“强保华”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果67个，建议您升级VIP下载更多相关专利

[发明专利]一种全交叉视角文本匹配方法及存储介质-CN202310719162.X在审
发明人：王玉峰;王岳萌;李培瑶;陈金勇;席广勇;强保华 -专利权人：中国电子科技集团公司第五十四研究所;桂林电子科技大学
申请日： 2023-06-16 - 公布日： 2023-10-24 - 主分类号： G06F18/22 文献下载
摘要：本发明公开了一种全交叉视角文本匹配方法，所述方法首先通过分词技术中的字符模式、精确模式、全模式、搜索引擎模式以及Paddle模式共五种语义划分模式提取文本中的字符、词语以及关联短语三种文本粒度信息，每一种划分模式的划分结果为文本的一种表征，针对文本的五种表征进行初始编码，采用双向门循环控制单元初步提取编码中的上下文语义信息。然后将五种表征下的初始编码向量重构为高维编码矩阵，并利用卷积神经网络深度挖掘高维矩阵中的特征信息，有效捕获文本的多表征语义，同时提升各表征之间的信息交互性。最后通过全交叉视角匹配模式将两个文本的多表征卷积矩阵进行交叉余弦匹配，强化多表征信息的匹配力度，进而总体提升文本匹配任务的准确率。
一种交叉视角文本匹配方法存储介质

[发明专利]车辆、船舶的航迹融合方法及存储介质-CN202310723949.3在审
发明人：李凯;李祥民;李宝莲;王元春;强保华;郭志文;唐峰 -专利权人：中国电子科技集团公司第五十四研究所;桂林电子科技大学
申请日： 2023-06-19 - 公布日： 2023-09-15 - 主分类号： G06F18/25 文献下载
摘要：本发明公开了一种车辆、船舶的航迹融合方法：首先，对目标航迹的测量数据和真实数据进行预处理，通过逐步回归算法确定图确定数据图的大小，然后把一维的航迹点数据装配成二维的航迹数据图，以达到批量处理测量数据的目的，同时也能捕获航迹点数据之间的运动关联性。其次，通过CIN网络结构挖掘特征之间的交互关系以及数据间的空间特征，然后将CIN的输入作为Informer模块的输入，通过Informer模块挖掘数据间的时序特征，最后通过LSTM模块进行微调，得到融合结果。最终，训练模型并得到模型文件，在验证集上完成航迹融合任务。本发明能够快速处理庞大的航迹测量数据并精准计算出航迹融合结果，提高航迹融合的精度。
车辆船舶航迹融合方法存储介质

[发明专利]一种智能问答方法及存储介质-CN202310468927.7在审
发明人：王玉峰;滕可亮;王岳萌;李培瑶;陈金勇;强保华 -专利权人：中国电子科技集团公司第五十四研究所;桂林电子科技大学
申请日： 2023-04-27 - 公布日： 2023-09-05 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种智能问答方法，所述方法包括基于所选专业领域问题的问答数据构建意图识别数据集和语义匹配数据集，基于意图识别数据集构建意图识别模型以及基于语义匹配数据集构建语义匹配模型。本发明采用对比学习技术拉近正样本对之间的距离并拉远负样本对之间的距离，提高了意图识别的准确性；采用图卷积神经网络技术将句法特征与BERT获得的文本特征进行融合，提升了模型对问题文本的语义表征能力，提高了语义匹配效果。
一种智能问答方法存储介质

[发明专利]语义细分及模态对齐推理学习跨模态检索方法及检索系统-CN202310684445.5在审
发明人：李宝莲;李培瑶;孙苹苹;朱良彬;韩博;谢海瑶;强保华;李忠涛;赵建 -专利权人：中国电子科技集团公司第五十四研究所;桂林电子科技大学
申请日： 2023-06-09 - 公布日： 2023-08-18 - 主分类号： G06F16/583 文献下载
摘要：本发明提供了一种语义细分及模态对齐推理学习跨模态检索方法、检索系统，本发明的语义细分及模态对齐推理学习跨模态检索方法包括如下步骤：将预训练后得到的原始模态特征基于缩放点积注意力进行模态对齐，以实现为原始特征重新聚合投影模态对齐特征；将上述步骤形成的所述模态对齐数据通过权重共享的多层感知机后，再采用语义近似匹配与正确匹配的方法实现对于相同类别标签簇的语义正确匹配与近似匹配挖掘；采用Arc4cmr损失函数、相互监督对比损失函数、图文特征相似度矩阵和相似标签矩阵间的对比损失函数进行模型约束。本发明的跨模态检索方法进一步提升了跨模态检索的准确性。
语义细分对齐推理学习跨模态检索方法检索系统

