-
公开(公告)号：CN113688241B
公开(公告)日：2023-08-29
申请号：CN202111009968.7
申请日：2021-08-31
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明公开了一种基于融合多级别主题情感模型的文本分类方法及装置。所述基于融合多级别主题情感模型的文本分类方法，包括以下步骤：S1，对文本进行预处理；S2，预处理后的文本输入单词级主题情感模型JST、语块级主题情感模型CTSM和句子级主题情感模型SJTSM中，分别提取文本的单词级、语块级和句子级主题情感概率分布；S3，提取的单词级、语块级和句子级主题情感概率分布进行拼接，得到多级别主题情感概率分布；S4，多级别主题情感概率分布作为文本的特征向量输入到分类器中进行文本分类，得到分类结果。
-
公开(公告)号：CN109492530B
公开(公告)日：2022-03-04
申请号：CN201811176417.8
申请日：2018-10-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度多尺度时空特征的健壮性视觉物体跟踪算法，包括以下步骤：S1：构建改进的深度残差网络，用于表征目标物体的外观特征；S2：通过对残差单元参数的处理，得到目标物体的特征表示；S3：目标物体的多尺度特征和改进的深度残差网络相结合，用于健壮地识别目标物体的外观变化；S4：目标物体的时空上下文特征和改进的深度残差网络相结合，用于计算目标物体的运动轨迹；S5：核相关滤波器和改进的深度残差网络相结合，用于计算目标物体的位置。本发明提高了算法的运行速度及计算效率，健壮地识别目标物体的外观变化，从而跟踪计算目标物体的最新位置。
-
公开(公告)号：CN110096629A
公开(公告)日：2019-08-06
申请号：CN201910401314.5
申请日：2019-05-15
Applicant: 重庆大学
IPC: G06F16/903 , G06F16/906
Abstract: 本发明公开了一种基于有效加权树的挖掘频繁项集的方法，包括以下步骤：S1：从网络上读取数据库D，该数据库D包含N个事务，每个事务包含不同项目，项目数量以及每个项目所占的权重w；S2：计算每个事务在数据库D中的事务权重tw，生成事务权重表；S3：计算项集S的权重W，并预设阈值minws；若W≥minws，则项集S为频繁项集；若W＜minws，则项集S为非频繁项集；S4：构建有效加权树模型，用于挖掘频繁项集。本发明通过对项集赋予权重并进行权重的计算，从而构建有效加权树模型，提高了频繁项集的挖掘效率和降低了内存应用，适用于大数据的数据库。
-
公开(公告)号：CN106127785B
公开(公告)日：2019-02-22
申请号：CN201610511728.X
申请日：2016-06-30
Applicant: 重庆大学
Abstract: 本发明提出了一种基于流形排序和随机游走的图像显著性检测方法，包括如下步骤：S1，获取图像，对该图像进行超像素分割，以超像素为节点构建闭环图模型；S2，基于前景特征进行流形排序得到流形排序前景特征显著图SMRfg，基于背景特征进行流行排序得到流形排序背景特征显著图SMRbg；S3，以初始前景特征为种子节点，由随机游走方法获得前景特征显著图SRWfg；以初始背景特征为种子节点，由随机游走方法获得背景特征显著图SRWbg；S4，将SMRfg、SMRbg、SRWfg、SRWbg四个显著图进行结合，得到最终的显著图。本发明获取了较为准确的前景和背景特征，通过显著性计算得到的检测图像准确度非常高。
-
公开(公告)号：CN106503694B
公开(公告)日：2018-01-30
申请号：CN201611090923.6
申请日：2016-12-01
Applicant: 重庆大学 , 北京软云神州科技有限公司
Abstract: 本发明公开了一种基于八邻域特征的数字识别方法，包括步骤：1)获取手写体数字的原图；2)对原图进行预处理；3)对预处理后的图像进行分割，以获得单个字符；4)获取单个字符在八邻域方向上的激活频次和激活频率；5)特征向量的提取；6)特征向量的优化；7)相似性度量。本发明基于八邻域特征提取，只提取了图像数字的有用信息，减少了输入模型的数据量，从而提高了算法的执行速度；字符距离特征用相对距离表示，从而消除了字符大小对识别结果的影响，达到了优化特征值的目的，提高了特征值对字符的表征程度；字符识别算法采用的是欧几里得度量，算法简单且结果明显；本发明能实现对手写体数字的高效和高准确率识别。
