-
公开(公告)号：CN114036955A
公开(公告)日：2022-02-11
申请号：CN202111278186.3
申请日：2021-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F40/30 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明提出的一种中心词跨句事件论元检测方法，能够减少跨句论元检测复杂度、提高准确率。通过下述技术方案实现：语料预处理建立候选中心词集、计算候选中心词及触发词的浅层语义向量、深层语义向量，基于双仿射变换神经网络模型检测到触发词关联依存弧，基于再一次双仿射变换检出触发词对应中心词并完成论元分类；从中心词‑论元类别集中取中心词，从中心词的临近词语中检测出论元，将其动态词、位置向量拼接后输入多层感知机MLP模型，实现特征建模，通过MLP模型计算出中心词的临近词作为论元边界词的归一化概率值，确定论元边界，得到完整的事件论元。选择概率最大的词作词语集合拼接作为中心词对应的完整论元，完成跨句的事件论元检测。
-
公开(公告)号：CN113962883A
公开(公告)日：2022-01-21
申请号：CN202111159144.8
申请日：2021-09-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种增强舰船目标检测SAR图像数据的方法，训练稳定、模式稳健。可以通过下述技术方案实现：以舰船位置为中心，将图像形式的舰船位置作为SAR图像增强的约束条件，通过两个全连接层后将得到的高维特征向量重构为条件特征图，条件特征图与隐变量特征图级联后输入到转置卷积层得到综合特征图，逐层上采样提高特征分辨率，生成新的SAR舰船图像，将目标框对应转换成所生成SAR图像的标签，构建数据‑标签对；判别器通过卷积层提取数据‑标签对的特征，判别生成SAR图像的真假和图像与标签的匹配程度，通过生成器与判别器的对抗，激励生成器生成更高质量的SAR图像新数据；最后通过对抗网络与目标检测网络的协同学习，增强SAR图像数据。
-
公开(公告)号：CN113780003A
公开(公告)日：2021-12-10
申请号：CN202111011043.6
申请日：2021-08-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F40/30 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明公开的一种时空数据变分编解码跨模态增强方法，具有鲁棒性。本发明通过下述技术方案予以实现：根据已有飞行器相关的轨迹数据生成相应的语义文本信息，将原始时空轨迹数据送入变分编解码器，表示学习模块利用获得时空数据的潜在语义编码向量，通过变分循环编码模块引入深度神经网络，对应跨模态数据编码层的距离，在时空数据上增强跨模态；最小化保持度量学习、排序，得到在时空数据上进行跨模态不同模态表达的增强实数值以及向量编码，变分编解码生成模块基于变分模态分解对时空数据中重要程度不同的部分进行匹配追踪(MP)和注意力机制分配，通过语句变分编解码生成增强的时空轨迹描述文本数据，即对应语境描述轨迹详情的增强文本数据。
-
公开(公告)号：CN113779959A
公开(公告)日：2021-12-10
申请号：CN202111011031.3
申请日：2021-08-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F40/205 , G06F40/211 , G06F40/247 , G06F40/30
Abstract: 本发明公开的一种小样本文本数据混合增强方法，简洁、完备、自适应强。本发明通过下述技术方案实现：基于文本数据增强目标，将原始文本分为长文本数据和短文本数据，自动分开区分处理，对长文本数据进行同义词替换、随机插入、随机交换和随机删除，对不同长度的文本自动适配，对短文本数据进行回译增强，统计分析文本数据样本长度分布，将数据样本分布细分为更细粒度的组并进行掩码预测或预训练；将每个文本数据样本归类到不同的组，对不同组的文本数据样本，按组设置不同的掩盖概率，通过降噪自编码过程进行掩码预测，实现文本数据二次增强；根据小样本数量生成批量增强文本，实现小样本文本数据混合增强。提高文本增强数量，同时保证增强质量。
-
公开(公告)号：CN112200317A
公开(公告)日：2021-01-08
申请号：CN202011043062.2
申请日：2020-09-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种多模态知识图谱构建方法，涉及大数据领域知识工程技术，本发明通过下述技术方案予以实现：首先基于多模态数据特征表示模型提取多模态数据语义特征，构建基于预训练模型的文本、图像、音视频等数据特征提取模型，分别完成单模态数据语义特征提取；其次，基于无监督图、属性图、异构图嵌入等方式，将不同类型数据投射到同一向量空间中进行表示，实现跨模态的多模态知识表示；在上述工作的基础上，将需要进行融合对齐的两个图谱分别转化为向量表示形式，然后基于得到的多模态知识表示，根据先验对齐数据学习知识图谱间实体对的映射关系，完成多模态知识融合消歧，解码映射到知识图谱中的相应节点，生成融合后新图谱、实体及其属性。
-
Patent Agency Ranking
公开(公告)号：CN113779959B