[发明专利]一种基于生成对抗网络的风机叶片故障检测方法-CN202010546316.6有效
发明人：赵计生;米路中;强保华;陈锐东;谢元;范婧;郭强;张艳萍 -专利权人：国能信控互联技术有限公司
申请日： 2020-06-15 - 公布日： 2023-08-18 - 主分类号： G06V10/764 文献下载
摘要：一种基于生成对抗网络的风机叶片故障检测方法，首先，利用无人机等设备采集风机叶片图像；其次，利用生成对抗网络对已标注的风机叶片图像构建生成遮挡和形变的生成器和风机叶片故障检测辨别器，扩充已标注风机叶片图像数据集，并且通过生成器和辨别器之间的对抗，提高风机叶片故障检测辨别器的辨别性能；最后，将待检测风机叶片图像输入风机叶片故障检测辨别器，获取检测类别结果。本发明可以较好地检测风机叶片是否故障，方便管理人员做出相应的处理，有效提高工作人员的效率。
一种基于生成对抗网络风机叶片故障检测方法

[发明专利]基于滑窗特征的风机主轴故障预测方法-CN202110532763.0有效
发明人： 强保华;李龙戈;谢元;陈金龙;刘玲芝 -专利权人：桂林电子科技大学
申请日： 2021-05-17 - 公布日： 2023-06-20 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于滑窗特征的风机主轴故障预测方法，主要包括：(1)采用如XGBoost、GBDT、CatBoost、LightGBM算法等模型进行特征的自动选择以及特征的非线性转换；(2)使用原始风机特征训练风机的时序特性问题，对风机时间特征进行提取，并将数据集进行分割切片。(3)基于滑动窗口对故障标签、风机状态特征处理，完成滑窗特征的构造。(4)采用stacking集成策略，对各个模型的预测结果进行加权计算。本发明设计了一系列可以表征当前风机运行状态的滑窗特征，通过构造滑窗特征的方式解决风机特征单一和故障状态缓变特性问题，最后将融合滑窗特征后的模型与使用原始风机特征训练的模型进行对比，显现出预测效果有一定程度的提升。
基于特征风机主轴故障预测方法

[发明专利]基于地理区域的社交网络最大影响力节点选取方法-CN202010639752.8有效
发明人：谢武;高爽;强保华;崔梦银 -专利权人：桂林电子科技大学
申请日： 2020-07-06 - 公布日： 2023-05-23 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于地理区域的社交网络中最大影响力节点的选取方法，所述方法将大型社交网络结构与地理信息相结合，采用四叉树索引与最大影响力树结构相结合的算法，选取查询区域内影响力最大的节点集，本发明可以高效选取出地理区域中影响力最大的种子节点集合。其中，使用四叉树索引结构来存储网络节点的位置信息，并使用深度优先搜索方法来识别给定查询区域中的候选对象；使用最大影响树状结构(MIA)计算每个候选节点的影响集并运行动态规划算法计算所有候选节点的影响力；再根据排序迭代弹出最大堆中具有最大影响值的候选节点作为最大影响力种子节点。
基于地理区域社交网络最大影响力节点选取方法

