-
公开(公告)号：CN109711456B
公开(公告)日：2023-04-28
申请号：CN201811572902.7
申请日：2018-12-21
Applicant: 江南大学 , 江苏江大智慧科技有限公司
IPC: G06V10/762 , G06V10/77 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种具备鲁棒性的半监督图像聚类方法，它涉及图像处理及应用领域。该方法针对一般图像聚类技术里面专注于对图像数据预处理和特征筛选上，而在聚类方法上并未有所突破，提出了一种具备鲁棒性的半监督图像聚类方法。该图像聚类方法首先考虑了实际情况下图像数据中存在的噪声和离群值，通过鲁棒性的正则化来减少噪声和离群值的影响，再从有标记图像和无标记图像两个方面着手挖掘图像数据知识；同时，在图像数据的预处理和特征筛选上，采取了具有适用性的归一化来事先处理图像数据，充分保证图像数据信息的完整性。
-
公开(公告)号：CN109711456A
公开(公告)日：2019-05-03
申请号：CN201811572902.7
申请日：2018-12-21
Applicant: 江南大学 , 江苏江大智慧科技有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种具备鲁棒性的半监督图像聚类方法，它涉及图像处理及应用领域。该方法针对一般图像聚类技术里面专注于对图像数据预处理和特征筛选上，而在聚类方法上并未有所突破，提出了一种具备鲁棒性的半监督图像聚类方法。该图像聚类方法首先考虑了实际情况下图像数据中存在的噪声和离群值，通过鲁棒性的正则化来减少噪声和离群值的影响，再从有标记图像和无标记图像两个方面着手挖掘图像数据知识；同时，在图像数据的预处理和特征筛选上，采取了具有适用性的归一化来事先处理图像数据，充分保证图像数据信息的完整性。
-
公开(公告)号：CN108038511A
公开(公告)日：2018-05-15
申请号：CN201711421475.8
申请日：2017-12-25
Applicant: 江苏江大智慧科技有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种修正聚类假设联合成对约束半监督分类方法，它涉及一种半监督学习算法。它的步骤为：通过FCM方法初始化未标记样本的类隶属度，选择适当的参数λ1，λ2，并根据公式计算初始化的α、隶属度函数v(x)、新目标函数M，判断是否达到迭代终止条件，若是，则返回隶属度函数v(x)，并根据α得到分类决策函数f(x)，若否，则重新计算初始化的α、隶属度函数v(x)、新目标函数M并判断。本发明将修正聚类假设对未标记的探索以及成对约束对监督信息的利用结合，共同组成更加完善的经验风险项，从而进一步挖掘监督信息所包含的知识，达到算法性能提高的目的，拥有更高的有效性与正确性。
-
公开(公告)号：CN110972095A
公开(公告)日：2020-04-07
申请号：CN201911231049.7
申请日：2019-12-05
Abstract: 本发明公开了一种基于移动终端的医疗大数据信息传输方法，包括如下步骤：由移动终端获取医疗大数据；由第一WiFi接入点向移动终端发送第一反向传输信道调度；由第二WiFi接入点向移动终端发送第二反向传输信道调度；由移动终端基于第一反向传输信道调度通知的用于反向传输信道消息的OFDM时频块的大小和第二反向传输信道调度通知的用于反向传输信道消息的OFDM时频块的大小，将医疗大数据划分为第一多个数据包和第二多个数据包；由移动终端利用第一反向传输信道调度指示的反向传输信道消息的OFDM时频块向第一WiFi接入点发送第一多个数据包；由移动终端利用第二反向传输信道调度指示的反向传输信道消息的OFDM时频块向第二WiFi接入点发送第二多个数据包。
-
公开(公告)号：CN110972095B
公开(公告)日：2020-11-20
申请号：CN201911231049.7
申请日：2019-12-05
Abstract: 本发明公开了一种基于移动终端的医疗大数据信息传输方法，包括如下步骤：由移动终端获取医疗大数据；由第一WiFi接入点向移动终端发送第一反向传输信道调度；由第二WiFi接入点向移动终端发送第二反向传输信道调度；由移动终端基于第一反向传输信道调度通知的用于反向传输信道消息的OFDM时频块的大小和第二反向传输信道调度通知的用于反向传输信道消息的OFDM时频块的大小，将医疗大数据划分为第一多个数据包和第二多个数据包；由移动终端利用第一反向传输信道调度指示的反向传输信道消息的OFDM时频块向第一WiFi接入点发送第一多个数据包；由移动终端利用第二反向传输信道调度指示的反向传输信道消息的OFDM时频块向第二WiFi接入点发送第二多个数据包。
-
