-
公开(公告)号：CN116306694A
公开(公告)日：2023-06-23
申请号：CN202310079488.0
申请日：2023-01-29
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
IPC: G06F40/58 , G06F16/957
Abstract: 本发明公开了一种基于预训练的多模态机器翻译方法，包括：步骤S10：网页预处理，通过网络采集基于视觉特征的网页样本库；步骤S20：收集网页样本库的特征，通过自适应传感粒度的网页分割，形成关键内容特征数据库；步骤S30：对关键内容特征数据库进行数据预处理；步骤S40：根据关键内容特征提取的结果，利用分类器对网页数据信息进行判决，实现对传感数据信息的判断以及传感数据信息类型的判断。本发明通过采用由HTML标签对反映射DOM树内结构信息和网页视觉信息结合，全面地采集关键内容DOM的特征，通过自适应控制网页分割算法的分割粒度，使得分割后的数据信息更有效接近传感信息的真实情况，并利用分类器有效实现传感信息块的判决。
-
公开(公告)号：CN118948296A
公开(公告)日：2024-11-15
申请号：CN202411000473.1
申请日：2024-07-25
Applicant: 郑州轻工业大学
IPC: A61B5/346 , A61B5/349 , A61B5/355 , A61B5/358 , A61B5/366 , A61B5/00 , G16H50/20 , G16H50/30 , G16H50/50 , G06F18/10 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于分层多尺度特征和注意力机制的心梗辅助验证方法，依次包括以下步骤：A：获取患者的多导联心电信号并转化为单导联心电信号；B：对单导联心电信号分别进行预处理，获得预处理后的多导联心电信号；C：构建并训练基于分层多尺度特征和注意力机制的心肌梗死辅助筛查模型；D：将步骤B中获得的预处理后的多导联心电信号，利用上述模型输出的结果进行辅助验证。本发明能够有效解决现有基于心电图的心肌梗死筛查方法未充分考虑心电图导联内波形形态信息和导联间重要性关系的缺陷，从而提高心肌梗死辅助验证的准确性和鲁棒性。
-
公开(公告)号：CN117786492A
公开(公告)日：2024-03-29
申请号：CN202311826801.9
申请日：2023-12-28
Applicant: 郑州轻工业大学
IPC: G06F18/241 , G06F18/25 , G06F18/211 , G06V20/40 , G06V10/40 , G06V20/62 , G06N3/0442 , G06N3/0499 , G06N3/048 , G06N3/045
Abstract: 本申请提供一种多模态情感分析方法、系统、计算机设备及可读存储介质，涉及情感预测技术领域，该方法包括：将原始视频数据输入到特征提取模块，获得语境级模态表征；将所述语境级模态表征输入到去噪模块，获得去除噪声的模态表征；将所述去除噪声的模态表征输入到情感增强模块，获得情感增强模态表征；将所述去除噪声的文本模态表征、所述情感增强声学模态表征和所述情感增强视觉模态表征输入到上下文交互模块中，获得上下文交互增强模态表征；将所述上下文交互增强模态表征输入到情感预测模块，输出情感预测结果，从而可以提高情感预测的准确性。
-
公开(公告)号：CN112070023B
公开(公告)日：2022-08-16
申请号：CN202010939602.9
申请日：2020-09-09
Applicant: 郑州轻工业大学
IPC: G06V40/16 , G06V10/774 , G06V10/764
Abstract: 本发明提出了一种邻域先验嵌入型协同表示模式识别方法，用于解决现有人脸识别方法准确率偏低、鲁棒性差、泛化能力差、小样本过拟合的技术问题。其步骤为：首先，对人脸数据库中的人脸图像进行预处理，得到训练样本和测试样本；其次，根据训练样本和测试样本获取测试样本的近邻先验信息；然后根据测试样本的近邻先验信息构建基于邻域先验嵌入型协同表示模型；最后，对基于邻域先验嵌入型协同表示模型进行求解，得到最优编码系数向量，并根据最优编码系数向量对测试样本进行分类。本发明考虑样本的局部一致性信息的重要性，把获取的测试样本的近邻先验嵌入到原有的协同表示模型中，从而提高分类器的分类准确率和鲁棒性、防止过拟合。
-
公开(公告)号：CN114742149A
公开(公告)日：2022-07-12
申请号：CN202210356037.2
申请日：2022-04-06
Applicant: 郑州轻工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于补子空间的加权协同表示非均衡分类方法，用于对非均衡数据进行分类，包括以下内容：对总类别数为c的非均衡数据集进行预处理，得到目标训练样本集X和目标测试样本集；自适应地获取所述目标训练样本集X中各类训练样本子集的权重；基于补子空间确定加权协同表示分类模型；对所述加权协同表示分类模型进行求解，得到最优表示系数，并根据所述最优表示系数重构的误差预测所述目标测试样本集的类别。本发明将更具判别性的补子空间正则项引入到协同表示建模过程中，并且根据非均衡数据集的原始类别分布信息来自适应地获取每类的权重，从而赋予了少数类更大的权重，有效解决了现有的协同表示方法无法对少数类正确分类的问题。
