-
公开(公告)号：CN113077097A
公开(公告)日：2021-07-06
申请号：CN202110400908.1
申请日：2021-04-14
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度时空相似性的空气质量预测方法，属于环境保护技术领域。所述方法对目标站点的空气质量相关指标进行预测时，将空气污染的时间性变化与空间扩散关系有效结合起来，进而选取出目标站点的时空相似站点，将目标站点、目标站点的时空相似站点以及目标站点的地理近邻站点所采集的空气质量监测数据以及气象数据分别作为长短时神经网络LSTM模型的输入，得出不相关的输出结果，进而采用支持向量回归SVR整合的方式，得到目标站点的空气质量相关指标数据的预测值。本发明通过将空气污染的时间性变化与空间扩散关系有效结合，也即提出一种更有效的方式选择更加高度相关的数据来对空气质量进行预测，使得预测结果更加精确。
-
公开(公告)号：CN112949319A
公开(公告)日：2021-06-11
申请号：CN202110270079.X
申请日：2021-03-12
Applicant: 江南大学
IPC: G06F40/30 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种文本中多义性单词的标注方法、设备、处理器和存储介质；所述方法包括输入待处理的原始语料库；训练上下文相关词嵌入模型，获得上下文相关向量；根据上下文相关向量搭建语义向量生成算法，区分每个单词的多个含义，并对原始语料库进行标注；输出标注多义性的伪文档。本发明利用上下文相关词嵌入模型，通过对多义性单词的不同语义进行标注，消除多种语义的歧义，相较于没有考虑单词多义性的文本来说，对后续文本处理，文本分类，主题模型等任务的准确度有较大的提升。
-
公开(公告)号：CN111767882A
公开(公告)日：2020-10-13
申请号：CN202010639950.4
申请日：2020-07-06
Applicant: 江南大学
Abstract: 本发明涉及一种基于改进YOLO模型的多模态行人检测方法，属于深度学习目标检测领域。该基于改进YOLO模型的多模态行人检测算法，使用KAIST数据集中一一对应的可见光图片和红外光图片样本进行训练，得到训练好的模型，通过训练好的模型检测可见光-红外光图片对中是否包含行人目标，该基于YOLO网络的多模态行人检测算法使用并行Darknet53作为特征提取网络，分别提取可见光模态和红外光模态的多尺度特征图，而且使用了加权特征融合层和CBAM注意力机制，使可见光特征和红外光特征图片更好的融合，再将多尺度注意力加权融合特征图依次级联并送入YOLO层中进行行人检测。
-
公开(公告)号：CN109583355B
公开(公告)日：2020-10-09
申请号：CN201811406445.4
申请日：2018-11-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于边界选择的人流统计的装置和方法，属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进，即将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到新的S‑YOLO‑PC神经网络，再利用S‑YOLO‑PC神经网络进行边界选择的人流统计，利用新的神经网络，使得其在模型大大缩小的情况下提高了其精确度，能够用于多种场合的人流检测。
-
公开(公告)号：CN104809499A
公开(公告)日：2015-07-29
申请号：CN201510234198.4
申请日：2015-05-08
Applicant: 江南大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于随机漂移粒子群优化算法的动态环境优化方法，属于动态环境多目标优化技术领域。本发明通过以下算法过程：(1)用分层聚类将初始化粒子群分成若干子群；(2)更新所有子群粒子的速度和位置；(3)计算粒子的适应值，评估并选取最优粒子；(4)对子群进行重叠检测、拥挤检测和收敛性检测；(5)对整个粒子群进行环境变化检测；(6)判断是否满足迭代终止条件，解决了动态环境优化控制变量可能陷入局部最优解，并求解最优值的速度慢的问题，并具有较强的鲁棒性和适应性。
-
Patent Agency Ranking
公开(公告)号：CN101216939A
公开(公告)日：2008-07-09
申请号：CN200810019451.4
申请日：2008-01-04
Applicant: 江南大学