Patent Agency Ranking
公开(公告)号：CN119005295B
公开(公告)日：2025-04-04
申请号：CN202411476651.8
申请日：2024-10-22
Applicant: 江南大学
IPC: G06N3/096 , G06V10/764 , G06V40/10 , G06V10/82 , G06V10/74
Abstract: 本发明涉及数据分析领域，尤其是指一种多源域人体姿态识别迁移模型构建方法及装置；利用储备池变换公式生成人体姿态的多个源域数据和目标域数据的储备池表示；计算各源域、目标域的储备池表示间的RSD距离，根据RSD距离选择第一相似源域的储备池表示并使用mix‑up公式增强；在除第一相似源域外的其他源域的储备池表示中选择第二相似源域并增强；合并增强后的第一、第二相似源域的储备池表示作为最相似源域的储备池表示输入TSK模糊系统，得到初始人体姿态识别模型；根据目标域的储备池表示调整模型初始模糊规则的后件参数，得到优化后的人体姿态识别模型。实现了基于多个不充分源域快速且精准的人体姿态识别。
-
公开(公告)号：CN118820484B
公开(公告)日：2025-02-28
申请号：CN202410804900.5
申请日：2024-06-21
Applicant: 江南大学 , 苏州觉卿谛语智能科技有限公司
IPC: G06F16/36 , G06F18/214 , G06F18/2415
Abstract: 本发明涉及知识图谱补全任务技术领域，具体指一种基于大模型的知识图谱补全方法、设备及可读存储介质，包括：基于各个实体嵌入特征，构建各个实体的节点中心度函数、节点指示函数，确定所有实体的中心度数之和、节点指示函数值之和；基于各个待预测三元组的实体分布概率，构建各个待预测三元组的焦点损失函数，并结合所有实体的中心度数之和、节点指示函数值之和，构建各个待预测三元组的基于节点中心度的焦点平衡损失函数；根据预设的批次大小，构建当前批次的目标损失函数。本发明提高了大模型收敛速度、精度，提高了二阶段补全框架的推理速度、预测准确度，提高了知识图谱最终补全结果的准确率以及补全过程的处理效率。
-
公开(公告)号：CN118918445B
公开(公告)日：2025-02-14
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
公开(公告)号：CN119311708A
公开(公告)日：2025-01-14
申请号：CN202411846286.5
申请日：2024-12-16
Applicant: 江南大学 , 无锡市锡山区人民检察院
IPC: G06F16/23 , G06N20/00 , G06F16/215 , G06F18/214 , G06F18/2433
Abstract: 本发明属于区块链技术领域，涉及基于迁移学习的区块链数据异常检测智能合约构建方法。基于待检测区块链训练集中的数据样本经其投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第一迁移项；基于目标区块链训练集中的数据样本经待检测区块链训练集的投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第二迁移项；基于目标区块链训练集的投影矩阵与待检测区块链训练集的投影矩阵的差值构建第三迁移项；基于待检测区块链训练集的投影矩阵L2正则化构建结构损失正则项；构建数据异常检测模型并求解，得到待检测区块链训练集的超球半径、超球中心和投影矩阵；将知识迁移应用于区块链数据异常检测中，提高了区块链数据检测结果的准确性。
-
公开(公告)号：CN118799948B
公开(公告)日：2024-11-29
申请号：CN202411282724.X
申请日：2024-09-13
IPC: G06V40/16 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及半监督表情识别技术领域，公开了一种基于交叉融合与置信评估的情绪识别智能合约构建方法，包括获取基于区块链存储的面部图像，划分为有标签与无标签样本集；将所有面部图像分别输入初始图像分类模型，获取预测标签与标签置信度得分；基于每个有标签样本的交叉熵损失，得标签集合损失；将无标签样本划分为正确或错误样本；基于每个正确样本的交叉熵损失，获取集合无监督损失；基于每个错误样本的对比学习损失，获取集合对比损失；基于前述三种损失，构建模型总损失函数，训练初始图像分类模型，获取训练好的图像分类模型，输入待识别面部图像，获取多个置信度得分，以其中得分最高的所表示的情绪类型，作为待识别面部图像的预测标签。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.056 seconds)
