-
公开(公告)号：CN112101609A
公开(公告)日：2020-12-18
申请号：CN202010725692.1
申请日：2020-07-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种关于用户还款及时性的预测方法，第一客户端获取目标用户的第一标识数据和第一特征数据组；利用对偶模型预测第一特征数据组在第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发给第二客户端；获得第一特征数据组的第一加密加权值并发给服务端；第二客户端利用接收到的加密数据确定目标用户在第二客户端的第二目标特征数据组，获得第二目标特征数据组的第二加密加权值并发给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到表征目标用户还款及时性的目标标签数据，并发给第一客户端；第一客户端为销售企业端或银行端之一，第二客户端为销售企业端或银行端之另一。
-
公开(公告)号：CN106842134A
公开(公告)日：2017-06-13
申请号：CN201611178524.5
申请日：2016-12-19
申请人： 西安电子科技大学
IPC分类号： G01S7/02
CPC分类号： G01S7/02
摘要： 本发明属于雷达技术领域，公开了一种基于FFT的平面阵MIMO雷达波形设计方法，包括：建立MIMO雷达的几何模型，分别在二维均匀平面阵列的方位角范围及俯仰角范围内均匀抽取多个方位角和俯仰角，对于其中的任一方位角和任一俯仰角，计算得到对应的发射导向矢量；对于每一个发射波束，分别构造对应的方位角范围及俯仰角范围，并分别利用所构造方位角范围和俯仰角范围计算X轴上的协方差矩阵和Y轴上的协方差矩阵，再利用X轴上的协方差矩阵和Y轴上的协方差矩阵得到该发射波束对应的协方差矩阵；利用全部协方差矩阵及全部发射导向矢量计算得到MIMO雷达的方向图函数。本发明能够实现对平面阵MIMO雷达的波形设计，且运算量较小。
-
公开(公告)号：CN113807362B
公开(公告)日：2024-02-27
申请号：CN202111031606.8
申请日：2021-09-03
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于层间语义信息融合深度卷积网络的图像分类方法，主要解决现有图像分类算法无法同时兼顾复杂图像分类准确度和对图像中小目标敏感性的问题，其实现方案是：获取训练集和测试集；构建包括多级特征提取模块、金字塔池化结构、语义融合结构及输出层的层间语义信息融合深度卷积网络；采用训练集利用梯度下降法对构建的网络进行迭代训练；将测试集输入到训练好的网络模型中，得到图像的分类结果。本发明通过构建金字塔池化结构与语义融合结构，通过将中层弱语义信息特征与深层强语义信息特征相融合，在兼顾复杂图像分类精度的同时，提高了对小目标的敏感性，提高了图像分类的精度，可用于视频监控、智能交通、医(56)对比文件和超;张印辉;何自芬.多尺度特征融合工件目标语义分割.中国图象图形学报.2020,(第03期),全文.