[发明专利]一种自动化风机叶片故障检测方法及系统-CN202210486958.0有效
发明人：赵计生;米路中;强保华;陶晓玲;李金洋;萨仁花;张艳萍 -专利权人：国能信控互联技术有限公司
申请日： 2022-05-06 - 公布日： 2023-05-16 - 主分类号： F03D17/00 文献下载
摘要：本发明提出了一种自动化风机叶片故障检测方法及系统。本发明通过对多个模态数据的采集、预处理和特征提取获得每个模态的特征表示，并通过采集的监测数据完成多模态特征域的监督式学习，完成对多个模态数据的信息融合过程。多种模态数据的综合使用和相互补充，保障了该方法全天候的实时数据采集与建模能力，具有一定的适用性及鲁棒性。此外，通过虚警可控的阈值策略对梯度提升树模型的输出进行判决，能够对突变性故障及渐变性故障进行及时预警，利于风机叶片故障的早期发现。
一种自动化风机叶片故障检测方法系统

[发明专利]2D激光与深度图像融合的数据对齐修复方法及系统-CN202011519696.0有效
发明人：杨明浩;瞿元昊;强保华;张家清 -专利权人：中国科学院自动化研究所;桂林电子科技大学
申请日： 2020-12-21 - 公布日： 2023-04-07 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种2D激光与深度图像融合的数据对齐修复方法及系统，所述数据对齐修复方法包括：提取在相同时刻对相同目标采集的2D激光数据和深度图像数据；确定在2D激光数据与深度图像数据中相似度值最高的序列数据；根据相似度值最高的序列数据，确定所述序列数据中的空洞区域和/或毛刺区域，并基于所述序列数据修复空洞区域和/或毛刺区域。本发明基于时间戳提取相同时刻2D激光数据和深度图像数据，筛选出相似度值最高的序列数据，利用序列数据的相关性将有效序列的变化趋势移植到另一模态的无效数据区间，得到新的修复序列，修复的序列能够增强2D激光地图和深度图像的可视化效果，使两种传感器数据得以互相弥补。
激光深度图像融合数据对齐修复方法系统

[发明专利]融合语义信息和多级相似性的深度哈希图像检索方法-CN201910211486.6有效
发明人：冯永;沈一鸣;尚家兴;强保华 -专利权人：重庆大学;桂林电子科技大学
申请日： 2019-03-20 - 公布日： 2023-03-28 - 主分类号： G06F16/58 文献下载
摘要：本发明公开了一种融合语义信息和多级相似性的深度哈希图像检索方法，包括以下步骤；S1，构建图像数据库；S2，构建标签向量矩阵和语义向量矩阵；S3，构建相似度矩阵；S4，搭建深度哈希神经网络模型，将原始图像转换为近似哈希向量；S5，构建对相似图片哈希向量的海明距离有下界约束的损失函数；S6，对搭建的深度哈希神经网络模型进行训练；S7，构建图像的哈希向量数据库；S8，将待检索图像的哈希向量与哈希向量数据库里的向量进行对比，以找出相似的图像。本发明通过融合语义信息，提高了图像检索的精度；并通过约束两张相似图片所对应哈希向量间的海明距离的下界，提高了检索性能。
融合语义信息多级相似性深度希图检索方法

[发明专利]融合三元组损失和生成对抗网络的多标签图像检索方法-CN201910605728.X有效
发明人：冯永;黄嘉琪;强保华;尚家兴;刘大江 -专利权人：重庆大学;桂林电子科技大学
申请日： 2019-07-05 - 公布日： 2023-03-24 - 主分类号： G06V10/774 文献下载
摘要：本发明提供了一种融合三元组损失和生成对抗网络的多标签图像检索方法，其包括步骤：搭建深度学习框架，部署生成对抗网络模型；输入图像数据集至生成对抗网络模型中以获取多标签图像和三元组数据；基于多标签图像构建三元组损失函数；从图像数据集中选取第一图像对深度哈希编码网络进行训练以获取完成训练的深度哈希编码网络；从图像数据集中选取预设数量的第二图像，将第二图像输入完成训练的深度哈希编码网络以获取哈希向量数据库；将需要检索的第一图像输入完成训练的深度哈希编码网络以检索出与第一图像相似的第二图像。本发明通过使用生成对抗网络生成与数据集样本相似的多标签生成图片，扩充了训练数据量，提高了图像的检索速度和精度。
融合三元损失生成对抗网络标签图像检索方法

