-
公开(公告)号：CN113255602A
公开(公告)日：2021-08-13
申请号：CN202110726159.1
申请日：2021-06-29
Applicant: 江南大学
Abstract: 基于多模态数据的动态手势识别方法，属于手势识别领域。本发明以3D卷积神经网络结构为基础，提出了一种多模态数据驱动的深度网络框架。首先，对于不同模态的输入数据，结合并优化多种有效的特征提取机制，大幅度压缩了网络规模，实现从连续图像序列中同时获得动态手势的空间和时域特征。其次，引入了一种新颖的并行分类器结构，能够充分利用所提取的多模态数据特征，从而有效提高模型的鲁棒性和识别准确率。为了验证所提出的网络框架的有效性，在多模态公开数据集SKIG上进行实验，达到了99.40％的识别准确率。结果表明，对于动态手势识别任务，该网络结构在较小的参数规模下实现了较好的识别能力。
-
公开(公告)号：CN106770318A
公开(公告)日：2017-05-31
申请号：CN201611114036.8
申请日：2016-12-07
Applicant: 江南大学
IPC: G01N21/88
CPC classification number: G01N21/8851 , G01N2021/8887
Abstract: 本发明公开了一种基于改进的背景差分法的焊缝缺陷实时检测方法，特征是包含如下的步骤：步骤一：提取焊缝图像的核心区域，尽可能排除会影响缺陷检测结果的因素；步骤二：采用改进的背景差分法构建背景模型；步骤三：将每个样本的核心区域依次与背景模型作差分，提取焊缝缺陷区域，根据缺陷区域总面积判断焊缝样本是否存在缺陷；步骤四，根据一定的规则更新背景模型，保证背景模型能适应当前的检测环境。本发明具有良好的自动化性能，较高的实时性等优点，能够以较高的准确率识别出缺陷焊缝，提升了焊缝生产的效率和质量。
-
公开(公告)号：CN106910201B
公开(公告)日：2020-03-27
申请号：CN201710111520.3
申请日：2017-02-28
Applicant: 江南大学
Inventor： 毛力
Abstract: 本发明公开了一种基于改进的烟花算法进行图像处理的方法，涉及图像处理领域，该方法包括：初始化N个烟花粒子的位置，记为初始粒子Gold，计算每个烟花粒子爆炸所产生的爆炸火花的位置Sj、爆炸半径Aj，以及变异火花的位置，并从所有粒子中选择进入下一轮迭代的粒子Gnew，确定初始粒子Gold与粒子Gnew所包括的所有粒子中适应度值最好的最优粒子，并根据细菌觅食算子对除最优粒子以外的其余粒子进行最优值方向上的优化，将优化完毕的粒子中适应度值最大的N个粒子作为下一次迭代的初始烟花Gold直至迭代得到最优解，该改进过的烟花算法可以较好地克服传统烟花算法应用于分类和回归时结果较差的缺点，有效地提高了查找最优值点的结果。
-
公开(公告)号：CN102831474B
公开(公告)日：2015-04-22
申请号：CN201210277058.1
申请日：2012-08-06
Applicant: 江南大学
Abstract: 本发明涉及一种聚类方法，尤其是一种基于量子粒子群优化改进的模糊C-均值聚类方法，属于数据挖掘和人工智能的技术领域。本发明在传统的模糊C-均值聚类算法中，首先利用新距离标准取代Euclidean标准，以提高传统聚类算法下的模糊精确度，同时通过AFCM算法单次快速分类替代随机分配初始聚类中心，来降低聚类算法对初始聚类中心的敏感度，最后在聚类过程中引入基于距离改进的QPSO（AQPSO）并行优化思想使其聚类算法具有较强的全局搜索能力、更高的收敛精度，保证收敛速度也明显改善了聚类效果。
-
Patent Agency Ranking
公开(公告)号：CN102708381B
公开(公告)日：2014-02-19
申请号：CN201210141568.6
申请日：2012-05-09