公开(公告)日：2023-06-06
申请号：CN202111011031.3
申请日：2021-08-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F40/205 , G06F40/211 , G06F40/247 , G06F40/30
Abstract: 本发明公开的一种小样本文本数据混合增强方法，简洁、完备、自适应强。本发明通过下述技术方案实现：基于文本数据增强目标，将原始文本分为长文本数据和短文本数据，自动分开区分处理，对长文本数据进行同义词替换、随机插入、随机交换和随机删除，对不同长度的文本自动适配，对短文本数据进行回译增强，统计分析文本数据样本长度分布，将数据样本分布细分为更细粒度的组并进行掩码预测或预训练；将每个文本数据样本归类到不同的组，对不同组的文本数据样本，按组设置不同的掩码概率，通过降噪自编码过程进行掩码预测，实现文本数据二次增强；根据小样本数量生成批量增强文本，实现小样本文本数据混合增强。提高文本增强数量，同时保证增强质量。
-
公开(公告)号：CN112287118B
公开(公告)日：2023-06-02
申请号：CN202011190740.8
申请日：2020-10-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种事件模式频繁子图挖掘与预测方法，涉及知识工程技术领域，旨在降低挖掘开销，提升挖掘速度。本发明通过下述技术方案实现：在基于密度的图摘要阶段将基于密度图摘要图中的节点划分成簇或者超级节点，依次选取节点构建一个简洁的高层次的图；在模式挖掘阶段，在大规模的事件图谱上进行频繁子图挖掘，基于事件模式挖掘频繁子图，在事件图谱的图集中找到频繁出现的子图；基于图摘要算法对输入图G进行摘要，以摘要结果为输入进行频繁子图挖掘和基于图摘要的挖掘预处理；最后，利用多源数据，从多方来源多个角度进行事件模式的挖掘与预测，根据用户定义的最小支持度min_sup或其他输出标准进行候选集过滤和频繁子图输出。
-
公开(公告)号：CN113780003B
公开(公告)日：2023-04-07
申请号：CN202111011043.6
申请日：2021-08-31
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F40/30 , G06F40/126 , G06N3/0455 , G06N3/0442 , G06N3/088
Abstract: 本发明公开的一种时空数据变分编解码跨模态增强方法，具有鲁棒性。本发明通过下述技术方案予以实现：根据已有飞行器相关的轨迹数据生成相应的语义文本信息，将原始时空轨迹数据送入变分编解码器，表示学习模块利用获得时空数据的潜在语义编码向量，通过变分循环编码模块引入深度神经网络，对应跨模态数据编码层的距离，在时空数据上增强跨模态；最小化保持度量学习、排序，得到在时空数据上进行跨模态不同模态表达的增强实数值以及向量编码，变分编解码生成模块基于变分模态分解对时空数据中重要程度不同的部分进行匹配追踪(MP)和注意力机制分配，通过语句变分编解码生成增强的时空轨迹描述文本数据，即对应语境描述轨迹详情的增强文本数据。
-
公开(公告)号：CN112101381B
公开(公告)日：2022-10-28
申请号：CN202010891063.6
申请日：2020-08-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06V10/58 , G06V10/774 , G06V10/764
Abstract: 本发明公开的一种张量协作图判别分析遥感图像特征提取方法，旨在提供一种复杂度低、特征提取性能好的有监督特征提取方法。本发明通过下述技术方案实现：以每个像素为中心截取三维的张量数据块；按比例将实验数据划分成训练样本集和测试样本集；计算当前训练像素与每个类别训练数据的欧式距离，构建对角权重约束矩阵；然后，设计带约束的L2范数协作表示模型，构建图权重矩阵和张量局部保持投影模型；求取对应张量数据块每一个维度的投影矩阵；最后，利用低维投影矩阵得到三维低维表示的训练样本集和测试样本集，并按特征维展开成列向量的形式，将提取到的低维特征输入支持向量机分类器进行分类，判定测试集的类别，以分类效果评估特征提取的性能。
-
公开(公告)号：CN113962381A
公开(公告)日：2022-01-21
申请号：CN202111157125.1
申请日：2021-09-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06N3/08
Abstract: 本发明公开的一种微弱信号数据增强方法，数据采集精度高、抗干扰能力强。本发明通过下述技术方案实现：在数据增强模型中，原始信号数据通过变分自编码模块指定具体特征生成初步增强信号；将原始信号数据的概率分布密度，编码映射到一个隐变量样本空间中，计算出其隐变量样本的均值和方差；生成网络从已知服从似然分布数据中随机采样，获取隐变量，计算出服从高斯分布初步增强信号；生成对抗模块采用生成器对初步增强信号进行增量生成，得到最优生成器与判别器，生成器根据变分自编码模块输出的初步增强信号生成最终增强信号数据，然后利用训练好的网络生成增强的高信噪比信号，输出真实信号的概率，用于生成器的迭代训练，输出增强信号数据。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.052 seconds)
