-
Patent Agency Ranking
公开(公告)号：CN113240030B
公开(公告)日：2022-06-28
申请号：CN202110568711.9
申请日：2021-05-24
Applicant: 哈尔滨理工大学
IPC: G06K9/62 , G06V10/764 , G06N20/00
Abstract: 一种基于交互表示的域自适应子空间学习方法，属于图像分类技术领域，本发明在源域和目标域上建立了两个基于低秩约束的交互表示模型，可以更好地协调数据间的分布差异；设计一种距离约束来模拟源域和目标域之间的子空间关系，解决两个域域不一致的问题；开发一种联合框架，使用基于标签的回归来获得额外的分类判别，以此促进模型的自适应性和鲁棒性；与其他方法相比，本发明的精确度更高，性能更加稳健。
-
公开(公告)号：CN113240030A
公开(公告)日：2021-08-10
申请号：CN202110568711.9
申请日：2021-05-24
Applicant: 哈尔滨理工大学
Abstract: 一种基于交互表示的域自适应子空间学习方法，属于图像分类技术领域，本发明在源域和目标域上建立了两个基于低秩约束的交互表示模型，可以更好地协调数据间的分布差异；设计一种距离约束来模拟源域和目标域之间的子空间关系，解决两个域域不一致的问题；开发一种联合框架，使用基于标签的回归来获得额外的分类判别，以此促进模型的自适应性和鲁棒性；与其他方法相比，本发明的精确度更高，性能更加稳健。
-
公开(公告)号：CN113312838B
公开(公告)日：2022-08-23
申请号：CN202110562269.9
申请日：2021-05-24
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06K9/62 , G06V10/74 , G06V10/762 , G06N20/00 , G06F111/10
Abstract: 本发明的实施方式提供了一种基于数据重建的可靠多视图学习方法及装置，属于图像聚类技术领域，本发明引入低秩自表示来构建一个数据重建模型，以此弥补噪声对数据真实结构的破坏；为了更好的探索不同视图间的二维相似性，采用低秩张量来捕获相似性图间的高阶相关性；开发了一种联合嵌入式框架，将数据重构模型，相似性图学习及低秩张量模型放入该框架中，促进本发明的自适应性和鲁棒性；此外，设计了一种有效的数值函数求解方法来获取耦合在目标函数中的变量的最优值；与现有的优秀的方法相比，本发明的精确度更高，性能更加稳健。
-
公开(公告)号：CN113312838A
公开(公告)日：2021-08-27
申请号：CN202110562269.9
申请日：2021-05-24
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F111/10
Abstract: 本发明的实施方式提供了一种基于数据重建的可靠多视图学习方法及装置，属于图像聚类技术领域，本发明引入低秩自表示来构建一个数据重建模型，以此弥补噪声对数据真实结构的破坏；为了更好的探索不同视图间的二维相似性，采用低秩张量来捕获相似性图间的高阶相关性；开发了一种联合嵌入式框架，将数据重构模型，相似性图学习及低秩张量模型放入该框架中，促进本发明的自适应性和鲁棒性；此外，设计了一种有效的数值函数求解方法来获取耦合在目标函数中的变量的最优值；与现有的优秀的方法相比，本发明的精确度更高，性能更加稳健。
-
公开(公告)号：CN110889358A
公开(公告)日：2020-03-17
申请号：CN201911137696.1
申请日：2019-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于相关系数和联合稀疏表示的高光谱图像分类方法及装置，属于图像分类技术领域，该方法结合光谱的相似性和局部空间一致性，使用相关系数来计算两个变量之间的相关性大小，以此计算出像元与每个类之间的相关性大小；再使用SOMP算法计算出最稀疏的矩阵，并使用该矩阵计算出像元与每个类之间的残差；此外，使用了联合稀疏表示和相关系数同时对分类函数模型进行约束，并引入了一个参数来平衡联合稀疏表示和相关系数的权重，促进模型的自适应性和鲁棒性，与其他方法相比，精确度更高，性能更加稳健。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
