-
公开(公告)号：CN119445257A
公开(公告)日：2025-02-14
申请号：CN202411851633.3
申请日：2024-12-16
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开一种基于多尺度卷积傅里叶和双分支自注意力的高光谱图像分类方法，主要缓解现有技术中标记样本有限、特征提取不充分、计算复杂度较高的问题。其实现方案包括：获取高光谱数据集，并对其进行预处理后划分为训练样本集和测试样本集；构建包括多尺度卷积傅里叶特征提取模块、特征令牌化模块、双分支多尺度Transformer编码器模块和多层感知机分类头的高光谱图像分类网络模型；利用训练样本集通过梯度下降法对分类网络模型进行迭代训练；将测试样本集输入到训练好的分类网络模型得到高光谱图像的分类结果。本发明能在训练样本有限的情况下有效提升高光谱图像的分类精度，减少模型的计算复杂度，可用于精准农业、矿产勘探和海洋监测的地物分类。
-
公开(公告)号：CN113934939B
公开(公告)日：2024-02-09
申请号：CN202111370863.4
申请日：2021-11-18
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06V10/44 , G06V10/82 , G06N3/048 , G06N3/084 , G06Q30/06 , G06N3/0464
Abstract: 本发明提出了一种基于多维度特征嵌入和特征提取网络的物品推荐方法，实现步骤为：(1)提取用户属性数据和物品属性数据；(2)提取用户对物品的隐式评分数据；(3)生成训练样本集与测试样本集；(4)构建基于多维度特征嵌入和特征提取网络的物品推荐模型；(5)对物品推荐模型进行迭代训练；(6)获取待评分物品的评分预测结果；(7)获取物品推荐结果。本发明构建的物品推荐模型中包含有基于多维度特征嵌入网络和特征提取网络，在对该模型进行训练以及获取物品推荐结果的过程中，能够充分挖掘用户和物品之间的交互特征，充分使用用户属性特征和物品属性特征，有效提高了物品推荐的准确性。
-
公开(公告)号：CN117009661A
公开(公告)日：2023-11-07
申请号：CN202310926846.7
申请日：2023-07-26
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/042 , G06N3/092
Abstract: 本发明公开了一种基于可微图神经网络架构搜索的协同过滤推荐方法，主要解决现有技术推荐性能不强且时间消耗大的问题，其实现方案包括为：构建图神经网络架构空间；构建用户—物品二部图；根据用户—物品二部图对用户的历史交互数据进行正负样本采样完成数据预处理；将预处理后的数据集划分成训练集、验证集和测试集；根据训练集的损失函数和验证集的损失函数，利用可微搜索策略在网络架构空间中搜索最佳模型架构；将测试集输入到最佳模型架构中，输出对用户的推荐物品。本发明能有效捕捉用户和物品之间高阶的偏好特征，且针对不同数据集能自动搜索出性能最佳的架构，提高了推荐效果，具有很强的泛化能力，可用于图书、新闻、商品等各种推荐系统。
-
公开(公告)号：CN113934939A
公开(公告)日：2022-01-14
申请号：CN202111370863.4
申请日：2021-11-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多维度特征嵌入和特征提取网络的物品推荐方法，实现步骤为：(1)提取用户属性数据和物品属性数据；(2)提取用户对物品的隐式评分数据；(3)生成训练样本集与测试样本集；(4)构建基于多维度特征嵌入和特征提取网络的物品推荐模型；(5)对物品推荐模型进行迭代训练；(6)获取待评分物品的评分预测结果；(7)获取物品推荐结果。本发明构建的物品推荐模型中包含有基于多维度特征嵌入网络和特征提取网络，在对该模型进行训练以及获取物品推荐结果的过程中，能够充分挖掘用户和物品之间的交互特征，充分使用用户属性特征和物品属性特征，有效提高了物品推荐的准确性。
-
公开(公告)号：CN112529414A
公开(公告)日：2021-03-19
申请号：CN202011458875.8
申请日：2020-12-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多任务神经协同过滤网络的物品评分方法，其实现步骤为：(1)构建特征矩阵；(2)构建用户‑物品评分矩阵；(3)生成训练集；(4)构建多任务神经协同过滤网络；(5)训练多任务神经协同过滤网络；(6)评分。本发明提出的方法能有效解决现有物品评分方法中模型过拟合、泛化能力差导致物品评分准确性不高的问题，并且能够解决用户基本信息与物品属性信息使用不充分导致物品评分个性化不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN109949099A
公开(公告)日：2019-06-28
申请号：CN201910224593.2
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: G06Q30/02
Abstract: 本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
-
公开(公告)号：CN105956612B
公开(公告)日：2019-03-26
申请号：CN201610261010.X
申请日：2016-04-25
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于主动学习和半监督学习的高光谱图像分类方法，克服了现有技术下标记样本数不足、选取的样本信息量低的问题。本发明具体实现的步骤为：(1)输入数据；(2)获取聚类图；(3)设置最大迭代次数为22；(4)分类；(5)区域划分；(6)区域样本标记；(7)更新样本集；(8)判断最大迭代次数是否为0，若是，则执行步骤(9)，否则，将最大迭代次数减1后执行步骤(4)；(9)利用更新后的训练样本集训练支撑向量机SVM对测试样本集进行分类，输出高光谱图像分类图。本发明利用了区域划分策略选取信息量高的样本，同时，也减少了标记样本的数量，促进了分类精度快速地提高。
-
公开(公告)号：CN108985360A
公开(公告)日：2018-12-11
申请号：CN201810698251.X
申请日：2018-06-29
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
-
公开(公告)号：CN108460147A
公开(公告)日：2018-08-28
申请号：CN201810228833.1
申请日：2018-03-20
Applicant: 西安电子科技大学
CPC classification number: G06F16/9535 , G06N3/006
Abstract: 本发明公开一种基于多子种群协同进化构建信息核的推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)设定参数；(3)设置子种群的个体数；(4)初始化大于度阈值子种群；(5)初始化小于度阈值子种群；(6)初始化无度阈值子种群；(7)生成临时种群；(8)生成过渡种群中大于度阈值子种群；(9)生成过渡种群中小于度阈值子种群；(10)生成过渡种群中无度阈值子种群；(11)计算信息核个体的推荐精度；(12)生成子代种群。(13)更新父代种群；(14)判断迭代次数是否为100次；(15)完成信息核构建；(16)进行协同过滤推荐。本发明具有推荐精度高的优点。
-
公开(公告)号：CN107609033A
公开(公告)日：2018-01-19
申请号：CN201710678050.9
申请日：2017-08-10
Applicant: 西安电子科技大学
Abstract: 一种基于自适应协同进化算法的信息核提取方法，主要解决现有技术不能保证推荐效果最优的问题。其实现步骤为：(1)构建用户评分矩阵；(2)初始化父代种群；(3)自适应调整交叉算子选择概率；(4)自适应调整变异算子选择概率；(5)对父代种群分类；(6)组建团队；(7)判断每个团队成员是否来源于父代精英种群；(8)更新子代精英种群；(9)更新子代普通种群；(10)判断父代精英种群的所有信息核是否为中心信息核；(11)更新父代种群；(12)判断迭代次数是否等于200次；(13)输出最佳信息核。通过实验仿真结果表明，本发明与现有信息核提取方法相比推荐效果更高。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.037 seconds)
