-
公开(公告)号：CN117830327A
公开(公告)日：2024-04-05
申请号：CN202311621691.2
申请日：2023-11-30
Applicant: 北京工业大学
IPC: G06T7/11 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明公开了基于领域自适应与多尺度特征融合的病毒性肺炎病灶分割方法，通过从多级编码器中提取多尺度融合特征来实现特征对齐，通过多尺度特征融合块Cross‑attention模块对阶段1到阶段3的输出特征拼接起来，并输入到域鉴别器中，领域鉴别器使用一个线性层、RELU层和softmax层实现，采用梯度反转层GRL来实现梯度在反向传播到编码器之前被反转。分割模块的反向传播过程正常进行，而领域鉴别器的反向传播过程在经过梯度反转层GRL后使梯度成为反方向。本发明通过在源域和目标域数据集上的测试，证明本发明所设计医学图像病灶分割方法具有更好的表现性能。
-
公开(公告)号：CN113096388B
公开(公告)日：2022-09-09
申请号：CN202110303409.0
申请日：2021-03-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于梯度提升决策树的短时交通流量预测方法，所述建立模型的方法，包括：1)对原始高速公路收费站交通流量数据进行预处理；2)对数据进行数据分析和数据聚集(数据切片)、数据特征提取操作；3)构建梯度决策树模型，将数据输入模型并开展训练工作；4)将模型移植至分布式平台上，进行切分点抽样统计优化及逐层训练优化调整；5)构建三层Stacking模型进行多模型融合后对数据进行进一步训练。本发明设计的相关方法具有快速提取车辆流量特征的功能，能够在短时间内对车辆流量进行预测。
-
公开(公告)号：CN114119515B
公开(公告)日：2024-08-02
申请号：CN202111343977.X
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种基于注意力机制和MRI多模态融合的脑肿瘤检测方法，基于Multi‑Unet模型，将编码器的普通卷积块，替换成混合空洞卷积块。参考Inception模型的多分支编码器结构，自主设计多分支输出卷积块简称MB‑OutConv；设计一个基于通道的注意力模块CB‑Attention，捕获原始分割图各个通道之间的像素点关联，并对通道做注意力加权。适当改进神经网络，并独立设计新的注意力模块来进一步完善其分割结果，该注意力模块是基于图像通道的，在像素点级别完成注意力加权。最终将大脑MRI图像中的肿瘤和其他病变区域分割出来。基于多模态卷积神经网络Multi‑Unet，对其部分编码器分支进行改进，并在它后面添加注意力模块，共同改善脑肿瘤的分割效果。
-
公开(公告)号：CN111241816A
公开(公告)日：2020-06-05
申请号：CN202010073302.7
申请日：2020-01-22
Applicant: 北京工业大学
IPC: G06F40/258 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明是一种新闻标题自动生成方法，利用从新闻网站抽取的新闻数据，使用深度学习框架和融合训练方法生成高质量的新闻标题。具体包括以下步骤：(1)获取新闻文本数据，对新闻文本数据处理并划分数据集；(2)对新闻文本数据进行预处理，生成词向量词典；(3)构建编-解码网络，其中编码器网络进行编码，解码网络对编码进行解码；(4)利用融合方法对编-解码网络进行训练，把待分析新闻数据输入训练完成的编-解码网络生成新闻标题。本发明方法对新闻文本数据的理解更充分，可有效提高新闻文本标题的评价得分，具有广泛的应用场景。
-
公开(公告)号：CN114119515A
公开(公告)日：2022-03-01
申请号：CN202111343977.X
申请日：2021-11-14
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制和MRI多模态融合的脑肿瘤检测方法，基于Multi‑Unet模型，将编码器的普通卷积块，替换成混合空洞卷积块。参考Inception模型的多分支编码器结构，自主设计多分支输出卷积块简称MB‑OutConv；设计一个基于通道的注意力模块CB‑Attention，捕获原始分割图各个通道之间的像素点关联，并对通道做注意力加权。适当改进神经网络，并独立设计新的注意力模块来进一步完善其分割结果，该注意力模块是基于图像通道的，在像素点级别完成注意力加权。最终将大脑MRI图像中的肿瘤和其他病变区域分割出来。基于多模态卷积神经网络Multi‑Unet，对其部分编码器分支进行改进，并在它后面添加注意力模块，共同改善脑肿瘤的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN113096388A
