公开(公告)号：CN112348175A

公开(公告)日：2021-02-09

申请号：CN202011370448.4

申请日：2020-11-30

Applicant: 福州大学

Inventor： 林志贤 ,  谢斌 ,  林珊玲 ,  滕斌

IPC: G06N3/04 ,  G06N20/00

Abstract: 本发明涉及一种基于强化学习来进行特征工程的方法，包括步骤：用基于上置信区间算法(UCT)求解当前数据的同时进行策略价值网络的训练，每一次迭代都得到训练数据。然后用训练好的策略价值网络去求解适合于当前数据集的特征变换。本发明能够降低特征工程的成本，减少数据科学家的工作量。

公开(公告)号：CN112348175B

公开(公告)日：2022-10-28

申请号：CN202011370448.4

申请日：2020-11-30

Applicant: 福州大学

Inventor： 林志贤 ,  谢斌 ,  林珊玲 ,  滕斌

IPC: G06N3/04 ,  G06N20/00

Abstract: 本发明涉及一种基于强化学习来进行特征工程的方法，包括步骤：用基于上置信区间算法(UCT)求解当前数据的同时进行策略价值网络的训练，每一次迭代都得到训练数据。然后用训练好的策略价值网络去求解适合于当前数据集的特征变换。本发明能够降低特征工程的成本，减少数据科学家的工作量。

公开(公告)号：CN112508845A

公开(公告)日：2021-03-16

申请号：CN202011102734.2

申请日：2020-10-15

Applicant: 福州大学 ,  闽都创新实验室

Inventor： 林志贤 ,  滕斌 ,  郭太良 ,  林珊玲 ,  谢斌

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的osd菜单语言自动化检测方法，包括以下步骤：步骤S1:获取osd菜单的图像数据集；步骤S2:对图像数据集中的图像进行预处理，并通过图像增广扩充数据集；步骤S3:构建深度神经网络，并对图像数据集经行特征提取；步骤S4:根据提取的特征通过分类器分类，以实现不同界面不同拍摄环境下osd菜单文字的识别；步骤S5:利用人工设计特征，使用模板匹配的方法精选辅助训练，对分类器的分类结果进一步分类，获取osd菜单所示文字的识别结果；步骤S6:利用匹配定位算法，比照标准对照表定位出osd菜单上显示不符标准的地方。本发明可以精确高速的检索定位出菜单显示不标准的地方，为显示器生产过程中osd菜单检错提供了更好的解决方案。