个特征值,能准确客观的反映出旅游景点的实际档次,能够给游客的出行提供保障,作出合适的游览安排,能有效的降低人为因素带来的影响,客观的反映景区的实际环境,能为游客的决策提供一定的参考。不管对于旅游景区而言,还是游客,都有非常重要的意义,在预测分类的速度上,与传统的KNN算法相比,速度明显提升,由于充分的考虑旅游景点的各个特征,算法不会造成一定的特征损失,分类准确率高,然后对这些特征值进行标准化处理,改善了原有的K近邻算法的性能和效率。
-
公开(公告)号:CN109189996A
公开(公告)日:2019-01-11
申请号:CN201811087867.X
申请日:2018-09-18
Applicant: 桂林电子科技大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明公开一种基于K2-MDD的大规模图的最大公共连通子图匹配方法,首先对两个图中的顶点进行编码,再根据顶点的编码再对边编码,进而通过边的编码集合构建K2-MDD;之后利用符号K2-MDD的逻辑交运算求出每个顶点的度,将度最大的顶点纳入公共子图中,并把与之相邻顶点的度减1,直至相邻边的顶点度全部为0,实现对最大公共连通子图的求解。本发明用K2树的思想对邻接矩阵进行划分,然后使用多值决策图进行存储,使K2树中大量的同构子树所造成的冗余顶点得到合并,达到存储结构更为紧凑的目的,大大减少了顶点产生数量,从而减少了搜索空间,也提高了搜索效率。
-
公开(公告)号:CN104598695A
公开(公告)日:2015-05-06
申请号:CN201510063262.7
申请日:2015-02-06
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于符号ZBDD的装配序列生成方法,包括步骤有:获得装配体知识,即装配体的连接矩阵和干涉矩阵;根据装配体的连接矩阵,创建连接矩阵的ZBDD;根据装配体的干涉矩阵,创建干涉矩阵的ZBDD;搜索出所有可行的装配,即可行装配序列,并创建表示可行装配序列的ZBDD;对生成的表示可行装配序列的ZBDD进行精化,删除装配过程中的死状态。本发明能够在较高的时间和空间效率下,通过分析所有可能的装配操作保证装配序列的完备性,通过判断局部装配几何可行性保证装配序列的可靠性,最终完成对装配体的所有可行装配序列的生成。
-
-
公开(公告)号:CN109189996B
公开(公告)日:2021-06-22
申请号:CN201811087867.X
申请日:2018-09-18
Applicant: 桂林电子科技大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明公开一种基于K2‑MDD的大规模图的最大公共连通子图匹配方法,首先对两个图中的顶点进行编码,再根据顶点的编码再对边编码,进而通过边的编码集合构建K2‑MDD;之后利用符号K2‑MDD的逻辑交运算求出每个顶点的度,将度最大的顶点纳入公共子图中,并把与之相邻顶点的度减1,直至相邻边的顶点度全部为0,实现对最大公共连通子图的求解。本发明用K2树的思想对邻接矩阵进行划分,然后使用多值决策图进行存储,使K2树中大量的同构子树所造成的冗余顶点得到合并,达到存储结构更为紧凑的目的,大大减少了顶点产生数量,从而减少了搜索空间,也提高了搜索效率。
-
公开(公告)号:CN110532438A
公开(公告)日:2019-12-03
申请号:CN201910752975.2
申请日:2019-08-15
Applicant: 桂林电子科技大学
IPC: G06F16/901 , G06F16/904 , G06F16/906
Abstract: 本发明公开一种基于聚类和K2-tree的大规模图数据表示方法,先采用了网格聚类算法充分的邻接矩阵中的稠密区域,从而使得大量的1值被包含在稠密区域中。相比于原始邻接矩阵,每个稠密区域的边长大大降低,减少了K2-tree查询操作中从顶层到叶子节点需要的递归次数,增加了存储空间利用率。在处理上百万个节点和边的图数据时,本方法能够对其高效紧凑准确的表示,并且还能支持节点邻居查询操作。
-
-
-
-
-
-
-
-
-