-
公开(公告)号：CN112101609B
公开(公告)日：2023-08-01
申请号：CN202010725692.1
申请日：2020-07-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种关于用户还款及时性的预测方法，第一客户端获取目标用户的第一标识数据和第一特征数据组；利用对偶模型预测第一特征数据组在第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发给第二客户端；获得第一特征数据组的第一加密加权值并发给服务端；第二客户端利用接收到的加密数据确定目标用户在第二客户端的第二目标特征数据组，获得第二目标特征数据组的第二加密加权值并发给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到表征目标用户还款及时性的目标标签数据，并发给第一客户端；第一客户端为销售企业端或银行端之一，第二客户端为销售企业端或银行端之另一。
-
公开(公告)号：CN115422989A
公开(公告)日：2022-12-02
申请号：CN202210875405.4
申请日：2022-07-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种面向神经网络的无监督聚类算法、装置及其电子设备，涉及网络技术领域，包括：获取多个神经网络，并从中选取基准网络；获取基准网络和除基准网络之外的神经网络的隐含元素相似度；基于基准网络的隐含元素相似度和除基准网络之外的神经网络的隐含元素相似度，逐层进行最大二分权匹配，得到匹配结果；按照匹配结果，调整除基准网络之外的神经网络的各层的权重连接顺序。本申请大幅提高聚类准确度和聚合后的模型性能。
-
-
公开(公告)号：CN117541472A
公开(公告)日：2024-02-09
申请号：CN202311486600.9
申请日：2023-11-08
申请人： 西安电子科技大学
IPC分类号： G06T3/4053 , G06N3/0475 , G06N3/094
摘要： 一种基于生成对抗网络的自适应图像超分辨重建方法，在生成模块中去掉残差块的批处理规范化层，以更全面地保留单张图像的细节信息；在前两层用于特征提取的卷积层后分别加入细节自适应模块，自适应地捕获图像的重点细节特征信息，然后重新分配该细节特征信息的权重，整合每层卷积捕获的重点细节特征信息，生成超分辨率图像；将超分辨率图像和高分辨率图像输入判别模块，在判别模块的每个卷积层后引入损失自适应模块，通过损失自适应模块获取分层损失，然后将分层损失进行加权求和，动态地优化损失函数，并联合Sigmoid函数的输出值共同判别超分辨图像的真假。本发明在对复杂图像进行超分时，能获得更清晰的高分辨率图像。
-
公开(公告)号：CN117522815A
公开(公告)日：2024-02-06
申请号：CN202311491758.5
申请日：2023-11-09
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种基于光谱约束和逆距离协同表示的高光谱异常检测方法，使用相应的高光谱图像数据集进行训练，采用本发明研究的一种基于光谱约束的堆叠自编码器来有效重构背景样本；其后利用重构背景与输入的重构误差进行异常检测获得初步检测结果；本发明研究了逆距离协同表示方法，将堆叠自编码器最中间隐藏层的特征输入至逆距离协同表示模块得到异常分数估计结果，最后，将异常分数估计结果转化为自适应的异常权重矩阵，以优化初步检测结果，在抑制背景时保留异常，提高算法的异常检测性能。
-
公开(公告)号：CN112085159B
公开(公告)日：2023-08-15
申请号：CN202010724476.5
申请日：2020-07-24
申请人： 西安电子科技大学
IPC分类号： G06N3/098 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06F18/243 , G06F21/60 , G06F21/62 , H04L9/40
摘要： 本发明公开了一种用户标签数据预测系统和方法，第一客户端获取目标用户的第一标识数据和第一特征数据组，针对每个第二客户端，预测第一特征数据组在该第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发送给该第二客户端；利用训练得到的联邦学习模型参数，获得第一特征数据组的第一加密加权值并发送给服务端；每个第二客户端利用接收到的加密数据，确定目标用户在该第二客户端的第二目标特征数据组，利用训练得到的联邦学习模型参数，获得第二目标特征数据组的第二加密加权值并发送给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到目标用户的目标标签数据并返回给第一客户端。
-
公开(公告)号：CN112102939B
公开(公告)日：2023-08-04
申请号：CN202010725702.1
申请日：2020-07-24
申请人： 西安电子科技大学
IPC分类号： G16H50/20 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06N3/098 , G06F18/243 , G06F18/27
摘要： 本发明公开心脑血管疾病参考信息预测方法，第一客户端获取目标用户的第一标识数据和第一特征数据组；利用对偶模型预测第一特征数据组在第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发给第二客户端；获得第一特征数据组的第一加密加权值并发给服务端；第二客户端利用接收的加密数据确定目标用户在第二客户端的第二目标特征数据组，获得第二目标特征数据组的第二加密加权值并发给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到表征目标用户心脑血管疾病参考信息的目标标签数据并发给第一客户端；第一客户端为用户汇总端或医院端之一，第二客户端为用户汇总端或医院端之另一。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.041 秒)
