-
公开(公告)号：CN118485912A
公开(公告)日：2024-08-13
申请号：CN202410273451.6
申请日：2024-03-11
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/764
摘要： 本发明提供了一种针对高光谱遥感图像数据增强和分类的方法及装置，包括从遥感成像传感器获取高光谱图像，并将所述高光谱图像确定为待分类高光谱图像；将待分类高光谱图像输入至训练好的SPL‑GAMN模型中，以使SPL‑GAMN模型提取三维HSI块，并依据待分类高光谱图像中对象数量的多少，学习第一对象在三维HSI块中的特征信息，并生成第一对象的高光谱图块，对所有的高光谱图块作分类得到所有对象的预测标签。本发明针对少数类别的数据增强，有效改善了样本不均衡问题，并将3D分类器与自步学习方法结合起来，提升了模型的泛化能力，有效改善了过拟合问题，因此鲁棒性较好，对不同的高光谱图像普遍有效，可以提高分类效果。
-
公开(公告)号：CN118397050A
公开(公告)日：2024-07-26
申请号：CN202410681798.4
申请日：2024-05-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种多任务代理辅助优化的点云配准方法，包括：根据依次减小的采样率对源点云模型和目标点云模型分别均采样K次，得到K个第一点云模型和K个第二点云模型；根据第i个第一点云模型和i个第二点云模型，构建第i个代理任务对应的子种群i，得到K个不同子种群；第i个代理任务为第i个第一点云模型与i个第二点云模型的配准任务，第i个第一点云模型的旋转矩阵和平移向量，以及第i个第二点云模型的旋转矩阵和平移向量为子种群i中的两个不同个体；i的取值为1至K；采用遗传算法对K个不同子种群迭代优化，基于迭代得到的目标个体对源点云模型和目标点云模型配准。本发明能够提高配准效果，并降低配准时间成本。
-
公开(公告)号：CN112085051B
公开(公告)日：2024-02-09
申请号：CN202010724451.5
申请日：2020-07-24
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/098 , G06N20/00 , G06F21/62
摘要： 本发明公开了一种基于加权投票的图像分类方法、系统及电子设备。该方法包括：服务端获取待分类图像，对各个客户端发起判定请求；每个客户端根据判定请求，对自身状态参数判定后反馈响应信号给服务端；服务端根据响应信号，将待分类图像分发给可以参加分类任务的目标客户端；各个目标客户端将待分类图像输入各自预先训练的少样本网络模型进行分类，得到第一分类结果；服务端对各个目标客户端的少样本网络模型进行评分，并基于该评分结果和第一分类结果进行加权投票计算，输出投票值；服务端对投票值汇总整理，输出第二分类结果。通过对客户端的模型进行评分并对客户端输出的第一分类结果进行加权投票计算，进一步提高分类的精确度。
-
公开(公告)号：CN116433944A
公开(公告)日：2023-07-14
申请号：CN202310207529.X
申请日：2023-03-06
申请人： 西安电子科技大学
IPC分类号： G06V10/762 , G06V10/26 , G06V20/58 , G01S17/931 , G01S7/48
摘要： 本发明公开了一种基于车载激光雷达的障碍物识别方法，涉及点云数据处理技术领域，包括：获取原始点云数据；对原始点云数据进行预处理操作，得到预处理后的点云数据；对预处理后的点云数据再进行分割地面操作，得到保留障碍物点云数据；根据保留障碍物点云数据，构建极坐标栅格图；其中，障碍物极坐标栅格图包括多个栅格；根据相对距离阈值，获取栅格聚类的自适应径向搜索步长；使用区域生长法标记符合自适应径向搜索步长要求的栅格，得到不同类别的栅格集合；将不同类别的栅格集合转换为不同类别的点云数据集合，得到障碍物信息。本发明能够在保证对障碍物目标快速识别的基础上，提高识别精度。
-
公开(公告)号：CN110188192B
公开(公告)日：2023-01-31
申请号：CN201910304017.9
申请日：2019-04-16
申请人： 西安电子科技大学
摘要： 本发明提供了一种多任务网络构建方法，包括：对已知刑事法律文书中的案情描述及事实构成的文本进行处理，得到预处理后的文本及多个词语的词向量；采用共享网络、罪名预测及法律条文预测的特有网络构成的多任务网络对预处理后的文本及多个词语的词向量进行处理并训练，最终得到训练好的多任务网络；还提供了一种多尺度的罪名法条联合预测方法，包括：对待预测刑事法律文书中案情描述及事实构成的文本进行处理，得到预处理后的文本及多个词语的词向量，并采用训练好的多任务网络进行处理，判断得到预测的罪名及法律条文；本发明将两个任务结合起来，共同提取特征，能够有效提高预测的准确率，同时提高了预测对类别的覆盖率及多样性。