[发明专利]一种跨模态检索方法以及检索系统-CN202211322568.6在审
发明人： 强保华;孙苹苹;杨先一;席广勇;陈锐东 -专利权人：桂林电子科技大学
申请日： 2022-10-27 - 公布日： 2023-01-03 - 主分类号： G06F16/43 文献下载
摘要：本发明提供了一种跨模态检索方法以及检索系统，所述检索方法包括：采用CLIP预训练模型对特征进行编码，获得包括原始图像以及文本的原始模态特征；将所述原始模态特征进行注意力对齐处理得到模态对齐数据以实现原始模态互相之间的语义相关；将上述步骤形成的所述模态数据通过权重共享的多层感知机以保持模态的不变性；利用Arc4cmr损失函数将最终得到的特征数据分布到归一化超球面上进行类别边界约束。本发明的跨模态检索方法使得成对的图像与文本的公共表示尽可能相近，实现同时增强类内紧性和类间差异性。
一种跨模态检索方法以及检索系统

[发明专利]一种目标检测方法以及检测系统-CN202211328913.7在审
发明人： 强保华;刘玲芝;杨先一;张世豪 -专利权人：桂林电子科技大学
申请日： 2022-10-27 - 公布日： 2022-12-27 - 主分类号： G06V10/82 文献下载
摘要：本发明提供了一种目标检测方法以及检测系统，所述检测方法包括：采用主干特征提取网络，对输入的图片进行特征提取得到特征图；对所述特征图进行多分支空洞卷积注意力处理，加强感兴趣信息的特征表示，经过双向特征金字塔结构，丰富不同层级的特征信息；利用所述双向特征金字塔结构产生的多尺度特征对目标的位置和类别进行预测。本发明的目标检测方法，通过多尺度注意力特征金字塔网络和广义交并比损失函数(GIoU)，捕获多尺度上下文信息，将高层特征和低层特征有效融合，丰富不同层级的特征信息，使模型更加准确地定位和识别感兴趣的物体，从而进一步提高目标检测的精度。
一种目标检测方法以及系统

[发明专利]基于孪生交互和微调表示的中文语义匹配方法-CN202211083256.4在审
发明人： 强保华;席广勇;王玉峰;李宝莲;陈金勇 -专利权人：桂林电子科技大学;中国电子科技集团公司第五十四研究所
申请日： 2022-09-06 - 公布日： 2022-11-15 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于孪生交互和微调表示的中文语义匹配方法，首先以RoBERTa‑WWM‑EXT预训练模型完成文本的向量初始化，针对初始特征向量构造内嵌了软对齐注意力机制(SA‑Attention)和BiLSTM训练层的孪生结构，用以增强句对之间的语义交互性。其次将两个待匹配文本连接起来接入RoBERTa‑WWM‑EXT预训练模型进行向量化，将连接的向量化结果输入LSTM‑BiLSTM网络层做增强训练，用以强化句子内部的上下语义关系。然后搭建可微调RoBERTa‑WWM‑EXT初始向量的训练模型，用以产生经过标签监督微调的文本向量，从而进一步增强向量对文本间语义关系的表示力度，最终达到提升中文语义匹配准确率的目的。
基于孪生交互微调表示中文语义匹配方法

[发明专利]基于自适应滑动窗口GAN的用户行为安全检测方法-CN202110242716.2有效
发明人：陶晓玲;陈隆生;赵峰;卢深;符廉铕;强保华 -专利权人：桂林电子科技大学
申请日： 2021-03-05 - 公布日： 2022-11-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自适应滑动窗口GAN的用户行为安全检测方法，利用Spark平台对获取的用户数据进行并行化处理，并使用GAN分别训练不同时间窗口下的正常用户行为模型；利用当前窗口长度处理获取的待检测数据，并将当前时刻的所述待检测数据与上一时刻数据做属性相似度计算；利用所述正常用户行为模型根据计算出的相似度值进行检测，并将得到的异常评分与设定的阈值进行比较，判断当前时间段是否正常，使用GAN作为无监督的异常行为检测器，结合使用自适应滑动窗口技术对时序数据进行处理，提高了检测准确率。
基于自适应滑动窗口 gan 用户行为安全检测方法

1
2
3
4
5
下一页»
尾页
共 67 条