-
公开(公告)号：CN119206231A
公开(公告)日：2024-12-27
申请号：CN202411447574.3
申请日：2024-10-16
Applicant: 北京邮电大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明实施例公开了一种基于多维信息对比的图像级弱监督语义分割方法及系统，包括：基于多维信息对比构建改进图像分割模型，其中，改进图像分割模型包括混合令牌对比机制、自监督多视图对比机制、记忆库对比机制和分割机制；基于补丁令牌级对比学习损失Lptc、类级令牌对比学习损失Lctc、自监督多视图对比学习损失Lssm、记忆库对比损失Lmmb、主分类器损失Lcls、辅助分类器损失Lmcls和分割损失Lseg对原始CAM进行优化，以得到最优改进图像分割模型；获取待分割图像，将待分割图像输入最优改进图像分割模型，得到分割结果。解决现有技术中无法充分挖掘多源监督信息进而无法保证图像分割模型进行精确分割的问题。
-
公开(公告)号：CN119026912A
公开(公告)日：2024-11-26
申请号：CN202411151900.6
申请日：2024-08-21
Applicant: 北京市科学技术研究院城市安全与环境科学研究所 , 北京邮电大学
IPC: G06Q10/0635 , G06Q10/067 , G06Q50/06
Abstract: 本发明公开了一种基于复杂网络和组合赋权法的供水系统风险评价方法，包括，构建供水管网的复杂网络模型；确定评价指标体系；应用组合赋权法分配权重；应用变权重理论确定变权重向量；灰色模糊综合评价；计算综合风险值；动态风险评估与应急响应。本发明能够实时监测和准确评估供水管网的安全性，能够有效处理评价过程中的不确定性和模糊性，提高了风险评估的准确性。
-
公开(公告)号：CN118261487A
公开(公告)日：2024-06-28
申请号：CN202410458306.5
申请日：2024-04-17
Applicant: 北京邮电大学
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/26
Abstract: 本发明公开了一种基于SW‑GAHP的城市洪涝韧性评价方法，属于多指标决策和群决策领域；其采用如下步骤：(1)构建UFR评价指标体系；(2)基于SW‑GAHP计算指标权重；(3)基于灵活参数映射函数FPMF的指标评价；(4)各指标评价结果的聚合；本发明克服了AHP、FCE等方法的主观性和不确定性与传统的线性归一化方法只考虑线性变化规律的局限性，指标权重和评价更客观、准确，利用群决策集结“群体智慧”和灵活参数映射函数评价更全面的优势，获得了更为客观和准确的评价结果；为城市洪涝韧性评价领域提供了一种较为客观和准确的评价方法。
-
公开(公告)号：CN115062942A
公开(公告)日：2022-09-16
申请号：CN202210643931.8
申请日：2022-06-09
Abstract: 本发明公开了一种应急救援效能评估方法及装置。其中，该方法包括：采用网络层次分析法与熵权法相结合，计算每个应急救援工作各阶段的综合权重；基于所计算出的综合权重，利用评估模型对各个所述应急救援工作进行排序，以对各个所述应急救援工作的效能进行评估。本发明解决了应急救援效能评估不准确的技术问题。
-
公开(公告)号：CN112906709A
公开(公告)日：2021-06-04
申请号：CN202110325697.X
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于OPD‑S的信息融合算法，是一种对灾情信息进行数据融合的算法，属于数据处理和机器学习领域，其特征在于采用如下步骤：(1)确定集合的信任函数；(2)确定开放识别框架下的基本概率分配函数；(3)确定证据间可信度；(4)确定证据综合可信度；(5)确定加权平均证据；(6)D‑S组合规则进行信息融合。本发明克服了传统灾情信息融合过程中，由于背景环境的复杂，导致采集信息噪声占比过大，影响信息融合的问题，有效的滤除噪声干扰，大大提高信息融合的准确率，同时极大的改善了对于处理不确定信息的系统能力，合理修正模糊信息占比，提高融合效率。为灾情信息融合领域提供了一种拥有较高融合准确率的方法。
-
Patent Agency Ranking
公开(公告)号：CN109919219B
公开(公告)日：2021-02-26
申请号：CN201910156017.9
申请日：2019-03-01
Applicant: 北京邮电大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于粒计算ML‑kNN的Xgboost多视角画像构建方法，步骤是：1多源异构数据的融合，2关联数据的权重计算，3基于粒计算的基础上构建ML‑kNN多标签学习，4建立两层Xgboost多视角融合框架。本发明与传统画像构建方法相比，其优点为本发明采用了将多源异构数据作为画像构建的数据集，解决传统画像构建中信息描述角度单一问题。采用基于粒子度的ML‑kNN多标签学习算法，通过对粒度粗细的调控来选择样本的近邻点集。采用双层Xgboost的多视角融合模型解决高维特征问题，提高模型的准确性与泛化能力。
-
公开(公告)号：CN110472540B
公开(公告)日：2020-12-29
申请号：CN201910708045.7
申请日：2019-08-01
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明涉及基于LMD‑ICA‑PNN的Φ‑OTDR振动信号分类算法，是一种对振动信号进行识别分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行LMD分解，确定第一个PF分量；(5)建立ICA数学模型；(6)构建PNN神经网络；(7)确定输出变量的判别函数。本发明克服了小波分解自适应较差和EMD分解的模态混叠与端点效应问题，利用PNN神经网络可以用线性学习算法完成非线性学习算法的优势，与LMD相结合，取得了较高的分类准确率。为振动信号识别分类领域提供了一种拥有较高分类准确率的方法。
-
公开(公告)号：CN112101462A
公开(公告)日：2020-12-18
申请号：CN202010974747.2
申请日：2020-09-16
Applicant: 北京邮电大学
Abstract: 本发明涉及基于BMFCC‑GBFB‑DNN的机电设备视听信息融合方法，是一种对对现代化机电设备运行过程中分布式视觉信息和听觉信息融合的方法，属于目标追踪与神经网络领域，其特征在于采用如下步骤：(1)提取MFCC特征，确定听觉信息的F比；(2)确定MFCC参数加权后的表达式；(3)MFCC参数进行主成分分析；(4)提取听觉信息的GBFB特征；(5)将卷积后结果分解为子块矩阵；(6)图像的可听化处理；(7)搭建DNN架构。本发明利用BMFCC及GBFB提取听觉信息特征，极大地提高了特征的代表性和噪声的鲁棒性。利用DNN神经网络对视听信息融合，一定程度上提高了内容的丰富性以及融合的实时性。这说明本算法在机电设备视听信息融合时，能达到很好的效果。
-
公开(公告)号：CN110458071B
公开(公告)日：2020-12-15
申请号：CN201910708064.X
申请日：2019-08-01
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明涉及基于DWT‑DFPA‑GBDT的光纤振动信号特征提取与分类方法，是一种对光纤振动信号进行特征提取与分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定原始振动信号的时域特征；(2)确定原始振动信号的频域特征；(3)确定原始振动信号的小波域特征；(4)计算马氏距离；(5)获得特征向量按可分性大小的排序；(6)确定损失函数；(7)确定拟合函数；(8)确定本轮迭代的强学习分类器。本发明实现了时域、频域及小波域三个不同域的特征提取，构建了完备的振动信号特征向量，将GBDT与DWT相结合，为振动信号特征提取与分类领域提供了一种在保证分类精度的基础上降低模型的复杂度的方法。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.876 seconds)
