-
公开(公告)号：CN119417842A
公开(公告)日：2025-02-11
申请号：CN202411374079.4
申请日：2024-09-29
Applicant: 安徽工业大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06T7/11 , G06T7/00 , G06T7/13 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于PVT改进的自注意力内镜息肉分割方法，包括：采集若干胃肠道图像并进行预处理和标注，得到图像数据和真实标签；将图像数据输入至基于PVT和空间通道自注意力模块的特征提取网络中，得到多尺度特征；将多尺度特征输入多尺度交叉融合模块，得到融合后的四个特征图；将融合后的特征图输入至解码器，得到两张预测图；将真实标签输入至解码器，得到两张真实标签，并分别与对应尺寸的预测图进行损失计算与迭代优化；将两张预测图恢复至输入图像大小并相加，得到内镜息肉分割模型。该发明涉及医学影像分割技术领域，解决了现有方法中对极小的息肉区域以及高度模糊边缘的息肉检测精度不高的技术问题。
-
公开(公告)号：CN114648635B
公开(公告)日：2024-07-09
申请号：CN202210250180.3
申请日：2022-03-15
Applicant: 安徽工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种融合标签间强相关性的多标签图像分类方法，包含以下步骤：将数据集中的标签聚类为M个社区，将传统的标签共现矩阵分割为M重标签共现张量；将待训练图片送入到通用卷积神经网络中，并在最后一个阶层后经过M重类属池化，得到多重类属特征图；将标签共现张量和标签嵌入矩阵送入到多重图卷积神经网络中，在最后一个多重图卷积层后，利用注意力融合机制将M重标签表示张量融合为一张标签表示矩阵；将标签子语义关系融入到卷积神经网络中间阶层；将社区编码信息融入到标签表示矩阵中，并与多重类属特征图做标签级别乘法；构建全局目标函数。本发明学习到标签相关性和标签间强相关性，并融入到特征图中，提高了多标签分类任务性能。
-
公开(公告)号：CN118170459A
公开(公告)日：2024-06-11
申请号：CN202410318895.7
申请日：2024-03-20
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于势博弈的工业互联网边缘计算任务卸载方法，属于博弈论、边缘计算技术领域。本发明步骤为：步骤1、根据工业互联网环境的端边架构中的各指标，构建任务卸载的时延模型；步骤2、根据所得时延模型，建立博弈论模型，并得到工业互联网边缘计算任务卸载的势函数；步骤3、各用户根据势函数进行求解，计算纳什均衡，到达纳什均衡后卸载任务。本发明基于工业互联网环境的端边架构，根据各指标的情况构建任务卸载的时延模型，得到任务完成时延的势函数，考虑任务的时间成本和服务器的排队情况对任务卸载的影响，每个用户根据势函数在本地构建自己的卸载决策，并确保所有用户达到纳什均衡。
-
公开(公告)号：CN113591920A
公开(公告)日：2021-11-02
申请号：CN202110734893.2
申请日：2021-06-30
Applicant: 安徽工业大学
Abstract: 本发明公开了一种处理特征和标记同时缺失的多标记分类方法，属于机器学习技术领域；本发明将缺失特征以及缺失标记恢复与分类融合在同一框架中，利用矩阵分解技术，同时对特征空间以及标记空间进行分解，在低维空间中构建分类器，降低了模型的复杂度；本发明的方法还考虑了尾标记破坏低秩特性的问题，对尾标记做稀疏处理。此外，还利用实例相似性以及标记相关性来提升模型性能。通过对特征以及标记共同缺失的处理，使其能够在恢复缺失值的同时进行分类任务，从而使得在数据缺失的情况下，能够提升多标记分类模型的性能。
-
公开(公告)号：CN112329842A
公开(公告)日：2021-02-05
申请号：CN202011209117.2
申请日：2020-11-03
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于“视角‑标记”贡献度和一致性的多视角多标记分类方法，属于机器学习技术领域。本发明通过矩阵分解技术对原始标记空间进行降维，同时利用流形正则约束相似样本在低维潜在标记空间中具有相似的标记值；构建从每个视角数据到低维潜在标记空间的线性分类模型；在线性分类模型的基础上，根据各视角线性分类模型的预测损失，学习各视角对每个类别标记的贡献度，即“视角‑标记”贡献度；根据“视角‑标记”贡献度，计算任意两个视角在同一标记上的预测一致性，即“视角‑标记”一致性权重，并据此约束不同视角分类模型在对应类别标记的预测结果一致性程度，提升了多视角多标记数据分类模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN112132186A
