-
公开(公告)号：CN112149405A
公开(公告)日：2020-12-29
申请号：CN202011043236.5
申请日：2020-09-28
Applicant: 西安工程大学
IPC: G06F40/216 , G06F40/242 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的程序编译错误信息特征提取方法，具体按照如下步骤进行；步骤1：构建Word2Vec的词向量提取模型；向输入层输入编译错误信息文本数据集，进行取词，构造编译错误信息词典并统计词频；在输出层构造树形结构，生成中间向量和词向量；训练中间向量和词向量；步骤2：构建卷积神经网络编译错误信息的表示模型；将训练后的中间向量和词向量输入到卷积神经网络输入层；进行局部的文本特征的提取；步骤3；进行进一步进行提取；在池化结束后设置全连接层，得到编译错误信息文本特征向量。本发明在编译错误信息数据中处理的数据量更大，维度更高，效果更有效。
-
公开(公告)号：CN117828342A
公开(公告)日：2024-04-05
申请号：CN202310383065.8
申请日：2023-04-12
Applicant: 西安工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种纤维的识别方法、装置、电子设备及存储介质。该方法包括：获取四个样本数据集，第一个样本数据集包括在预设采集环境中采集的M种不同纤维的CSI样本数据，第二个样本数据集包括在预设采集环境中采集的M种不同纤维中的N种纤维的CSI样本数据，第三个样本数据集包括在非预设采集环境中采集的M种不同纤维的CSI样本数据，第四个样本数据集包括在预设采集环境中采集的M种不同纤维中的K种纤维的CSI样本数据；对样本数据集进行预处理，提取纤维的统计特征值，并基于纤维的统计特征值建立纤维的特征融合矩阵；根据纤维的特征融合矩阵训练目标模型，利用目标模型识别待识别纤维的种类。本方案能够快速、便捷、无损地识别纤维的种类。
-
公开(公告)号：CN112149405B
公开(公告)日：2023-10-10
申请号：CN202011043236.5
申请日：2020-09-28
Applicant: 西安工程大学
IPC: G06F40/216 , G06F40/242 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的程序编译错误信息特征提取方法，具体按照如下步骤进行；步骤1：构建Word2Vec的词向量提取模型；向输入层输入编译错误信息文本数据集，进行取词，构造编译错误信息词典并统计词频；在输出层构造树形结构，生成中间向量和词向量；训练中间向量和词向量；步骤2：构建卷积神经网络编译错误信息的表示模型；将训练后的中间向量和词向量输入到卷积神经网络输入层；进行局部的文本特征的提取；步骤3；进行进一步进行提取；在池化结束后设置全连接层，得到编译错误信息文本特征向量。本发明在编译错误信息数据中处理的数据量更大，维度更高，效果更有效。
-
公开(公告)号：CN110472497A
公开(公告)日：2019-11-19
申请号：CN201910610766.4
申请日：2019-07-08
Applicant: 西安工程大学
Abstract: 本发明公开了一种融合旋转量的动作特征表示方法，具体按照以下步骤进行：步骤1：用微软Kinect2.0红外深度传感器采集人体骨骼信息和以SpineBase为根节点的人体拓扑结构信息；步骤2：依据步骤1中人体骨骼关节点坐标，计算得到人体姿态矩阵组；步骤3：依据步骤2中人体拓补结构信息和人体骨骼关节点的坐标，通过四元数计算得到子骨骼关节点相对于父骨骼关节点的旋转量，步骤4：将步骤3中旋转量与步骤2中人体姿态矩阵组相结合，建立融合旋转量的动作特征表示方法。本发明一种融合旋转量的动作特征表示方法能够较为有效地避免相似动作类之间的干扰，达到提高动作识别准确度的目的。
-
Patent Agency Ranking
公开(公告)号：CN110458292A
公开(公告)日：2019-11-15
申请号：CN201910599790.2
申请日：2019-07-04
