-
公开(公告)号：CN109325515B
公开(公告)日：2021-09-28
申请号：CN201810905948.X
申请日：2018-08-10
申请人： 江苏理工学院
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于局部学习正则化的深度矩阵分解方法及图像聚类方法，其中，在深度矩阵分解方法中包括：S10根据待聚类图片获取数据矩阵Y；S20基于数据矩阵Y构建目标函数：S30根据目标函数C**，使用迭代加权的方法，输出基矩阵Ni和系数矩阵Mi，完成对数据矩阵Y的分解。与传统的严格意义上的绝对非负矩阵分解相比，不仅通过深度半非负矩阵分解精准高效地完成了数据的分类，同时将部分属性信息进行合并，实现了对各个区域的预测代价最小化。
-
公开(公告)号：CN111950614A
公开(公告)日：2020-11-17
申请号：CN202010758137.9
申请日：2020-07-31
申请人： 江苏理工学院
摘要： 本发明提供了一种基于局部约束自适应邻域的自表示流形概念分解方法，包括：S10获取待聚类样本数据集；S20针对待聚类样本数据集构建邻接权重矩阵；S30基于局部连通性自适应地为待聚类样本数据集中每个数据点分配邻域以学习关联矩阵；S40建立包含图正则项、自适应邻域正则项及局部稀疏项的基于概念分解的目标函数；S50根据目标函数使用迭代加权的方法迭代预设次数，得到待聚类样本数据集的特征矩阵；S60采用K-Means聚类算法对得到的特征矩阵进行聚类，完成对待聚类样本数据集的聚类，解决现有聚类方法中聚类结果对输入数据敏感的问题。
-
公开(公告)号：CN108009586A
公开(公告)日：2018-05-08
申请号：CN201711257431.6
申请日：2017-12-04
申请人： 江苏理工学院
IPC分类号： G06K9/62
摘要： 本发明提供了一种封顶概念分解方法及图像聚类方法，其中，该封顶概念分解方法中包括：S10获取待分解的非负矩阵X＝[x1,x2,...,xN]∈Rd*n，其中，d为特征值的维度数，n为非负矩阵中数据点的个数；S20根据所述非负矩阵构建目标函数J(F,G)：s.t.F≥0,G≥0,GTG＝I其中，θ＞0；S30根据所述目标函数J(F,G)，使用迭代加权的方法，输出权矩阵W和特征矩阵G，完成对非负矩阵X的概念分解。出权矩阵W和特征矩阵G，完成对非负矩阵X的概念分解。解决了现有的封顶概念分解方法中存在的噪声和离群值问题，同时对于某些存在极端异常值的数据的现实问题。
-
公开(公告)号：CN111475313B
公开(公告)日：2023-06-27
申请号：CN202010144720.0
申请日：2020-03-04
申请人： 江苏理工学院
IPC分类号： G06F9/54 , G06N3/0464
摘要： 本发明提供了一种适用于卷积神经网络前向传播的消息队列构建方法及装置，其中方法包括：服务端的输入队列接收客户端发送的数据，对接收到的数据分配唯一标识符，生成待处理数据；服务端的计算单元按照第一预设轮询间隔查询输入队列中的待处理数据中是否具有待消费的请求数据，如果查询到有待消费的请求数据，则将待消费的请求数据从输入队列中取出，将待消费的请求数据打包拷贝至计算单元；计算单元将待消费的请求数据按照预设尺寸进行整合，按照并行化运算方式进行卷积神经网络模型计算，得到处理后的数据；服务端的输出队列获取处理后的数据，将处理后的数据发送至客户端。
-
公开(公告)号：CN110363712B
公开(公告)日：2023-06-23
申请号：CN201910514472.1
申请日：2019-06-14
申请人： 江苏理工学院
IPC分类号： G06T5/00
摘要： 本发明提供了一种稀疏对偶约束的高光谱图像解混方法，包括：S10获取待解混的高光谱图像，并通过在高维数据矩阵中寻找每个像素点的k个最近邻点构造一个最近邻图；S20将步骤S10中构造的最近邻图中的每个像素点作为一个向量，在稀疏区域内，通过设置像素点间稀疏距离的方法构造另一个图；S30根据步骤S10和步骤S20构建的两个图，建立稀疏约束下基于非负矩阵分解的损失函数C：S40对数据矩阵N进行逐层分解得到相应的矩阵因子，且在分解到最后一层使用微调规则对矩阵因子进行调整，调整之后进行迭代更新；S50输出最终迭代的结果，得到对高光谱图像解混后的端成员矩阵U和丰度矩阵V，完成对高光谱图像的解混。整个速度快且占用存储空间小，保证了复杂度低的同时维持一定的处理速度，提高了解混效率。
