-
公开(公告)号：CN116881710A
公开(公告)日：2023-10-13
申请号：CN202310677241.9
申请日：2023-06-08
Applicant: 桂林理工大学
IPC: G06F18/214 , G06F18/2415 , G06N3/042 , G06N3/0895
Abstract: 一种半监督图不平衡学习方法，用于处理不平衡的图神经网络数据。具体步骤包括获取数据、搭建分类网络、确定分类边界、选定边界样本并分配伪标签，以及迭代训练分类器。分类网络使用两层GCN网络进行图数据嵌入，并使用线性分类器输出分类概率。根据样本距离和分类器预测，将不同标签样本加入边界样本集。根据样本趋近于边界的程度，计算分类概率并分配伪标签。先训练有偏分类器，后每50轮选取伪标签构建平衡训练数据集，使用交叉熵损失更新分类器参数。最后，采用ADAM优化器训练，停止条件为一千次迭代没有更优结果。该方法有效处理半监督图不平衡学习问题，适用于各种图数据处理场景。
-
公开(公告)号：CN116861959A
公开(公告)日：2023-10-10
申请号：CN202310685575.0
申请日：2023-06-09
Applicant: 桂林理工大学
IPC: G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于图拓扑的过采样方法。在该方法中为了能更好的解决图神经网络的数据特性带来的训练困难问题，本发明采用图拓扑的方法来解决，并利用图变分自编码器来解决过采样问题，首先获取不平衡的图数据，并搭建并训练图变分自编码器。然后，利用图变分自编码器的编码器和解码器的权重，构建生成对抗网络模型，并对其进行训练。在训练过程中，使用少数类标签和噪声作为网络输入，生成对应标签的少数类节点以及过采样节点的边。本发明能够有效的为不平衡图数据生成高质量的少数类节点，使不平衡图成为平衡图，并帮助分类器提高不平衡场景下的分类性能。
-
-
公开(公告)号：CN116612004A
公开(公告)日：2023-08-18
申请号：CN202310579169.6
申请日：2023-05-22
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于双路径融合的高光谱图像重建方法。首先通过对数据集进行预处理，构建训练集和测试集。之后构建具有双路径结构的重构模型，包括浅层特征提取、双路径深度特征提取、自适应特征融合和重构。通过最小化损失来优化网络参数，并保存最优重建模型权重。最后将RGB图像输入到最优重建模型中，输出生成的高光谱图像。本发明的方法根据高光谱图像空间局部相似性和光谱自相似性的特征，在特征提取设计双路径的结构实现针对性提取，使得重建图像更加清晰，纹理更加明显。此外，自适应融合模块能衡量光谱特征和空间特征的重要性，为每一个像素点选择对重建最有利的主导特征，因此能够实现更精准的光谱超分辨率重建。
-
公开(公告)号：CN116401813A
公开(公告)日：2023-07-07
申请号：CN202310138620.0
申请日：2023-02-20
Applicant: 桂林理工大学
IPC: G06F30/20 , G06N3/126 , G06F111/04 , G06F111/06 , G06F113/06 , G06F119/06 , G06F119/10
Abstract: 一种基于改进NSGA‑Ⅲ的风电机组布局优化方法，通过对风电场年发电量、总投资成本以及噪声多个目标进行风电机组布局优化，在速度和求解质量上都比NSGA‑Ⅲ更有效，实现多种群的协同进化，避免求解多目标优化问题时容易陷入局部最小值的缺点，保持解的多样性，MPNSGA‑Ⅲ最优解是多种群的综合结果，可以获取具有效益更佳的风电机组布局。本发明对比了NSGA‑Ⅲ和MPNSGA‑Ⅲ在具体实施例中风电机组布局优化的结果，验证了MPNSGA‑Ⅲ在风电场风电机组布局优化中的有效性。研究表明，MPNSGA‑Ⅲ的最佳结果在每个目标上都优于NSGA‑Ⅲ，其中年发电量增加了约10104MW，投资总成本每天节省约约为276欧元，噪声值也降低了35.94dB。当确定风电场边界并获得风力条件时，MPNSGA‑Ⅲ可以应用于任何实际风电场中的风电机组布局优化。
-
Patent Agency Ranking
公开(公告)号：CN115344042A
公开(公告)日：2022-11-15
申请号：CN202210861369.6
申请日：2022-07-20
Applicant: 桂林理工大学
IPC: G05D1/02 , B62D57/032 , G06N3/00