-
Patent Agency Ranking
公开(公告)号：CN114741457A
公开(公告)日：2022-07-12
申请号：CN202210393806.6
申请日：2022-04-14
Applicant: 郑州轻工业大学
IPC: G06F16/28 , G06F16/215
Abstract: 本发明提供一种基于函数依赖和聚类的数据缺失值填补方法，包括：对待处理的数据集进行检查，获得完备数据子集和不完备数据子集；采用HYFD算法从完备数据子集中获得函数依赖集合，并对函数依赖进行升序排序；判断不完备元组中的缺失属性是否存在于函数依赖集合的RHS集合中；如果缺失属性存在于RHS集合中，利用完备数据子集中的完备元组对不完备元组进行填补；如果缺失属性不存在于RHS集中，通过改进的AP聚类算法对完备数据子集进行聚类处理的聚类簇；利用KNN算法对不完备元组进行处理，最后利用完备元组进行填补；本发明有效提高缺失值填补算法的准确性。
-
公开(公告)号：CN112633399A
公开(公告)日：2021-04-09
申请号：CN202011599214.7
申请日：2020-12-30
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种稀疏协同联合表示模式识别方法，用于解决在小样本且同类样本间个体差异较大的情况下TPTSR的第二阶段无法有效解决非均衡训练集的技术问题。其步骤为：首先，对人脸数据库中的图像进行预处理，得到训练样本和测试样本；其次，采用基于协同表示的搜索方法获取测试样本的K‑近邻训练样本；再将K‑近邻训练样本进行扩增后与训练样本、测试样本相结合，构建稀疏协同联合表示模型；最后，对稀疏协同联合表示模型进行求解，得到稀疏协同联合表示模型的最优表示系数向量，并根据最优表示系数向量计算测试样本的类别。本发明能够有效解决TPTSR无法在第二阶段的非均衡训练集上良好工作的问题，从而进一步提高了分类准确率、防止过拟合。
-
公开(公告)号：CN118153580A
公开(公告)日：2024-06-07
申请号：CN202410015531.1
申请日：2024-01-05
Applicant: 郑州轻工业大学
IPC: G06F40/30 , G06F16/33 , G06F16/335
Abstract: 本申请提供一种语义增强的多模态情感分析方法、系统、电子设备及存储介质，所述方法包括：将原始视频数据输入到特征提取模块，获得各个模态的特征向量；将各个模态的特征向量输入到语义增强模块，分别获得音频特征向量和视觉特征向量对应的文本特征向量，将对应的文本特征向量拼接到原文本特征向量上获得增强后的文本特征向量；将增强后的文本特征向量、音频特征向量和视觉特征向量输入到多模态感知模块，获取模态间高关联性的特征向量；在差异性约束条件下，获取不同模态之间的高差异性特征向量；将高关联性的特征向量和高差异性的特征向量拼接，获得融合特征向量；将融合特征向量输入到情感预测网络，输出情感预测结果。
-
公开(公告)号：CN116820468A
公开(公告)日：2023-09-29
申请号：CN202210320803.X
申请日：2022-03-21
Applicant: 郑州轻工业大学
Abstract: 本申请提供一种智能合约代码转化与检测方法、装置、设备和介质，通过对智能合约代码预处理；制定所述智能合约代码到Petri网转化的算法规则，据以分别将所述智能合约代码中的顺序结构、选择结构、循环结构、调用结构转化为Petri网结构；将得到的Petri网结构输入到PIPE工具以进行缺陷检测。本申请基于Petri网给出了一种适配PIPE分析工具的智能合约solidity代码模型自动建模与分析系统，在智能合约的代码编写完成，并上链部署前对智能合约代码进行自动化模型建模，通过模型描述其结构特征，然后根据得到的结构特征模型输入PIPE分析工具，进而对该智能合约的结构特征进行有界性、安全性和死锁等性质分析。
-
公开(公告)号：CN115204310A
公开(公告)日：2022-10-18
申请号：CN202210916347.5
申请日：2022-08-01
Applicant: 郑州轻工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应权重学习的判别性最小二乘非均衡分类方法，应用于机器学习技术领域，其步骤包括：首先，对非均衡数据集进行预处理，得到训练样本集和测试样本集；其次，自适应地获取每个训练样本的权重；再次，采用新的标签松弛技术扩大不同类别间的边距；然后，建立自适应权重学习的判别性最小二乘回归模型；最后，利用迭代法求解所述模型对测试样本进行类别预测。本发明综合考虑每个训练样本的类内和类外的近邻距离从而赋予少数类样本更大的权重，采用新的标签松弛技术进一步扩大不同类别间的边距，有效解决了现有的最小二乘回归模型及其改进方法无法对少数类精准分类的问题。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.05 seconds)