公开(公告)日：2021-07-09
申请号：CN202110303409.0
申请日：2021-03-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于梯度提升决策树的短时交通流量预测方法，所述建立模型的方法，包括：1)对原始高速公路收费站交通流量数据进行预处理；2)对数据进行数据分析和数据聚集(数据切片)、数据特征提取操作；3)构建梯度决策树模型，将数据输入模型并开展训练工作；4)将模型移植至分布式平台上，进行切分点抽样统计优化及逐层训练优化调整；5)构建三层Stacking模型进行多模型融合后对数据进行进一步训练。本发明设计的相关方法具有快速提取车辆流量特征的功能，能够在短时间内对车辆流量进行预测。
-
公开(公告)号：CN109815402A
公开(公告)日：2019-05-28
申请号：CN201910062714.8
申请日：2019-01-23
Applicant: 北京工业大学
IPC: G06F16/9535 , G06Q30/02
Abstract: 基于用户特征的协同过滤推荐算法涉及协同过滤推荐算法的领域，为了缓解传统协同过滤推荐算法在冷启动、推荐准确性和数据稀疏性方面的问题。通过对基于用户的协同过滤算法的研究，该算法利用用户注册信息来提取用户属性特征，并用已有的评分信息提取用户的兴趣特征和用户之间的信任度，综合以上用户特征融合特征相似性进一步产生推荐。与传统的协同过滤推荐算法比较，基于用户特征的协同过滤推荐算法有效的提高了推荐准确性。
-
公开(公告)号：CN109784092A
公开(公告)日：2019-05-21
申请号：CN201910062956.7
申请日：2019-01-23
Applicant: 北京工业大学
IPC: G06F21/62 , G06F16/9535
Abstract: 本发明提供一种基于标签和差分隐私保护的推荐方法，本方法旨在引入标签概念，通过标签的共现原则计算标签的相似性，使用标签相似性代替模糊c均值聚类的欧式距离对标签进行模糊c均值聚类，使其属于不同聚类，解决由常规聚类的硬聚类问题导致推荐准确率低的问题，并在聚类过程中加入符合Laplace分布的噪声达到保护用户隐私的目的。通过对标签进行模糊c均值聚类更解决了直接向标签兴趣度向量中加入噪声导致数据可用性降低的问题，在提高推荐准确度的同时保护了用户的隐私。
-
公开(公告)号：CN119691521A
公开(公告)日：2025-03-25
申请号：CN202411863611.9
申请日：2024-12-17
Applicant: 北京工业大学
IPC: G06F18/24 , G06Q50/00 , G06F18/213 , G06F18/25 , G06N3/0895 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了基于对比学习的多模态虚假新闻监测方法，属于虚假短视频新闻检测技术领域。包括以下步骤：基于CLIP文本多视图对比学习的特征提取器，设计一个VisualTheme模块进行视觉和文本特征特征提取，实现了对于关键帧和帧主题两种特征的提取和融合；基于文本、视觉和音频预训练特征提取器对短视频新闻中的标题、连续帧、音乐提取特征，实现了对非关键帧的其他模态特征的提取；利用所提取的多种模态特征设计一个多模态融合和分类器，将多模态特征作为输入，生成分类结果。设计一个文本多视图对比学习机制模块用来优化参数。本发明通过文本多视图提升多文本特征的互信息和语义一致性，学习多种文本视图的泛化特征，促进文本特征和其他模态融合。
-
公开(公告)号：CN113094502B
公开(公告)日：2024-11-05
申请号：CN202110303408.6
申请日：2021-03-22
Applicant: 北京工业大学
IPC: G06F16/35 , G06F16/335 , G06F16/33 , G06F40/284 , G06F40/289 , G06F18/25 , G06N3/0455 , G06N3/082
Abstract: 本发明公开了一种多粒度外卖用户评论情感分析方法。所述情感分析的方法，包括1)对评论数据进行预处理，包括繁简转换、数据去重、表情数据切分等；2)对评论数据采用端到端的训练网络进行训练，并以此网络为基线网络，该网络训练的结果为基线模型；3)在训练网络中加入注意力机制，提升网络对数据特征的提取能力；4)对数据采用多种模型进行训练，并将多个模型进行融合，各自取长补短。通过上述操作最终实现对外卖评论数据的情感分析。本发明设计的相关方法面向真实用户数据，考虑了数据中存在的多种问题，并能够在短时间内取得较好的训练及分类效果。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.028 seconds)