-
公开(公告)号：CN108009586B
公开(公告)日：2021-09-24
申请号：CN201711257431.6
申请日：2017-12-04
申请人： 江苏理工学院
IPC分类号： G06K9/62
摘要： 本发明提供了一种封顶概念分解方法及图像聚类方法，其中，该封顶概念分解方法中包括：S10获取待分解的非负矩阵X＝[x1,x2,...,xN]∈Rd*n，其中，d为特征值的维度数，n为非负矩阵中数据点的个数；S20根据所述非负矩阵构建目标函数J(F,G)：s.t.F≥0,G≥0,GTG＝I其中，θ＞0；S30根据所述目标函数J(F,G)，使用迭代加权的方法，输出权矩阵W和特征矩阵G，完成对非负矩阵X的概念分解。出权矩阵W和特征矩阵G，完成对非负矩阵X的概念分解。解决了现有的封顶概念分解方法中存在的噪声和离群值问题，同时对于某些存在极端异常值的数据的现实问题。
-
公开(公告)号：CN109840545A
公开(公告)日：2019-06-04
申请号：CN201811597620.2
申请日：2018-12-26
申请人： 江苏理工学院
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于图正则化的鲁棒性结构非负矩阵分解聚类方法，包括：S10获取m个待聚类图像，并根据待聚类图像构造k个最邻近图；S20针对每个最邻近图得到相应的数据矩阵Y，数据矩阵Y中包括n个数据点，使用非负矩阵分解方法对数据矩阵Y进行分解得到特征矩阵W和系数矩阵H；S30基于l2,p范数建立基于图正则化的鲁棒性结构非负矩阵分解的目标函数O；S40根据目标函数O，使用迭代加权的方法迭代预设次数，对特征矩阵W、系数项及图正则项进行更新；S50采用k-means聚类算法分别对每个最近邻图所得到的特征矩阵W进行分析并聚类。其采用鲁棒损失函数对其中的重构误差进行测量，在该鲁棒损失函数中没有使用标记数据进行判别，引入非负矩阵分解的半监督方法后，能够有效的提高效率及精确率。
-
公开(公告)号：CN109670404A
公开(公告)日：2019-04-23
申请号：CN201811403004.9
申请日：2018-11-23
申请人： 江苏理工学院
摘要： 本发明公开了一种基于混合模型的道路积水图像检测预警方法，属于大数据技术领域，基于深度学习图像特征，实现道路不同监控摄像机的实时积水检测，并生成积水严重等级数据，解决传统检测仪器安装复杂，易损坏等缺陷；采用交互式区域配置方式，适应不同场景的监控摄像机；本发明采用深度神经网络特征和改进后的ResNet残差网络，并联合监控视频的时空特征，混合计算积水置信，提高检测准确率，基于监控视频条件达到实际应用准确率要求。
-
公开(公告)号：CN109063725A
公开(公告)日：2018-12-21
申请号：CN201810607971.0
申请日：2018-06-13
申请人： 江苏理工学院
IPC分类号： G06K9/62
CPC分类号： G06K9/6223
摘要： 本发明提供了一种面向多视图聚类的多图正则化深度矩阵分解方法，包括：获取待分解的多视图样本集X＝{X(1),...,X(υ),...,X(V)}，其中，V表示视图的个数，kυ为视图样本的维数，n为多视图样本的个数；根据多视图样本集构建目标函数：根据所述目标函数，使用迭代加权的方法，输出特征矩阵Dm，完成对多视图样本集X的分解。其采用多图正则项来保持每层系数矩阵中的固有几何结构信息，确保每层系数矩阵进行有效合理的优化，以提高多视图聚类的精确度。
-
公开(公告)号：CN108449389A
公开(公告)日：2018-08-24
申请号：CN201810162379.4
申请日：2018-02-27
申请人： 江苏理工学院
摘要： 本发明公开了安防技术领域的一种基于云计算的安防监控大数据处理方法及系统，该方法的具体步骤如下：S1：采集物联网节点上的安防监控数据；S2：导入数据存储池中进行分布式存储；S3：利用客户端实现对存储池内的安防监控数据进行访问调度、内容分发、存储管理以及数据加密和备份的处理；S4：通过物联网终端设备中的公用应用接口访问登录云存储平台，借助API接口，构建应用存储系统，本发明能够对安防监控数据之间进行数据交互。参数同步以及任务分工进行融合，并采用分布式的存储系统，融合整个云平台中数据冗余备份以及容错处理，实现数据访问的负载均衡，介绍通信系统的投入，提高系统访问速度。
-
-
-
-
-
-
-
-
-
搜索结果
35 条记录 (耗时 0.027 秒)