Abstract: 本发明涉及一种基于量子行为粒子群算法的多分辨率医学图像配准方法，特征是首先将待配准的两幅图像进行去除背景，使得图像避免噪声的干扰，然后将去除背景后的两幅图像利用小波变换方法得到低分辨率的图像，以低分辨率图像作为对象，将它们的归一化互信息作为目标函数，利用具有量子行为的粒子群优化算法，再以高分辨率图像作为对象，利用Powell方法，得到两幅待配准图像之间的旋转量与平移量以完成图像的配准。本发明解决了基于互信息的目标函数存在许多局部极值，大大地提高了配准精度和速度，达到了亚像素级；在临床诊断的图像判别、放射治疗的图像定位和外科手术的图像引导等领域有广泛的应用。
-
公开(公告)号：CN119886264A
公开(公告)日：2025-04-25
申请号：CN202411965074.9
申请日：2024-12-30
Applicant: 江南大学
IPC: G06N3/086 , G06F18/24 , G06F18/231
Abstract: 本发明提供了分类神经网络的训练方法、目标分类方法，属于人工智能和计算机科学领域。本发明通过设计双聚类方法选择当前种群中适当的参考解，保持优化过程种群的多样性，并引导权重优化的搜索方向；其次，在问题转换环节中设计幂值转换函数，改变决策空间的映射方式，有效拓展了原本的决策空间；最后，提出了一个自适应分配评估次数的机制，可以在种群优化的不同阶段自适应地调整标准优化和权重优化的评估次数，使种群演化的开发阶段能够加快种群的收敛，在探索阶段能够平衡种群的多样性。将本发明应用在神经网络模型训练中，有效提高了神经网络训练的性能。
-
公开(公告)号：CN114331897B
公开(公告)日：2025-03-25
申请号：CN202111658949.7
申请日：2021-12-31
Applicant: 江南大学
Abstract: 本发明公开了一种基于分解的两目标模糊变化检测方法，属于遥感图像检测技术领域。所述方法对SAR图像进行变化检测时，将变化检测任务分解为保留细节和去除噪声两个子问题。通过对保留细节和去除噪声两个目标的分析，使用log‑mean算子得到了更高质量的保留细节差分图像。利用同态滤波和显著性检测，获得更加有效的去噪差分图像。使用FLICM构建不同的目标模型，同时利用MOEA/D方法对这两个目标同时进行优化。新的隶属度更新方法充分考虑了不同目标之间的平衡，生成了更优的最终变化检测图。通过在四个不同数据集上进行实验证明了本申请方法在复杂噪声干扰的SAR图像中具有更强大的检测性能。
-
公开(公告)号：CN119600332A
公开(公告)日：2025-03-11
申请号：CN202411609795.6
申请日：2024-11-12
Applicant: 江南大学
IPC: G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于异常激活及多源信息融合的分布外检测方法、系统及计算机可读存储介质，包括：1)基于分类器输出的图像分类概率计算类相关项，在概率空间中获取类相关信息；2)基于特征提取器提取的输入图像样本的深度特征计算类无关项，以便在特征空间中获取类无关信息；3)基于网络激活，即深度特征，计算异常因子。基于类相关项、类无关项和异常因子计算分布外分数，利用分布外分数区分分布外样本和分布内样本。本发明融合特征空间和概率空间的多种信息计算分布外分数，以克服单一来源信息的局限性，充分发挥各类信息的互补优势。
-
公开(公告)号：CN119151703A
公开(公告)日：2024-12-17
申请号：CN202411624897.5
申请日：2024-11-14
Applicant: 江南大学
IPC: G06Q50/00 , G06N3/126 , G06N7/01 , G06F18/23213
Abstract: 本发明涉及大规模社区检测技术领域，公开了一种基于代理模型自适应选择的多目标大规模社区检测方法，从待检测网络中选取核心节点来代表大规模社区网络，并初始化父代种群；利用多目标遗传算法对父代种群进行更新，并计算目标父代种群中每个个体对应的KKM与RC，构建KKM与RC样本空间，以便对候选代理模型池中的多种代理模型分别进行训练，基于代理模型的肯达尔系数Tau与斯皮尔曼系数Rho，选取目标代理模型，并对真实目标函数KKM和RC指导优化，获取最优目标代理模型对待检测网络数据进行社区检测，构建最优解集；基于最优解集中每个个体解的模块度评估指标选取最优解，并获取相应的划分方式对待检测网络进行社区划分。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.034 seconds)