Abstract: 本发明涉及四足机器人控制技术领域，具体涉及一种基于改进天牛须算法的四足机器人运动学逆解优化方法，包括构建机器人模型；将机器人模型各足的足内关节角度向量作为天牛质心位置，构建适应度函数；基于适应度函数和机器人模型对天牛须算法进行改进和迭代，得到天牛寻优结果，通过使用适应度函数和机器人模型对天牛须算法进行改进和迭代，可使得改进后的天牛须算法的后期收敛速度增加，同时抑制了收敛过程中震荡现象，解决了传统天牛须算法求解12自由度四足机器人运动学逆解时，所得数值解精确度较低的问题。
-
公开(公告)号：CN113837248A
公开(公告)日：2021-12-24
申请号：CN202111046551.8
申请日：2021-09-07
Applicant: 桂林理工大学
IPC: G06K9/62
Abstract: 本发明公开一种基于k近邻算法思想的近邻熵主动学习方法,融入了k近邻算法中“同类相聚，异类相离”的思想,包括：给定训练集和测试集，使用训练集训练分类器并利用这个分类器对测试集进行分类；遍历测试集，寻找与每一个未标记数据邻近的k个未标记数据；计算当前未标记数据及其邻近数据的熵值，以此得到该数据的近邻熵；由近邻熵值按从大到小的顺序对测试集排序，最后挑选出w个近邻熵值大的数据交给专家标记；更新训练集与测试集，利用更新后的训练集训练分类器；循环以上操作，直到满足停止条件。本发明可以使用尽量少的且信息量大的数据训练分类器，这样不仅避免挑选到既处于分类边界又是孤立点的数据，还减少了标记数据所需的代价。
-
公开(公告)号：CN113837031A
公开(公告)日：2021-12-24
申请号：CN202111040853.4
申请日：2021-09-06
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于优化的SSD算法口罩佩戴检测方法，本发明从自我收集、制作和整理的口罩数据集当中提取人脸佩戴口罩的特征信息和口罩佩戴类别标签，针对原始SSD目标检测算法对小目标检测鲁棒性不够的缺陷进行改进。首先实现SSD算法对口罩的检测，再对其卷积网络层输入大小进行改变找到最佳，再通过改变其每个卷积层的先验框的大小来优化，最后在SSD算法原本的VGG16主干网络上将FC6和FC7层转化为卷积层并增加RFB网络模块，以提高感受野来提高整个网络对于特征提取的能力。最后的实验结果表明优化后的SSD‑RFB算法的平均检测精度(mAP)达到了88.03％，比原始的SSD512模型提高了2.67％,比起同类型的目标检测算法YOLOv3提高了6.47％。提升了口罩佩戴检测的准确度与鲁棒性。
-
公开(公告)号：CN113222243A
公开(公告)日：2021-08-06
申请号：CN202110503614.1
申请日：2021-05-10
Applicant: 桂林理工大学
Abstract: 本发明公开了一种多目标航空物流智能配载优化方法。本发明主要是将航空物流运输的实际问题转化为多目标约束优化问题，构造一个航空物流智能配载优化系统。只需要根据航空物流公司提供的信息，具体涉及客户提供的货物的相关信息、航空物流公司购买的运力资源及航空公司航班的运输信息等。系统主要考虑总成本的最小化以及货物的数量的最大化，其中总成本包括空运成本和始发港转运成本以及目的港转运成本，同时考虑每个航班中的货物的重量和体积不能超出限额的约束和剩余运力以及特殊货物的装载要求等因素。利用matlab技术进行数学模型建模，通过本系统智能优化推出的分配方案给出最优的配载，最终实现整体利益最大化。
-
公开(公告)号：CN110263504A
公开(公告)日：2019-09-20
申请号：CN201910378050.6
申请日：2019-05-08
Applicant: 桂林理工大学
Abstract: 本发明公开了一种差分进化算法的可逆数据库水印的嵌入和提取方法。首先，利用边缘检测算子提取版权图像的边缘特征点，生成二进制比特序列指导水印的嵌入。对需要嵌入水印的数据库进行分块处理，将每个数据的属性列和元组个数作为坐标索引，选取每个数据块中一定个数的点集作为待嵌入点集。然后，在每个分块上运用差分进化算法，对初始个体，用适应度函数判断种群个体的好坏，通过变异、交叉和选择多次迭代之后选出最优的个体最为嵌入位置。为每一个分块随机生成水印序列，在水印嵌入阶段，对最优位置进行反复嵌入。最后，对嵌入成功的数据库进行模拟攻击来检测方法的鲁棒性。实验结果表面，该方法可有效提高数据库水印的不可见性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.034 seconds)
