-
公开(公告)号：CN114495037A
公开(公告)日：2022-05-13
申请号：CN202111677490.5
申请日：2021-12-31
申请人： 山东师范大学
IPC分类号： G06V20/56 , G06T7/246 , G06T7/277 , G06N3/08 , G06N3/04 , G06V10/40 , G06V10/774 , G06V10/82
摘要： 本发明属于自动驾驶中视频数据帧的预测领域，提供了一种基于关键点和卡尔曼滤波的视频预测方法及系统，首先，通过训练一个神经网络对搜集到的数据进行特征提取，将提取到的特征转化为关键点；其次，将关键点进行特征重构，并将重构出来的特征与初始图像帧的特征一起通过另一个神经网络进行图像重构，通过优化损失函数，获得特征提取网络与图像重构网络。最后，利用过程一种提取的图像关键点，结合RNN模型获得的图像先验信息，利用卡尔曼滤波对未来数据帧进行预测，并将预测图像与真实图像进行比较，优化相应损失函数训练RNN模型。
-
公开(公告)号：CN104865960A
公开(公告)日：2015-08-26
申请号：CN201510213361.9
申请日：2015-04-29
申请人： 山东师范大学
IPC分类号： G05D1/00
摘要： 本发明公开了基于平面的一种多智能体队形控制方法，包括以下步骤：步骤一：根据系统拓扑结构确定每个智能体的邻居集Ni(t)，并根据拓扑结构构造系统邻接矩阵A、度矩阵D及Laplacian矩阵L；步骤二：利用邻居节点的信息计算多智能体一致性控制协议；步骤三：在一致性控制协议的基础上，通过矩阵的伸缩变换，将智能体分配到不同的分组，得到分组同步控制协议；步骤四：通过旋转变换，逐个将不同分组的智能体再次进行处理，使得各个智能体配置到预期的队形位置。本发明对智能体在队形中的位置可以根据需要任意设定，且设计步骤简单，处理过程层次清晰，几何意义明确，为多智能体编队问题提供了一个有效的控制算法。
-
公开(公告)号：CN104066188A
公开(公告)日：2014-09-24
申请号：CN201410328735.7
申请日：2014-07-10
申请人： 山东师范大学
IPC分类号： H04W72/04
摘要： 本发明公开了一种基于节点度的K-筛选邻居信道分配方法，对网络中的设备遴选出节点度最高的KM个设备，依次将该KM个设备分配至距离最大的信道上，并更新相应信道的干扰量；将分配过的WIFI节点从拓扑图中剔除，并对剩余WIFI节点按照上述过程进行节点遴选与信道分配，直至网络中未分配节点个数小于(K-t)N/K(t＝1，2，……，K-1)。最后，当未分配节点数小于(K-t)N/K时,每次遴选出(K-t)M个WIFI设备进行上述节点的遴选与信道分配，直至所有WIFI完成信道分配。本发明降低了排序的工作量，且无需大量的RSSI比较，可以大大缩短网络拓扑结构发生变化时重新进行在线信道分配的时间。
-
公开(公告)号：CN109102124A
公开(公告)日：2018-12-28
申请号：CN201810970723.2
申请日：2018-08-24
申请人： 山东师范大学
IPC分类号： G06Q10/04 , G06N3/00 , G08G1/0968
摘要： 本发明公开了基于分解的动态多目标多路径诱导方法、系统及存储介质，该方法能在动态实时交通路段下，为驾驶者提供诸如路程最短、用时最少、最为安全舒适，甚至带有驾驶者偏好的多条最优路径供其选择；算法将一个动态多目标多路径优化选择问题转换为N个单目标路径优化选择子问题，每个子问题的目标函数由各个目标的函数聚合而成，算法在一次进化过程中同时优化这N个子问题，最后用户根据偏好从这N个子问题的最优解中选择一条路径行驶。由于每个子问题解决只需要用到它周围的邻居信息，而邻居的数目T远小于种群的规模N，因此算法具有较小的计算复杂度，能够更好地满足多目标多路径诱导系统的动态路段实时性要求。
-
公开(公告)号：CN108681721A
公开(公告)日：2018-10-19
申请号：CN201810494929.2
申请日：2018-05-22
申请人： 山东师范大学
CPC分类号： G06K9/00268 , G06K9/00288 , G06K9/342 , G06K9/6247 , G06K9/6269
摘要： 本发明公开了一种基于图像分割二维双向数据线性相关组合的人脸识别方法，将人脸图像划分成互不重叠且大小相等的若干子块图像，对每一子图像按其二维点阵数据形式且分别从行、列两个方向寻找两两不相交的线性相关组合，每两组组合间协方差为零，且这些组合包含的信息量依次递减。通过二维双向主成分分析算法学习测试图像每一部分得到样本集的协方差矩阵，对协方差矩阵进行特征值分解，得到二维双向特征值，将对应的特征向量排列起来构成最优的投影矩阵，求得图像的特征矩阵，利用支持向量机对测试图像分类。本发明可以更好地显示整幅图像的局部信息。
