-
Patent Agency Ranking
公开(公告)号：CN104799852A
公开(公告)日：2015-07-29
申请号：CN201510256463.9
申请日：2015-05-19
Applicant: 北京工业大学
IPC: A61B5/0476 , G06K9/62
CPC classification number: A61B5/0476 , A61B5/04012 , A61B5/72 , A61B5/7264 , G06K9/62
Abstract: 本发明公开了基于超限学习机自编码的运动想象脑电信号特征的提取方法，包括：筛选训练数据集和测试数据集；利用训练数据集训练多个超限学习机模型；从多个经训练数据集训练后的超限学习机模型中，筛选出对测试数据集的分类正确率最高的超限学习机模型；利用筛选出的超限学习机计算待测脑电信号数据的输出权重矩阵；计算待测脑电信号数据的输出权重矩阵的奇异值，该奇异值即为待测脑电信号数据的数据特征。在使用相同分类器的前提下，本发明公开的方法提取的脑电信号特征数据的分类准确率高达86.69％，比利用传统的分类方法高出10.24％。
-
公开(公告)号：CN103927533A
公开(公告)日：2014-07-16
申请号：CN201410143919.6
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 一种针对早期专利文档扫描件中图文信息的智能处理方法属于计算机图像处理领域。本发明将输入的专利文档扫描图像转化为二值二维矩阵后去除扫描图像中的颗粒噪声，即用算法实现以矩形框圈取切割目标的操作，得到若干个粗块，对每个粗块进行分类，标记并得到若干个文本块和若干个非文本块。对非文本块进行进一步的细切割操作，得到若干个细块。对每个细块进行分类，标记并得到若干个标号块和若干个非标号块。对非标号块进行分类，标记并得到若干个杂质块和若干个附图块。对标号块以及附图块进行对应的匹配，即将指定附图和与其对应的附图标号相匹配。本发明更准确地切割附图、识别附图标号信息和匹配附图与附图标号的关系。
-
公开(公告)号：CN104799852B
公开(公告)日：2018-05-08
申请号：CN201510256463.9
申请日：2015-05-19
Applicant: 北京工业大学
IPC: A61B5/0476 , G06K9/62
Abstract: 本发明公开了基于超限学习机自编码的运动想象脑电信号特征的提取方法，包括：筛选训练数据集和测试数据集；利用训练数据集训练多个超限学习机模型；从多个经训练数据集训练后的超限学习机模型中，筛选出对测试数据集的分类正确率最高的超限学习机模型；利用筛选出的超限学习机计算待测脑电信号数据的输出权重矩阵；计算待测脑电信号数据的输出权重矩阵的奇异值，该奇异值即为待测脑电信号数据的数据特征。在使用相同分类器的前提下，本发明公开的方法提取的脑电信号特征数据的分类准确率高达86.69％，比利用传统的分类方法高出10.24％。
-
公开(公告)号：CN103927533B
公开(公告)日：2017-03-01
申请号：CN201410143919.6
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 一种针对早期专利文档扫描件中图文信息的智能处理方法属于计算机图像处理领域。本发明将输入的专利文档扫描图像转化为二值二维矩阵后去除扫描图像中的颗粒噪声，即用算法实现以矩形框圈取切割目标的操作，得到若干个粗块，对每个粗块进行分类，标记并得到若干个文本块和若干个非文本块。对非文本块进行进一步的细切割操作，得到若干个细块。对每个细块进行分类，标记并得到若干个标号块和若干个非标号块。对非标号块进行分类，标记并得到若干个杂质块和若干个附图块。对标号块以及附图块进行对应的匹配，即将指定附图和与其对应的附图标号相匹配。本发明更准确地切割附图、识别附图标号信息和匹配附图与附图标号的关系。
-
公开(公告)号：CN105550744A
公开(公告)日：2016-05-04
申请号：CN201510885998.2
申请日：2015-12-06
Applicant: 北京工业大学
CPC classification number: G06N3/08 , G06N3/084 , G06N99/005
Abstract: 本发明涉及一种基于迭代的神经网络聚类算法。步骤1，初始化超限学习机模型参数；步骤2，随机选取与所要聚类个数相同数量的样本，每个样本代表一个聚类，构成初始榜样样本集，训练得到初始的超限学习机模型；步骤3，利用当前的超限学习机模型对样本进行聚类分组，并得到聚类结果；步骤4，对于每一个聚类分组，根据规则选取多个样本作为该聚类分组的榜样；步骤5，使用步骤4中得到各聚类分组的榜样样本来更新超限学习机模型；步骤6，返回步骤3进行迭代，直到聚类分组达到稳定或满足迭代次数要求，得到并输出聚类分组。本发明既解决了处理高维非线性数据空间聚类的问题，又解决了内存消耗大和运行时间长的问题。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
