-
公开(公告)号：CN110535681B
公开(公告)日：2021-04-27
申请号：CN201910648583.1
申请日：2019-07-18
Applicant: 西安电子科技大学
IPC: H04L12/24 , G06F16/901 , G06F16/906 , G06Q50/00
Abstract: 本发明提出了一种基于开放运算语言OpenCL并行的量子粒子群算法的重叠社区检测方法，在保证检测正确率的基础上，提高检测效率，实现步骤为：配置开放运算语言OpenCL设备端；CPU主机端构建重叠社区结构的边图L(G)；CPU主机端构建共邻矩阵M；CPU主机端提取共邻矩阵M的特征值和特征向量；CPU主机端获取评价结果cost；CPU主机端构建网格Grid；OpenCL设备端编写不同的内核程序；OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图L(G)的重叠社区划分结果；CPU主机端构建非支配解集repnew；CPU主机端获取边图L(G)的重叠社区划分结果。
-
Patent Agency Ranking
公开(公告)号：CN112528862A
公开(公告)日：2021-03-19
申请号：CN202011462894.8
申请日：2020-12-10
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于改进的交叉熵损失函数的遥感图像目标检测方法，用于解决现有技术中存在的目标检测精度较低的技术问题，实现步骤为：1)获取训练样本集和测试样本集；2)构建基于改进的交叉熵损失函数的遥感图像目标检测模型；3)对基于改进的交叉熵损失函数的遥感图像目标检测模型进行迭代训练；4)获取遥感图像目标的检测结果。本发明通过调制因子控制分类准确率低的类别中的样本对损失函数的贡献程度，使训练更加关注这些样本，有效提升了部分分类准确率较低类别的检测精度，从而提升了整体的检测精度。
-
公开(公告)号：CN109948589B
公开(公告)日：2022-12-06
申请号：CN201910254710.X
申请日：2019-03-31
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/00 , G06N3/12
Abstract: 本发明提出了一种基于量子深度信念网络的人脸表情识别方法，旨在提高人脸表情识别的精度和效率，实现步骤为：获取训练集R和测试集T；设定迭代参数；对当前稀疏受限玻尔兹曼机的参数进行初始优化；基于多目标优化算法，并通过量子染色体，以并行的方式对初始优化后的隐单元的偏置b进行优化；对偏置b进行更新；对量子深度信念网络进行初始化；对初始化后的量子深度信念网络参数进行微调；获取人脸表情识别结果。本发明在深度信念网络中引入量子机制编码染色体，更有效地提取人脸表情特征，提高了识别精度，同时优化稀疏受限玻尔兹曼机隐单元的偏置时采用并行方式，提高了训练的时间效率。
-
公开(公告)号：CN110535681A
公开(公告)日：2019-12-03
申请号：CN201910648583.1
申请日：2019-07-18
Applicant: 西安电子科技大学
IPC: H04L12/24 , G06F16/901 , G06F16/906 , G06Q50/00
Abstract: 本发明提出了一种基于开放运算语言OpenCL并行的量子粒子群算法的重叠社区检测方法，在保证检测正确率的基础上，提高检测效率，实现步骤为：配置开放运算语言OpenCL设备端；CPU主机端构建重叠社区结构的边图L(G)；CPU主机端构建共邻矩阵M；CPU主机端提取共邻矩阵M的特征值和特征向量；CPU主机端获取评价结果cost；CPU主机端构建网格Grid；OpenCL设备端编写不同的内核程序；OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图L(G)的重叠社区划分结果；CPU主机端构建非支配解集repnew；CPU主机端获取边图L(G)的重叠社区划分结果。
-
公开(公告)号：CN112528862B
公开(公告)日：2023-02-10
申请号：CN202011462894.8
申请日：2020-12-10
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于改进的交叉熵损失函数的遥感图像目标检测方法，用于解决现有技术中存在的目标检测精度较低的技术问题，实现步骤为：1)获取训练样本集和测试样本集；2)构建基于改进的交叉熵损失函数的遥感图像目标检测模型；3)对基于改进的交叉熵损失函数的遥感图像目标检测模型进行迭代训练；4)获取遥感图像目标的检测结果。本发明通过调制因子控制分类准确率低的类别中的样本对损失函数的贡献程度，使训练更加关注这些样本，有效提升了部分分类准确率较低类别的检测精度，从而提升了整体的检测精度。
-
公开(公告)号：CN109948589A
公开(公告)日：2019-06-28
申请号：CN201910254710.X
申请日：2019-03-31
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于量子深度信念网络的人脸表情识别方法，旨在提高人脸表情识别的精度和效率，实现步骤为：获取训练集R和测试集T；设定迭代参数；对当前稀疏受限玻尔兹曼机的参数进行初始优化；基于多目标优化算法，并通过量子染色体，以并行的方式对初始优化后的隐单元的偏置b进行优化；对偏置b进行更新；对量子深度信念网络进行初始化；对初始化后的量子深度信念网络参数进行微调；获取人脸表情识别结果。本发明在深度信念网络中引入量子机制编码染色体，更有效地提取人脸表情特征，提高了识别精度，同时优化稀疏受限玻尔兹曼机隐单元的偏置时采用并行方式，提高了训练的时间效率。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