-
Patent Agency Ranking
-
公开(公告)号：CN113688241A
公开(公告)日：2021-11-23
申请号：CN202111009968.7
申请日：2021-08-31
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明公开了一种基于融合多级别主题情感模型的文本分类方法及装置。所述基于融合多级别主题情感模型的文本分类方法，包括以下步骤：S1，对文本进行预处理；S2，预处理后的文本输入单词级主题情感模型JST、语块级主题情感模型CTSM和句子级主题情感模型SJTSM中，分别提取文本的单词级、语块级和句子级主题情感概率分布；S3，提取的单词级、语块级和句子级主题情感概率分布进行拼接，得到多级别主题情感概率分布；S4，多级别主题情感概率分布作为文本的特征向量输入到分类器中进行文本分类，得到分类结果。
-
公开(公告)号：CN106127785A
公开(公告)日：2016-11-16
申请号：CN201610511728.X
申请日：2016-06-30
Applicant: 重庆大学
CPC classification number: G06K9/6267
Abstract: 本发明提出了一种基于流形排序和随机游走的图像显著性检测方法，包括如下步骤：S1，获取图像，对该图像进行超像素分割，以超像素为节点构建闭环图模型；S2，基于前景特征进行流形排序得到流形排序前景特征显著图SMRfg，基于背景特征进行流行排序得到流形排序背景特征显著图SMRbg；S3，以初始前景特征为种子节点，由随机游走方法获得前景特征显著图SRWfg；以初始背景特征为种子节点，由随机游走方法获得背景特征显著图SRWbg；S4，将SMRfg、SMRbg、SRWfg、SRWbg四个显著图进行结合，得到最终的显著图。本发明获取了较为准确的前景和背景特征，通过显著性计算得到的检测图像准确度非常高。
-
公开(公告)号：CN109492530A
公开(公告)日：2019-03-19
申请号：CN201811176417.8
申请日：2018-10-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度多尺度时空特征的健壮性视觉物体跟踪算法，包括以下步骤：S1：构建改进的深度残差网络，用于表征目标物体的外观特征；S2：通过对残差单元参数的处理，得到目标物体的特征表示；S3：目标物体的多尺度特征和改进的深度残差网络相结合，用于健壮地识别目标物体的外观变化；S4：目标物体的时空上下文特征和改进的深度残差网络相结合，用于计算目标物体的运动轨迹；S5：核相关滤波器和改进的深度残差网络相结合，用于计算目标物体的位置。本发明提高了算法的运行速度及计算效率，健壮地识别目标物体的外观变化，从而跟踪计算目标物体的最新位置。
-
公开(公告)号：CN106056590B
公开(公告)日：2019-02-22
申请号：CN201610355027.1
申请日：2016-05-26
Applicant: 重庆大学
Abstract: 本发明提出了一种基于Manifold Ranking和结合前景背景特征的显著性检测方法，包括：S1，获取图像数据，对图像数据的前景特征和背景特征进行流形排序，获得每个图像数据中的超像素部分的显著值，得到该图像数据的显著图；S2，对图像数据的前景特征和背景特征的显著图进行二值化，获得图像数据的前景特征的前景种子和背景特征的背景种子；S3，对前景种子和背景种子作为最终查询节点进行流形排序，对候选查询节点进行计算，将计算结果进行排序获得最终的排序值，根据排序值得到图像数据中的显著图。本发明融合全局对比度和以边界信息为参考的背景特征，并结合多次流形排序算法为计算显著值提供了更准确的查询节点。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
