-
公开(公告)号：CN114677313B
公开(公告)日：2024-09-10
申请号：CN202210269455.8
申请日：2022-03-18
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种生成多对抗网络结构的遥感图像空谱融合方法与系统，涉及卫星遥感图像融合技术领域，包括：卫星遥感图像数据集进行插值预处理使得遥感图像满足生成多对抗网络所需尺寸；构建生成对抗网络的生成器，从生成器产生的生成图像中选择适用于多对抗判别器；构建生成对抗网络的判别器，获取低分辨率多光谱图像(LRMS)与高分辨率全色图像(PAN)的融合图像；本发明通过结合多对抗思想与遥感图像专业领域知识，本发明提出了一种创新的生成多对抗网络，该框架将生成对抗网络扩展到多个判别器。多个判别器可以使生成器更好的综合光谱信息和结构信息，从而得到高质量的高分辨率多光谱图像。
-
公开(公告)号：CN117975122A
公开(公告)日：2024-05-03
申请号：CN202410068880.X
申请日：2024-01-17
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/776
Abstract: 本发明属于病理学图像分类领域，具体涉及一种基于动态稀疏化对比学习的医学图像分类方法，包括：获取待分类的医学图像，对医学图像进行预处理；将预处理后的图像输入到动态稀疏多实例学习框架，得到不同尺度下的动态稀疏多实例学习框架的权重；将不同尺度下权重加载到跨尺度对比学习的主干网络中，并对1024维度的特征进行学习，得到不同尺度的特征；将不同尺度的特征输入到跨尺度对比学习框架，得到融合特征；将融合特征输入到分类器中进行分类；本申请通过模型中的动态稀疏层以自适应地从整张全切片图像中所有实例中逐步筛选、挖掘出这些细小的不易察觉的关键实例，来帮助模型快速做出科学并准确的决策，从而增强模型的泛化和分类能力。
-
公开(公告)号：CN107480125B
公开(公告)日：2020-08-04
申请号：CN201710543849.7
申请日：2017-07-05
Applicant: 重庆邮电大学
IPC: G06F40/211 , G06F40/30 , G06F16/35 , G06F16/36
Abstract: 本发明请求保护一种基于知识图谱的关系链接方法，首先，从知识图谱中利用SparQL查询语句找到包含某关系的三元组 列表集，并从非结构化的文本中匹配关系文本；使用LSWMD算法得到关系文本的相似性矩阵，再利用密度峰值聚类算法对关系文本进行聚类，得到关系文本类簇；基于关系文本类簇，抽取类簇中所有词语的位置，并利用贝塔分布进行拟合，得到关系文本类簇的词语分布模式；对于开放领域非结构化文本中未确定关系的候选关系文本，利用词语分布模式构建向量，并利用GBDT分类器进行识别，进而与知识图谱中的关系进行链接。本发明有效解决了将自然语言与知识图谱链接不充分的问题，能够帮助计算机更好的理解自然语言。
-
公开(公告)号：CN111310411A
公开(公告)日：2020-06-19
申请号：CN202010155810.X
申请日：2020-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多样性模型的文本相关性判定方法，包括：获取第一文档与第二文档，分别进行预处理，其中，所述预处理包括去除特殊符号和乱码；将预处理后的第一文档和第二文档合并转化为数字序列，输入至少两个预训练模型中；所述至少两个预训练模型分别获取合并后数字序列的向量，并加入噪声层分别获得对应的特征向量；将所述特征向量分别送入softmax函数，获得各自的相关性矩阵；将所述各自的相关性矩阵加权求和，获得相关性判断结果。本发明提高了判定文本相关性的有效性和准确性。
-
公开(公告)号：CN110335654A
公开(公告)日：2019-10-15
申请号：CN201910593801.6
申请日：2019-07-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及PDF解析、信息提取、自然语言处理领域，尤其涉及一种电子病历的信息抽取方法、系统计算机设备，所述方法包括对电子病例进行解析，并按照从左到右、从上到下的顺序提取出电子病例中的字符串；进行字符串拼接，将提取到的字符串拼接为一个长字符串，并在拼接时去除无用字符；设计抽取信息的字段，并将长字符串进行结构化存储；根据信息抽取规则，从长字符串中抽取信息；本发明可对辅助生殖诊断电子病历进行精准、全面的信息抽取，信息抽取效果较好。
-
Patent Agency Ranking
公开(公告)号：CN110211046A
公开(公告)日：2019-09-06
申请号：CN201910509396.5
