公开(公告)号：CN111222641A

公开(公告)日：2020-06-02

申请号：CN201911172112.4

申请日：2019-11-26

Applicant: 湖南大学

Inventor： 许莹 ,  黄磊 ,  张环

IPC: G06N3/12 ,  G06N3/00

Abstract: 本发明公开了一种前沿网格进化多目标优化方法及系统，提出前沿网格的概念，利用前沿网格内的个体引导搜索；在此基础上引入拐点，提出了一种基于网格的拐点选择方法；此外，根据以样本估计总体的思想，给出了一种新的选取边界点的方法；最后提出了一种基于分解的前沿网格进化多目标优化算法。本发明提高了拐点选择方法的搜索性能，提高了多目标优化问题求解方法的性能。

公开(公告)号：CN114254749A

公开(公告)日：2022-03-29

申请号：CN202111610375.6

申请日：2021-12-27

Applicant: 湖南大学

Inventor： 许莹 ,  张环 ,  郑冰欣

IPC: G06N3/12 ,  G06N3/00 ,  G06K9/62

Abstract: 一种基于离散计算的遗传算法的环境选择方法，本发明涉及遗传算法中的环境选择方法。本发明的目的是为了解决遗传算法在种群进化过程中的收敛性和多样性不平衡的问题。基于离散计算的遗传算法的环境选择方法的主要过程为：步骤一、归一化输入的联合种群；步骤二、在归一化后的联合种群中寻找角点个体和收敛性较好的个体；步骤三、在收敛性较差的那些个体中根据余弦相似度判断小生境的分布情况；步骤四、选择小生境分布最均匀的个体补充种群。本发明用于多目标优化问题的遗传算法领域。

公开(公告)号：CN114758409A

公开(公告)日：2022-07-15

申请号：CN202111610460.2

申请日：2021-12-27

Applicant: 湖南大学

Inventor： 许莹 ,  郑冰欣 ,  张环

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于代表性奖励深度强化学习的动作识别方法。其中发明内容主要包括：提出一种基于代表性奖励的视频关键帧选取机制，在此基础上，通过结合双流自适应图卷积神经网络模型，以实现在冗长视频帧上高效提取时间空间维度上潜在的特征。本发明提出的代表性奖励机制，将帧选择过程看作弱监督下离散的马尔科夫决策过程，采用蒙特卡洛策略梯度算法对关键帧进行提取，其中关键帧衡量标准被定义为使agent尽可能选择特征空间中靠近集群中心帧的代表性奖励。同时，该奖励机制节省视频标签成本，可独立于双流网络进行训练，并解决了所选帧的时间顺序性和关键帧易丢失的问题，在计算机视觉领域中关键帧提取问题具有实际应用价值。