-
公开(公告)号：CN110196995B
公开(公告)日：2022-12-06
申请号：CN201910359959.7
申请日：2019-04-30
申请人： 西安电子科技大学
IPC分类号： G06F30/18 , H04L41/142 , H04L41/14 , G06K9/62
摘要： 本发明提供了一种基于带偏置随机游走的复杂网络特征提取方法，包括构建复杂网络；对复杂网络中的所有节点的文本数据进行处理，得到所有节点的段落向量；将复杂网络中的任一节点作为初始节点；将初始节点作为当前节点，计算当前节点与当前节点的每个连接节点之间转移概率，采样并选取得到采样的转移概率所对应的连接节点，重复上述操作得到n个采样的转移概率所对应的连接节点，由初始节点和n个采样的转移概率所对应的连接节点构成复杂网络中任一节点的带偏置的随机游走序列，总共得到复杂网络中任一节点的r个带偏置的随机游走序列，最终得到所有节点的特征向量；本发明能够有效提高复杂网络特征提取的效率，提高了网络分析任务的精度。
-
公开(公告)号：CN115131659A
公开(公告)日：2022-09-30
申请号：CN202210588220.5
申请日：2022-05-27
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于模因优化的多目标端元识别方法，包括：获取待识别端元的原始高光谱图像；根据原始高光谱图像的数据，基于纯像元假设采用顶点成分分析修剪高光谱图像的像元构造自词典；基于所述自词典构建高光谱图像端元识别的多目标优化模型；基于模因优化算法获得所述多目标优化问题模型的非支配解集；利用所述多目标优化问题模型的非支配解集，基于膝点法确定最优端元组合。本发明可以综合演化算法的全局搜索能力和局部搜索算子的局部寻优能力，提升端元识别的精度和效率，同时还可以根据膝点法从非支配解集中确定最优端元组合。
-
公开(公告)号：CN114549966A
公开(公告)日：2022-05-27
申请号：CN202210011083.9
申请日：2022-01-05
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于多任务子网络分解的SAR变化检测网络训练方法，包括：获取SAR图像样本集，获取预设卷积神经网络并对目标参数初始化；用SGD随机梯度下降法迭代训练；当训练效果不明显时，利用得到的多组全网目标参数得到父代种群；全网目标参数优化定为主任务，全网络按层分解得到子网络的优化定为辅任务，选择一个辅任务配合主任务，基于种群遗传方式迭代训练，若多次迭代后辅任务遍历完成，保留得到的一组最优的全网目标参数，返回SGD随机梯度下降法；在训练结束时获得最优全网目标参数代入预设卷积神经网络得到训练完成的SAR图像变化检测网络。本发明能加快网络收敛，避免陷入局部最优，缓解梯度消失和梯度爆炸现象。
-
公开(公告)号：CN108460391B
公开(公告)日：2022-03-22
申请号：CN201810193116.X
申请日：2018-03-09
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于生成对抗网络的高光谱图像无监督特征提取方法，主要解决现有特征提取效果不佳，且需大量标签信息的问题。实现步骤为：数据预处理；生成对抗网络参数设置；计算生成对抗网络中生成器网络G输出；构建生成对抗网络目标函数；生成对抗网络训练；提取多层特征并进行池化和组合操作得到最终特征。本发明首次使用了生成对抗网络提取特征，卷积计算利用了高光谱图像的空间信息和光谱信息，使用生成对抗网络的多层特征，有效提高了高光谱图像的分类精度，本发明在训练及特征提取中都未使用任何标签信息，属于完全无监督特征提取。本发明适用于各类高光谱图像的无监督特征提取。
-
公开(公告)号：CN112633334A
公开(公告)日：2021-04-09
申请号：CN202011451679.8
申请日：2020-12-09
申请人： 西安电子科技大学
摘要： 本发明实施例提供了一种基于卫星测运控资源规划调度的建模方法，包括以下步骤：S10、将卫星测运控资源规划与调度问题生成问题实例，将所有问题实例整合，构建实例库；S20、根据实例库建立三个尺度，由所述三个尺度确定表达单元；S30、根据所述实例库中的实例特征，确定问题特征；S40、根据所述表达单元及所述问题特征匹配问题模型，按照所述三个尺度的优先级进行匹配，得到建模结果。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.048 秒)