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明涉及一种改进极限学习机，尤其是一种融合最小二乘向量机回归学习思想的改进极限学习机，属于人工智能的技术领域。本发明在传统极限学习机经验风险最小化基础上，融合了最小二乘向量机回归学习思想，增加了结构风险控制项，通过有效调节两种风险的比例来求解，这就大大降低了模型产生过度拟合的风险。通过在SinC数据集、Boston Housing数据集及在渔业养殖中的溶氧预测中的实际应用这三个实验表明，与ELM算法和EOS-ELM算法相比，该方法的预测误差与训练误差比较接近，有效降低了过拟合问题，其预测的精度也得到了一定的提高。
-
公开(公告)号：CN102831474A
公开(公告)日：2012-12-19
申请号：CN201210277058.1
申请日：2012-08-06
Applicant: 江南大学
IPC: G06N3/00
Abstract: 本发明涉及一种聚类方法，尤其是一种基于量子粒子群优化改进的模糊C-均值聚类方法，属于数据挖掘和人工智能的技术领域。本发明在传统的模糊C-均值聚类算法中，首先利用新距离标准取代Euclidean标准，以提高传统聚类算法下的模糊精确度，同时通过AFCM算法单次快速分类替代随机分配初始聚类中心，来降低聚类算法对初始聚类中心的敏感度，最后在聚类过程中引入基于距离改进的QPSO（AQPSO）并行优化思想使其聚类算法具有较强的全局搜索能力、更高的收敛精度，保证收敛速度也明显改善了聚类效果。
-
公开(公告)号：CN106910201A
公开(公告)日：2017-06-30
申请号：CN201710111520.3
申请日：2017-02-28
Applicant: 江南大学
Inventor： 毛力
Abstract: 本发明公开了一种基于改进的烟花算法进行图像处理的方法，涉及图像处理领域，该方法包括：初始化N个烟花粒子的位置，记为初始粒子Gold，计算每个烟花粒子爆炸所产生的爆炸火花的位置Sj、爆炸半径Aj，以及变异火花的位置，并从所有粒子中选择进入下一轮迭代的粒子Gnew，确定初始粒子Gold与粒子Gnew所包括的所有粒子中适应度值最好的最优粒子，并根据细菌觅食算子对除最优粒子以外的其余粒子进行最优值方向上的优化，将优化完毕的粒子中适应度值最大的N个粒子作为下一次迭代的初始烟花Gold直至迭代得到最优解，该改进过的烟花算法可以较好地克服传统烟花算法应用于分类和回归时结果较差的缺点，有效地提高了查找最优值点的结果。
-
公开(公告)号：CN106022465A
公开(公告)日：2016-10-12
申请号：CN201610333881.8
申请日：2016-05-19
Applicant: 江南大学
CPC classification number: G06N3/006 , G06N99/005
Abstract: 本发明公开了一种改进人工蜂群优化的极限学习机的方法，其特征在于，包括以下步骤：步骤1、对SN个个体产生初始解为；步骤2、对极限学习机的连接权值ω和阈值b进行全局寻优；步骤3、对极限学习机连接权值ω和阈值b进行局部寻优；步骤4、如果食物源信息在一定时间内没有更新，则将雇佣蜂转换为侦查蜂，回到步骤1重新初始化此个体；步骤5、从最优个体中提取出的极限学习机连接权值ω和阈值b，并使用测试集进行验证。本发明较好地克服了传统极限学习机应用于分类和回归时结果较差的缺点，相对于传统极限学习机和SaE‑ELM算法，本发明方法具有较强的鲁棒性，有效地提高了分类和回归的结果。
-
公开(公告)号：CN102708381A
公开(公告)日：2012-10-03
申请号：CN201210141568.6
申请日：2012-05-09
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明涉及一种改进极限学习机，尤其是一种融合最小二乘向量机回归学习思想的改进极限学习机，属于人工智能的技术领域。本发明在传统极限学习机经验风险最小化基础上，融合了最小二乘向量机回归学习思想，增加了结构风险控制项，通过有效调节两种风险的比例来求解，这就大大降低了模型产生过度拟合的风险。通过在SinC数据集、Boston Housing数据集及在渔业养殖中的溶氧预测中的实际应用这三个实验表明，与ELM算法和EOS-ELM算法相比，该方法的预测误差与训练误差比较接近，有效降低了过拟合问题，其预测的精度也得到了一定的提高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