公开(公告)日：2020-12-25
申请号：CN202010870298.7
申请日：2020-08-26
Applicant: 安徽工业大学
Abstract: 本发明公开了一种存在部分缺失和未知类别标记的多标记分类方法，属于机器学习技术领域；本发明将部分缺失类别标记和未知类别标记的问题融合在一个框架中，利用高斯距离函数，计算样本相似度矩阵，再将相似度矩阵分解，得到完整类别标记矩阵的近似解，约束近似解的部分结果与已观测的标记结果一致，同时构建从样本特征到完整标记的分类模型，建模已知标记和新发现未知标记之间的关联性，约束相关性较强的具有相似的分类模型系数，并不断优化完整标记矩阵的结果，进而学习得到准确的分类模型。本可发明不仅可以解决已知类别标记存在部分缺失值问题，还可以发现多标记数据中的未知类别标记，挖掘出数据中有价值的隐含信息。
-
公开(公告)号：CN110009017A
公开(公告)日：2019-07-12
申请号：CN201910226726.X
申请日：2019-03-25
Applicant: 安徽工业大学
IPC: G06K9/62
Abstract: 本发明涉及机器学习领域的多标记学习技术，涉及一种基于视角类属特征学习的多视角多标记分类方法，包括：S1、获取训练数据，建立类别标记矩阵；S2、构建类别标记后各视角特征数据映射到类别标记矩阵的线性模型；S3、在线性模型基础上，建立各视角特征贡献度模型；S4、采用正则项约束视角特征贡献度模型，使每个视角特征数据在预测结果上具有一致性；S5、采用流行正则约束相关类别标记对应的模型系数的相似性；S6、标记预测，给定一个测试样本t，将测试样本t带入步骤S1-S5中得融合预测值。本申请的技术方案实现有效利用多源信息，学习每个视角中不同特征对类别标记的判别性能，更好的进行多标记学习任务。
-
公开(公告)号：CN109781792A
公开(公告)日：2019-05-21
申请号：CN201910185174.2
申请日：2019-03-12
Applicant: 安徽工业大学
Abstract: 本发明公开了一种电导率表征铝阳极材料电化学活性的方法，涉及铝空气电池制备技术领域。具体表征方法如下：将需表征的铝阳极材料磨样处理后测量其电导率；电导率的数值反比于铝阳极材料的电化学活性，即电导率越低，对应材料的电化学活性越好。本发明的表征方法具有无损、快速、准确、易操作的特点；采用本发明提出的电导率测试表征材料电化学活性的方法，能够快速准确表征电化学活性高的铝阳极材料。
-
公开(公告)号：CN119600467A
公开(公告)日：2025-03-11
申请号：CN202411660642.4
申请日：2024-11-20
Applicant: 安徽工业大学
Abstract: 本发明公开了一种光学遥感图像显著性目标检测模型及检测方法，属于目标检测技术领域。本发明的显著性目标检测模型，包括：PVT主干网络模块、边缘信息提取与融合模块BG、特征增强模块HAM、两个空间注意力模块、特征交互模块KTM以及特征融合模块。本发明通过引入边缘检测模块(BG)和特征增强模块(HAM)，有效提高了在复杂背景下的目标检测精度。相比现有的基于CNN的方法，本发明能够更好地处理不同尺度和方向变化的目标，降低了漏检和误检的概率，使得显著性目标检测更加完整和准确。
-
公开(公告)号：CN116637614B
公开(公告)日：2024-08-02
申请号：CN202310518432.0
申请日：2023-05-10
Applicant: 安徽工业大学
Abstract: 本发明公开了一种具有高抗碱的铈锰基脱硝催化剂及其制备方法和应用，以铈锰复合氧化物作为活性组分，二氧化硅作为载体，并将功能单体叔丁醇通过化学修饰的方法连接到SiO2载体表面，形成具有pH响应性的催化剂，该催化剂在200～350℃范围内氮氧化物转化率均达到80％以上，显著提升了脱硝效率；同时由于其具有特殊的多孔结构，能够有效提升催化剂的抗碱中毒性能；本发明的制备与现有的真空冷冻干燥法相比，工艺得到很大的优化，提高了催化剂的稳定性，降低了能耗和成本，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.028 seconds)
