-
公开(公告)号：CN112817959A
公开(公告)日：2021-05-18
申请号：CN202110213760.0
申请日：2021-02-25
Applicant: 西北大学
IPC: G06F16/215 , G06F16/22 , G06N5/00
Abstract: 本发明公开了基于多度量指标权重的古生物形态系统发育树构建方法，包括：对待处理的古生物形态学数据缺失插补形成完整数据集；根据古生物形态学数据的层次特点选择度量指标；对决策点数据的度量指标生成随机权重值，获取度量指标组合；采用进化算法扩充初始种群，形成扩充后的新种群；计算古生物物种间距离，根据该距离划分当前决策点的古生物形态学数据；采用Fitch算法评估当前决策点的划分结果，保留最优分割；判断最优分割后的两个分枝是否均为单一古生物物种，是则保留，否则重新初始化权重分配；本发明可以将多个不同量纲的度量指标共同用于古生物系统发育树构建，克服了使用单一度量指标计算古生物物种间距离片面性的问题。
-
公开(公告)号：CN112817959B
公开(公告)日：2023-03-24
申请号：CN202110213760.0
申请日：2021-02-25
Applicant: 西北大学
IPC: G06F16/215 , G06F16/22 , G06N5/01
Abstract: 本发明公开了基于多度量指标权重的古生物形态系统发育树构建方法，包括：对待处理的古生物形态学数据缺失插补形成完整数据集；根据古生物形态学数据的层次特点选择度量指标；对决策点数据的度量指标生成随机权重值，获取度量指标组合；采用进化算法扩充初始种群，形成扩充后的新种群；计算古生物物种间距离，根据该距离划分当前决策点的古生物形态学数据；采用Fitch算法评估当前决策点的划分结果，保留最优分割；判断最优分割后的两个分枝是否均为单一古生物物种，是则保留，否则重新初始化权重分配；本发明可以将多个不同量纲的度量指标共同用于古生物系统发育树构建，克服了使用单一度量指标计算古生物物种间距离片面性的问题。
-
公开(公告)号：CN111966865A
公开(公告)日：2020-11-20
申请号：CN202010704755.5
申请日：2020-07-21
Applicant: 西北大学
IPC: G06F16/901 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用基于查表子网络的空域图卷积层进行特征提取的方法，首先初始化设置和输入数据；从邻接矩阵中查询卷积中心节点的n阶邻域内的节点；通过位置编码器查询卷积中心节点的n阶邻域内的节点的位置编码；两两融合卷积中心节点与其n阶邻域内的节点的位置编码；通过查表子网络分别查询分配给卷积中心节点n阶邻域内的节点的卷积核权重；计算卷积中心节点的n阶邻域内的节点的特征与卷积核的互相关值，并加上偏置与通过激活函数，得到激活值即卷积中心节点的新特征。本发明解决了现有方法损失了部分空间信息等问题，提供了一种满足局部性与权重共享、模型容量易于控制、采用互相关操作同时整合空间和通道维度信息等特性的图卷积层。
-
Patent Agency Ranking
公开(公告)号：CN113222113B
公开(公告)日：2023-10-31
申请号：CN202110417190.7
申请日：2021-04-19
Applicant: 西北大学
IPC: G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于反缩放卷积层的信号生成方法及装置，该方法首先初始化反缩放卷积层，并将待处理的类频谱特征图输入反缩放卷积层；对初始化反缩放卷积层的卷积核与类频谱特征图的首层系数进行移位乘加操作，然后不断对卷积核进行下采样并与类频谱特征图的后续层系数继续进行移位乘加操作，直至遍历完类频谱特征图的所有层，最后将各移位乘加操作的计算结果逐采样点进行平均，并通过激活函数，得到平均一维激活值，作为反缩放卷积层的最终信号生成结果。本发明能充分考虑目标信号本身时频特性、能充分综合类频谱特征图中不同类时频分量能量、无需信号对齐、可处理变长信号、兼容现有深度学习框架。
-
公开(公告)号：CN113222113A
公开(公告)日：2021-08-06
申请号：CN202110417190.7
申请日：2021-04-19
Applicant: 西北大学
Abstract: 本发明公开了一种基于反缩放卷积层的信号生成方法及装置，该方法首先初始化反缩放卷积层，并将待处理的类频谱特征图输入反缩放卷积层；对初始化反缩放卷积层的卷积核与类频谱特征图的首层系数进行移位乘加操作，然后不断对卷积核进行下采样并与类频谱特征图的后续层系数继续进行移位乘加操作，直至遍历完类频谱特征图的所有层，最后将各移位乘加操作的计算结果逐采样点进行平均，并通过激活函数，得到平均一维激活值，作为反缩放卷积层的最终信号生成结果。本发明能充分考虑目标信号本身时频特性、能充分综合类频谱特征图中不同类时频分量能量、无需信号对齐、可处理变长信号、兼容现有深度学习框架。
-
公开(公告)号：CN111966865B
公开(公告)日：2023-09-22
申请号：CN202010704755.5
申请日：2020-07-21
Applicant: 西北大学
IPC: G06F16/901 , G06F16/906 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种利用基于查表子网络的空域图卷积层进行特征提取的方法，首先初始化设置和输入数据；从邻接矩阵中查询卷积中心节点的n阶邻域内的节点；通过位置编码器查询卷积中心节点的n阶邻域内的节点的位置编码；两两融合卷积中心节点与其n阶邻域内的节点的位置编码；通过查表子网络分别查询分配给卷积中心节点n阶邻域内的节点的卷积核权重；计算卷积中心节点的n阶邻域内的节点的特征与卷积核的互相关值，并加上偏置与通过激活函数，得到激活值即卷积中心节点的新特征。本发明解决了现有方法损失了部分空间信息等问题，提供了一种满足局部性与权重共享、模型容量易于控制、采用互相关操作同时整合空间和通道维度信息等特性的图卷积层。
-
公开(公告)号：CN112419304B
公开(公告)日：2023-09-19
申请号：CN202011431185.3
申请日：2020-12-07
Applicant: 西北大学
IPC: G06T7/00 , G06T7/194 , G06T5/00 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种面向一维数据的多阶段目标检测方法及装置，该方法对输入的一维数据去噪预处理；然后通过粗分割模型对处理后的数据逐点进行前背景分类；再结合中值滤波和开闭操作修正异常点得到中间预测结果；对于每个中间预测结果生成若干可能候选框，并通过候选框分类及精确回归模型去除被识别为背景的候选框，修正被识别为前景的候选框边界；之后结合非极大值抑制进行筛选留下置信概率最大的候选框作为最终检测结果。本发明提出的方法可以有效检测出一维数据中长、短目标以及相距较近的难分割目标，此检测方法在不同场合下都可以得到更加完整、纯净的目标。
-
公开(公告)号：CN112419304A
公开(公告)日：2021-02-26
申请号：CN202011431185.3
申请日：2020-12-07
Applicant: 西北大学
Abstract: 本发明提供一种面向一维数据的多阶段目标检测方法及装置，该方法对输入的一维数据去噪预处理；然后通过粗分割模型对处理后的数据逐点进行前背景分类；再结合中值滤波和开闭操作修正异常点得到中间预测结果；对于每个中间预测结果生成若干可能候选框，并通过候选框分类及精确回归模型去除被识别为背景的候选框，修正被识别为前景的候选框边界；之后结合非极大值抑制进行筛选留下置信概率最大的候选框作为最终检测结果。本发明提出的方法可以有效检测出一维数据中长、短目标以及相距较近的难分割目标，此检测方法在不同场合下都可以得到更加完整、纯净的目标。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.013 seconds)
