-
公开(公告)号：CN114116669B
公开(公告)日：2024-07-12
申请号：CN202111412707.X
申请日：2021-11-25
Applicant: 燕山大学
IPC: G06F16/21 , G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种基于霍夫丁树的多标签流数据分类方法，属于模式识别与数据挖掘技术领域。训练阶段步骤：新实例逐条流入模型；根据实例特征数量构建基分类器并分别分配若干特征，进行增量式学习；将上述结构作为基本单元做分层级联，每一层有若干个互不相同的基本单元；每一层训练时进行三折交叉验证得到各单元的权值，并验证当前层的分类性能；预测阶段步骤：新实例逐条流入训练好的模型，获取当前实例的特征向量；特征划分；将每个基本单元针对当前实例的预测值施加训练时确定的权值，与原始特征拼接后作为下一层的输入特征；统计每一层对当前测试实例的预测精度，若没有明显增长则停止模型增长，并取最后一层的预测值为最终预测结果。
-
公开(公告)号：CN114116669A
公开(公告)日：2022-03-01
申请号：CN202111412707.X
申请日：2021-11-25
Applicant: 燕山大学
IPC: G06F16/21 , G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种基于霍夫丁树的多标签流数据分类方法，属于模式识别与数据挖掘技术领域。训练阶段步骤：新实例逐条流入模型；根据实例特征数量构建基分类器并分别分配若干特征，进行增量式学习；将上述结构作为基本单元做分层级联，每一层有若干个互不相同的基本单元；每一层训练时进行三折交叉验证得到各单元的权值，并验证当前层的分类性能；预测阶段步骤：新实例逐条流入训练好的模型，获取当前实例的特征向量；特征划分；将每个基本单元针对当前实例的预测值施加训练时确定的权值，与原始特征拼接后作为下一层的输入特征；统计每一层对当前测试实例的预测精度，若没有明显增长则停止模型增长，并取最后一层的预测值为最终预测结果。
-
Patent Agency Ranking
公开(公告)号：CN114091607B
公开(公告)日：2024-05-03
申请号：CN202111403199.9
申请日：2021-11-24
Applicant: 燕山大学
IPC: G06F18/214 , G06F16/2458
Abstract: 本发明涉及一种基于邻域粗糙集的半监督多标签在线流特征选择方法，包括以下步骤：任意新特征以流的形式一个接一个流入模型；通过定义的邻域关系获得缺失标签实例的邻居，并对缺失标签进行预测；求得新特征的依赖度；对新特征进行在线特征重要性评估；对候选集进行在线冗余更新；重复上述步骤，直至没有未处理的特征，最终，可以获得一个最优特征子集。本发明不需要了解任何领域知识，可以在不设置任何参数的情况下适应各种形式的数据集，有较强的泛化能力。本发明可以处理缺少标签的数据集，并且能够选择出高效率的特征。本发明最大化了候选特征集在标签上的依赖性，并选择具有高相关性和低冗余的特征。
-
公开(公告)号：CN113952048A
公开(公告)日：2022-01-21
申请号：CN202111404361.9
申请日：2021-11-24
Applicant: 燕山大学
IPC: A61B90/96
Abstract: 本发明公开了一种手术器械识别设备及识别方法，属于手术器械管理技术领域，包括主机箱和图像采集与检测设备，手术器械识别设备内设置有识别系统，识别系统包括手术器械包信息数据库和手术器械包检测结果数据库。本系统将手术器械包内的器械种类和数量等信息录入系统，并生成和该包对应的唯一条形码；每场手术开始前医护人员使用系统扫描手术器械包的条形码，查询手术器械包内的器械数量和种类；医护人员清点完毕，系统会判断手术器械包内器械是否齐全，系统比对检测到的数据和查询到的数据，将结果反馈给现场的医护人员。若出现异常，医护人员进行处理以及确认；若未出现异常，医护人员进行确认，并将手术器械包的检测结果、处理情况保存下来。
-
公开(公告)号：CN115393553B
公开(公告)日：2024-02-06
申请号：CN202210997371.6
申请日：2022-08-19
Applicant: 燕山大学
Abstract: 本发明提供一种基于3D视觉的用于确定线材捆线位置的挂牌方法及其装置，具体步骤为：启动线激光轮廓仪对线材进行单条轮廓扫描，获取二维点云数据，进而获得线材内的捆线位置；根据线材内的捆线位置调整机器人末端姿态，直到捆线位置落在线激光轮廓仪x轴的原点O1处；采集线材的三维点云数据，并通过滤波去噪得到线材新三维点云数据；利用最小二乘法对线材新三维点云数据中空洞点集进行拟合填充，得到线材填充后的三维点云数据；计算线材填充后的三维点云数据的差值，并与捆线间隙阈值比较，得到挂牌点；利用目标检测算法判断挂牌点是否准确。本发明基于三维视觉点云，针对线材进行算法处理，从而具有挂牌定位准确率高、识别精度高和稳定性好等优点。
-
公开(公告)号：CN114091607A
公开(公告)日：2022-02-25
申请号：CN202111403199.9
申请日：2021-11-24
Applicant: 燕山大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明涉及一种基于邻域粗糙集的半监督多标签在线流特征选择算法，包括以下步骤：任意新特征以流的形式一个接一个流入模型；通过定义的邻域关系获得缺失标签实例的邻居，并对缺失标签进行预测；求得新特征的依赖度；对新特征进行在线特征重要性评估；对候选集进行在线冗余更新；重复上述步骤，直至没有未处理的特征，最终，可以获得一个最优特征子集。本发明不需要了解任何领域知识，可以在不设置任何参数的情况下适应各种形式的数据集，有较强的泛化能力。本发明可以处理缺少标签的数据集，并且能够选择出高效率的特征。本发明最大化了候选特征集在标签上的依赖性，并选择具有高相关性和低冗余的特征。
-
公开(公告)号：CN115393553A
公开(公告)日：2022-11-25
申请号：CN202210997371.6
申请日：2022-08-19
Applicant: 燕山大学
Abstract: 本发明提供一种基于3D视觉的用于确定线材捆线位置的挂牌方法及其装置，具体步骤为：启动线激光轮廓仪对线材进行单条轮廓扫描，获取二维点云数据，进而获得线材内的捆线位置；根据线材内的捆线位置调整机器人末端姿态，直到捆线位置落在线激光轮廓仪x轴的原点O1处；采集线材的三维点云数据，并通过滤波去噪得到线材新三维点云数据；利用最小二乘法对线材新三维点云数据中空洞点集进行拟合填充，得到线材填充后的三维点云数据；计算线材填充后的三维点云数据的差值，并与捆线间隙阈值比较，得到挂牌点；利用目标检测算法判断挂牌点是否准确。本发明基于三维视觉点云，针对线材进行算法处理，从而具有挂牌定位准确率高、识别精度高和稳定性好等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
