-
公开(公告)号：CN113918722A
公开(公告)日：2022-01-11
申请号：CN202111343981.6
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了面向引文网络数据的基于稀疏图学习的图卷积聚类方法，该方法在图卷积网络的每个图卷积层前面嵌入了一个稀疏图结构学习层，挖掘高维数据中的低维结构从而构建更优的图结构。在模型优化时，交替更新图结构和节点表示，减少不准确的图结构对图卷积网络带来的负影响，最终对得到的节点表示执行K‑Means获得最终的聚类结果。相比于现有的固定图结构的图卷积深度聚类方法，不断更新的图结构对边攻击更加鲁棒。本发明从节点表示中学习自适应图来提高原始图结构的质量。所使用的持续更新的图结构可以有效地帮助生成更全面和更具有判别性的节点特征。最后，逐层交替的更新图结构和节点表示可以有效缓解图卷积网络中过平滑的问题。
-
公开(公告)号：CN112598060A
公开(公告)日：2021-04-02
申请号：CN202011533129.0
申请日：2020-12-22
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 基于自步学习的多视聚类方法及装置，能够有效避免传统方法的不足，能够有效提高模型对噪声点和离群值的鲁棒性，确保视角共享一致性信息最大化的同时还能有效利用到每个视角自己的内在化差异性信息。方法包括：(1)输入为多视角数据集，对每个视角、每个样本对应一个节点，以每个节点为中心，利用自适应图学习方法学习节点之间的相似性从而构建边，以此完成每个视角的图的构建；(2)基于一致性和个性化信息分离策略构建多图聚类模型；(3)使用自步学习权重矩阵来衡量图中每个节点的复杂性，从较少的简单节点过渡到越来越多的复杂节点，逐渐参与到多图学习中去，直到模型收敛；(4)输出聚类结果。
-
公开(公告)号：CN111461257A
公开(公告)日：2020-07-28
申请号：CN202010337201.6
申请日：2020-04-24
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于乘积Grassmann流形的多视点视频数据的共享-差异表示(PGM-CER)聚类分析方法，用于解决传统多视聚类方法无法将多视数据中的共享和差异信息分离开来、不适用于具有复杂非线性结构的多维数据的问题。本方法中，聚类过程分为三部分，首先，用乘积Grassmann流形来表示多视点视频，再将共享-差异表示从欧氏空间扩展到乘积Grassmann流形空间；然后，建立PGM-CER模型，在全局约束下学习其共享-差异信息；最终，实现多视点视频聚类。直接求解流形上的优化问题比较困难，本方法通过流形空间与欧氏空间的映射求解最优解，简化了学习过程，效果显著优于其他经典多视聚类方法。
-
-
-
Patent Agency Ranking
公开(公告)号：CN118211093A
公开(公告)日：2024-06-18
申请号：CN202410292798.5
申请日：2024-03-14
Applicant: 北京工业大学
IPC: G06F18/2323 , G06F18/22 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于生成图结构匹配的混合模态聚类方法及装置，利用自编码器模块将混合模态数据投影到不同的特征空间，计算不同模态数据的特征矩阵；建立不同模态特征空间之间的双向映射，生成缺失模态的伪表示；构建同一模态中现有表示和伪表示之间的模态内二分图，指导缺失模态数据的特征表示生成，获得数据完整的模态信息；在此基础上为每个模态构建一个单独的图，通过执行图卷积运算捕获样本之间的全局结构，采用图匹配机制，实现异质模态特征对齐；因此能够在没有成对模态数据的情况下生成缺失模态信息，对齐异质模态数据特征，将缺失模态生成和异质模态对齐整合到统一的框架中，有效挖掘混合模态数据之间的内在相关性，取得更好的聚类结果。
-
公开(公告)号：CN116362598A
公开(公告)日：2023-06-30
申请号：CN202310266356.9
申请日：2023-03-14
Applicant: 北京工业大学
IPC: G06Q10/0639 , G06Q50/20 , G06F18/22 , G06F18/214 , G06F18/241 , G06F18/25 , G06F17/18
Abstract: 跨模态特征融合的工程认证课堂质量智能评价方法和系统，实现人工智能等新一代信息技术与教育教学实际问题的交叉融合，做出有益探索，为高等工程教育人才培养质量的普遍性监测提供现代教育技术支持。包括：(1)通过从已知专家打分情况的工程认证课堂教学数据库中挑选课堂数据，构成不同等级的教学课堂，构成用于训练的课堂数据集；(2)通过对数据集中的不同模态数据特征的提取与匹配，以及与工程认证课堂教学质量评价指标和课堂评分结构的匹配，实现多任务引导下的工程认证课堂教学质量预测评价的目标；(3)经过相应的训练与学习，研究拟开发的智能评价系统即可实现对课堂授课内容在预设分类指标以及内容匹配度方面的实时测评。
-
公开(公告)号：CN115952293A
公开(公告)日：2023-04-11
申请号：CN202211249317.X
申请日：2022-10-12
Applicant: 北京工业大学
IPC: G06F16/36 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 基于虚拟状态嵌入的知识图谱补全方法及装置，引入虚拟状态嵌入作为实体和关系间的过渡，以减少实体和关系之间巨大的语义差距，从而提高链接预测性能。为了实现上述过程，本发明提出了差分聚合模块，该模块通过双信息对偶传播的方式对实体、关系和虚拟状态嵌入进行交互，以动态地传递它们之间的信息，因此能够减少实体和关系间的巨大语义差距，达到信息交互的目的。
-
公开(公告)号：CN112508117A
公开(公告)日：2021-03-16
申请号：CN202011484154.4
申请日：2020-12-16
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 基于图嵌入的自适应多视降维方法及装置，能够充分探索不同视之间数据的关联性，并且不忽略单视内数据与数据的联系，能够凸显部分特征的重要性。方法包括：(1)通过图嵌入的方式把高维数据嵌入到低维空间；(2)通过相同视不同样本之间计算距离，衡量不同样本的相似度；(3)通过不同视角共享一个相同的相似性矩阵来探索不同视之间样本之间的关系；(4)度量相似度，从而探索不同视之间的关系；(5)得到各视的投影矩阵，通过投影矩阵与原始数据进行相乘来得到最后的降维结果。
-
公开(公告)号：CN111260584A
公开(公告)日：2020-06-09
申请号：CN202010057181.7
申请日：2020-01-17
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于GAN网络的水下退化图像恢复的方法，用于解决无成对数据集的水下退化图像恢复的问题。本方法的网络架构由两个生成器网络和两个判别器网络组成，两个生成器分别用来将水下退化图像转化为清晰图像和将生成的清晰图像复原为退化图像，两个生成器的结构相同参数不同。两个判别器分别判断第一个生成器生成的图像是否为清晰图像和判断第二个生成器生成的图像是否为退化的图像。首先训练生成器，当达到训练次数后，生成器参数不变，再训练判别器，当判别器达到训练次数后，判别器参数不变，继续训练生成器，如此循环往复，直到最小化损失函数完成对网络的优化训练，训练完成的第一生成器用于生成水下退化图像的清晰图像。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.02 seconds)