申请日：2019-06-12
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于生成对抗网络的遥感图像融合方法，包括：采用差分算子提取原始全色图像的空间结构信息，采样原始的多光谱图像；将空间结构信息与采样的多光谱图像在特征域拼接，得样本图像；将样本图像输入生成对抗网络的生成器，生成融合图像；将融合图像和真实图像输入生成对抗网络的判别器进行判别区分，在生成器与判别器间建立对抗规则及融合目标函数，优化融合图像。采用本发明所公开的基于生成对抗网络的遥感图像融合方法，采用差分算子保留了原始全色图像的空间结构信息，采样方法保留了原始低分辨率多光谱图像的光谱信息，有效减少了融合过程中细节信息的丢失；此外，通过在生成器和判别器间建立对抗规则及融合目标函数，大大优化了融合的效果。
-
公开(公告)号：CN106599913B
公开(公告)日：2019-08-06
申请号：CN201611115834.2
申请日：2016-12-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于聚类的多标签不平衡生物医学数据分类方法，包括以下步骤：S101对标签不均衡的数据根据特征相似度和标签关联性定义关系矩阵；S102根据关联矩阵对数据进行聚类；S103对每个类簇中的不平衡标签进行有方向性的增加；S104对每个类簇中的数据用多标签分类器进行训练学习；S105根据投票原则把每个分类器的结果进行合并，预测出标签。本发明通过层次聚类方法对数据进行聚类，并且在聚类时考虑标签关联性来降低簇内标签的不平衡性，从而提高重采样方法生成新数据的可靠性，降低噪声数据的概率。
-
公开(公告)号：CN106599935B
公开(公告)日：2019-07-19
申请号：CN201611244051.4
申请日：2016-12-29
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明请求保护一种基于Spark大数据平台的三支决策不平衡数据过采样方法，涉及数据挖掘邻域，Spark大数据技术。首先使用Spark的RDD进行数据变换，得到归一化的LabeledPoint格式 的样本集，并分成训练集和测试集；其次采用Spark的RDD进行数据变化，求样本间的距离，确定领域半径，根据邻域三支决策模型将整个训练集中的样本划分成正域样本，边界域样本和负域样本；然后分别对边界域样本，负域样本进行过采样；最后调用Spark Mllib机器学习算法，验证采样效果。本发明有效解决大规模不平衡数据集在机器学习和模式识别领域中的分类问题。
-
公开(公告)号：CN109165284A
公开(公告)日：2019-01-08
申请号：CN201810961117.4
申请日：2018-08-22
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F17/27
Abstract: 本发明公开了一种基于大数据的金融领域人机对话意图识别方法，包括：101对金融领域人机对话所产生的文本数据的预处理；102对于给定文本数据集进行划分；103根据人机对话的数据进行文本数据特征的构建，包括特征提取，文本向量化；104针对构建完成后的特征，进行降维，稀疏处理；105针对文本数据，建立机器学习模型，来对未知的人机对话进行意图识别。本发明提出利用机器学习来对文本数据进行预测，对已知标签的文本数据训练而得到模型，来预测未知标签的文本数据(该问题属于多分类问题)，从而获取该对话所表达的意图(多分类概率最大的概率)。
-
公开(公告)号：CN108536838A
公开(公告)日：2018-09-14
申请号：CN201810330888.3
申请日：2018-04-13
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于Spark的极大无关多元逻辑回归模型对文本情感分类方法，包括：将训练样本数据集存储于HDFS中；Spark平台从HDFS中读取数据生成RDD；Spark平台将数据的预处理任务分为多个任务组，对每个任务组中存储有读取数据的RDD进行预处理，将预处理的结果存入HDFS中；训练极大无关多元逻辑回归模型，经过求解得到极大无关多元逻辑回归分类器；将分类器输出到HDFS中；从HDFS中读取经过预处理的待预测文本的数据和训练得到的分类器；获取待预测文本的情感分类。本发明在Spark计算框架下并行方法求解，模型训练更加快速，更适合大数据场景下的文本情感分类；降低了传统多元逻辑回归模型的复杂度，具有更强的泛化能力；能够对待预测样本数据进行精确情感分类。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.027 seconds)