-
公开(公告)号：CN106250836B
公开(公告)日：2018-09-14
申请号：CN201610598570.4
申请日：2016-07-26
申请人： 山东师范大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种小样本条件下的两阶段人脸图像分类方法及系统，其中方法包括：样本扩充阶段，通过半监督的方式使人脸图像未标记样本对标记样本进行协同表示，获得协同表示系数；获取最大协同表示系数所对应的未标记样本；将最大协同表示系数所对应的未标记样本加入到标记子集中，对标记样本进行扩充，把扩充后的标记子集作为训练样本；同时将剩余的未标记样本作为新的未标记样本；人脸图像分类阶段，基于协同表示分类器使用扩充后的标记子集对样本扩充阶段得到的新的未标记样本进行分类，并得出最终的分类结果。本发明提高了监督分类方法的正确率，同时充分利用未标记样本的判定信息，使用样本扩充方式将半监督学习问题转化为监督学习问题。
-
公开(公告)号：CN109102124B
公开(公告)日：2021-07-20
申请号：CN201810970723.2
申请日：2018-08-24
申请人： 山东师范大学
IPC分类号： G06Q10/04 , G06N3/00 , G08G1/0968
摘要： 本发明公开了基于分解的动态多目标多路径诱导方法、系统及存储介质，该方法能在动态实时交通路段下，为驾驶者提供诸如路程最短、用时最少、最为安全舒适，甚至带有驾驶者偏好的多条最优路径供其选择；算法将一个动态多目标多路径优化选择问题转换为N个单目标路径优化选择子问题，每个子问题的目标函数由各个目标的函数聚合而成，算法在一次进化过程中同时优化这N个子问题，最后用户根据偏好从这N个子问题的最优解中选择一条路径行驶。由于每个子问题解决只需要用到它周围的邻居信息，而邻居的数目T远小于种群的规模N，因此算法具有较小的计算复杂度，能够更好地满足多目标多路径诱导系统的动态路段实时性要求。
-
公开(公告)号：CN109299341B
公开(公告)日：2020-05-05
申请号：CN201811268595.3
申请日：2018-10-29
申请人： 山东师范大学
IPC分类号： G06F16/903 , G06K9/62
摘要： 本发明公开了一种基于字典学习的对抗跨模态检索方法和系统，该方法包括：获取图像数据和文本数据的底层特征，并基于底层特征分别构造图像和文本的训练集以及测试集；构建字典学习模型，基于图像和文本的训练集进行训练，根据得到的图像字典、文本字典，构造新的训练集和测试集；将所述新的图像和文本的训练集投影至共同表示空间；根据共同表示空间中的图像和文本特征数据，学习特征保持器，即进行特征判别和三重排序，以及学习模态分类器；对特征保持器和模态分类器进行对抗学习，优化共同表示空间，采用测试集进行跨模态检索。用字典学习来进行特征提取，用对抗学习更好的学习图像模态和文本模态的公共空间，能极大提高跨模态检索的准确率。
-
公开(公告)号：CN110807497A
公开(公告)日：2020-02-18
申请号：CN201910960138.9
申请日：2019-10-10
申请人： 山东师范大学
摘要： 本公开公开了基于深度动态网络的手写体数据分类方法及系统，包括：训练阶段：构建深度动态网络；获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；利用原始训练样本集对深度动态网络进行训练，得到训练后的深度动态网络；应用阶段：获取待分类的手写体数据样本，将待分类的手写体数据样本输入到训练后的深度动态网络中，输出待分类手写体数据样本的识别结果。
-
公开(公告)号：CN110084264A
公开(公告)日：2019-08-02
申请号：CN201910170947.X
申请日：2019-03-07
申请人： 山东师范大学
摘要： 本发明公开了一种基于改进随机梯度下降的图像分类方法及装置，该方法包括：接收待分类图像数据，进行数据预处理，得到预设尺寸的图像；根据改进随机梯度下降法建立的深度网络模型对预处理数据进行特征提取；利用提取的特征对接收的待分类图像数据进行分类。采用改进随机梯度下降法对深度网络模型中进行参数训练：利用上一步梯度的估计值与本步梯度的观测值求出增益值；利用求得的增益值与上一步梯度的估计值、观测值以及本步梯度的观测值，求得本步梯度的估计值；利用取得的梯度估计值，更新模型参数，采用梯度下降法或随机梯度下降法进行模型参数训练，直至模型满足预设训练终止准则。有效降低模型训练的过程中参数的振荡，增加模型的稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.031 秒)
