-
公开(公告)号：CN116108386B
公开(公告)日：2023-06-23
申请号：CN202310371826.8
申请日：2023-04-10
申请人： 南京信息工程大学
IPC分类号： G06F18/2411 , G06F18/214 , G06F18/2115 , G06N3/04 , G06F17/16
摘要： 本发明公开了一种改进混合采样及降噪自编码下的古董玻璃分类方法及系统，对获取的不平衡古董玻璃成分数据信息进行数据转换，运用套索回归降低每个古董玻璃样本点数据的维度，再通过基于高斯混合聚类的SMOTE方法，生成新的少数样本点，然后基于交叉验证的欠采样方法去除多数样本点，平衡数据集样本点数量，通过降噪自编码网络对采样后的数据降噪，增强其抗干扰能力，最终带入逻辑回归与支持向量机两大分类器，训练古董玻璃分类模型，利用古董玻璃分类模型对古董玻璃样本点数据进行分类，使得本发明最终训练的古董玻璃分类模型具有更强的鲁棒性，最终玻璃分类的精度得到提高。
-
公开(公告)号：CN116108386A
公开(公告)日：2023-05-12
申请号：CN202310371826.8
申请日：2023-04-10
申请人： 南京信息工程大学
IPC分类号： G06F18/2411 , G06F18/214 , G06F18/2115 , G06N3/04 , G06F17/16
摘要： 本发明公开了一种改进混合采样及降噪自编码下的古董玻璃分类方法及系统，对获取的不平衡古董玻璃成分数据信息进行数据转换，运用套索回归降低每个古董玻璃样本点数据的维度，再通过基于高斯混合聚类的SMOTE方法，生成新的少数样本点，然后基于交叉验证的欠采样方法去除多数样本点，平衡数据集样本点数量，通过降噪自编码网络对采样后的数据降噪，增强其抗干扰能力，最终带入逻辑回归与支持向量机两大分类器，训练古董玻璃分类模型，利用古董玻璃分类模型对古董玻璃样本点数据进行分类，使得本发明最终训练的古董玻璃分类模型具有更强的鲁棒性，最终玻璃分类的精度得到提高。
-
公开(公告)号：CN118469822B
公开(公告)日：2024-10-25
申请号：CN202410942520.8
申请日：2024-07-15
申请人： 南京信息工程大学
IPC分类号： G06T3/4053 , G06T5/70 , G06T5/77 , G06T5/60 , G06N3/045 , G06N3/082 , G06N3/0464
摘要： 本发明公开了一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法，其包括以下步骤：（1）获取待处理的退化图像并进行预处理；（2）构建即插即用深度卷积和快速分裂网络即plug‑and‑play网络；包括：密集残差U型降噪模块和稀疏诱导项的图像恢复模块；（3）将预处理后的图像输入plug‑and‑play网络进行训练，最终得到处理后的清晰图像；本发明结合了深度卷积网络和传统算法，既可以发挥深度学习算法在提取特征时候的强大优势，也可以引入传统算法带来的先验知识，使模型具有比较强的解释性和鲁棒性，能够清晰地描述重建过程和优化过程，让整体的超分辨率效果有显著的提升。
-
公开(公告)号：CN118469822A
公开(公告)日：2024-08-09
申请号：CN202410942520.8
申请日：2024-07-15
申请人： 南京信息工程大学
IPC分类号： G06T3/4053 , G06T5/70 , G06T5/77 , G06T5/60 , G06N3/045 , G06N3/082 , G06N3/0464
摘要： 本发明公开了一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法，其包括以下步骤：（1）获取待处理的退化图像并进行预处理；（2）构建即插即用深度卷积和快速分裂网络即plug‑and‑play网络；包括：密集残差U型降噪模块和稀疏诱导项的图像恢复模块；（3）将预处理后的图像输入plug‑and‑play网络进行训练，最终得到处理后的清晰图像；本发明结合了深度卷积网络和传统算法，既可以发挥深度学习算法在提取特征时候的强大优势，也可以引入传统算法带来的先验知识，使模型具有比较强的解释性和鲁棒性，能够清晰地描述重建过程和优化过程，让整体的超分辨率效果有显著的提升。
-
公开(公告)号：CN117709681A
公开(公告)日：2024-03-15
申请号：CN202410139312.4
申请日：2024-02-01
申请人： 南京信息工程大学
IPC分类号： G06Q10/0631 , G06Q50/26 , G06F18/2337 , G06F18/22 , G06F17/16
摘要： 本发明公开了考虑不完全异质性偏好和个体行为的大群体突发灾害应急决策方法，包括以下步骤：（1）获取多个应急决策专家的决策偏好矩阵；（2）根据所述不完全偏好关系,补全偏好矩阵中的残缺值,通过优化模型获取群体意见,并采用改进的K均值聚类算法将所有决策者聚类成若干子群,获取各个集群的偏好矩阵；（3）根据所得集群偏好矩阵和群体意见,基于构建的反馈迭代共识调整机制更新集群共识水平和群体共识水平；（4）利用更新后的偏好矩阵和权重值进行迭代,获取最终选择的大群体应急案；本发明更高效地提高群体共识程度,进而促进共识的形成。
-
公开(公告)号：CN117709681B
公开(公告)日：2024-05-17
申请号：CN202410139312.4
申请日：2024-02-01
申请人： 南京信息工程大学
IPC分类号： G06Q10/0631 , G06Q50/26 , G06F18/2337 , G06F18/22 , G06F17/16
摘要： 本发明公开了考虑不完全异质性偏好和个体行为的大群体突发灾害应急决策方法，包括以下步骤：（1）获取多个应急决策专家的决策偏好矩阵；（2）根据所述不完全偏好关系,补全偏好矩阵中的残缺值,通过优化模型获取群体意见,并采用改进的K均值聚类算法将所有决策者聚类成若干子群,获取各个集群的偏好矩阵；（3）根据所得集群偏好矩阵和群体意见,基于构建的反馈迭代共识调整机制更新集群共识水平和群体共识水平；（4）利用更新后的偏好矩阵和权重值进行迭代,获取最终选择的大群体应急案；本发明更高效地提高群体共识程度,进而促进共识的形成。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.025 秒)