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于专家知识的服装推荐方法，具体按照以下步骤进行：步骤1：获取用户的体貌特征信息；对用户进行脸型、肤色、肩型、体型和出席场合的识别；步骤2：构建专家知识库；进行事实库设计；进行规则库设计；步骤3：推送目标服装；从服装数据库中得到分别满足用户体貌特征的服装数据量，分别记为S1、S2、S3、S4、S5，以满足用户条件数目最少的服装属性作为根节点，进行深度搜索，确定优先级顺序，然后按照顺序依此搜索出符合用户条件的目标服装，将目标服装推送给用户。本发明一种基于专家知识的服装推荐方法能够给予用户专业化着装建议，既提高了用户的满意度也提高了系统的准确性。
-
公开(公告)号：CN110457508A
公开(公告)日：2019-11-15
申请号：CN201910650411.8
申请日：2019-07-18
Applicant: 西安工程大学
IPC: G06F16/535 , G06F16/583 , G06Q30/02
Abstract: 本发明公开的基于矩阵分解和知识图谱的服装搭配推荐方法，首先，根据服装自身的特性，建立上装和下装搭配组合矩阵，通过分解搭配组合矩阵分别得到上装特征矩阵和下装特征矩阵；然后将分解搭配组合矩阵的过程中融入上装和下装之间的语义信息，结合知识图谱和矩阵分解计算上下装的相似度，得到合适的服装搭配推荐。本发明公开的方法考虑上下装的语义信息，将服装的语义相似性融入上下装分解矩阵中，使推荐的服装搭配组合更具专业指导作用、更符合时尚潮流、从而更加贴合用户的需求，对用户的着装指导和推荐不再局限于用户自身的搭配习惯，从而得到更准确的服装搭配结果。
-
公开(公告)号：CN100430949C
公开(公告)日：2008-11-05
申请号：CN200710017408.X
申请日：2007-02-12
Applicant: 西安工程大学
Abstract: 本发明公开了一种分部位组合式三维参数化数字人台构建方法，根据人体尺寸数据选出描述人体曲线特征的基本部位；按各基本部位的曲线特征对各基本部位分别分类；将不同类别基本部位自由组合构成整体人台。本发明中人台的构建是通过各部位的特征围度截面上的多个关键点描述的，各关键点通过参数回归方程求得，因此可以达到通过参数调节人台各部位的体型、尺寸的目的。为现代服装、人台以及人机工程设计减少设计成本，缩短设计周期，同时获得更加满意的效果创造了条件。
-
公开(公告)号：CN110490143A
公开(公告)日：2019-11-22
申请号：CN201910775165.9
申请日：2019-08-21
Applicant: 西安工程大学
Abstract: 本发明提供一种自适应模式的动作识别方法，具体实施方式为：步骤1，采集人体动作视频，提取其中每一帧人体骨骼点的位置信息，组成全身骨骼点动作序列；步骤2，从全身骨骼点动作序列中读取半身骨骼点动作序列，做数据处理，获得半身动作姿态矩阵序列Sp和半身动作符合度s1；全身动作姿态矩阵序列Sh和全身动作符合度s2；步骤3，若s1不大于s2，将Sh作为输入数据；否则将Sp作为输入数据，采用SVM支持向量机对输入数据进行动作识别，得到识别结果。本发明采用不同的动作模式进行识别，选择最佳的骨骼点集合表示动作姿态特征，有效避免无关关节点对动作质量评估时的影响，提高动作识别的准确率。
-
公开(公告)号：CN101013508A
公开(公告)日：2007-08-08
申请号：CN200710017408.X
申请日：2007-02-12
Applicant: 西安工程大学
Abstract: 本发明公开了一种分部位组合式三维参数化数字人台构建方法，根据人体尺寸数据选出描述人体曲线特征的基本部位；按各基本部位的曲线特征对各基本部位分别分类；将不同类别基本部位自由组合构成整体人台。本发明中人台的构建是通过各部位的特征围度截面上的多个关键点描述的，各关键点通过参数回归方程求得，因此可以达到通过参数调节人台各部位的体型、尺寸的目的。为现代服装、人台以及人机工程设计减少设计成本，缩短设计周期，同时获得更加满意的效果创造了条件。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
