“高蕴梅”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种课程教学资源推荐方法-CN202310275842.7在审
发明人： 高蕴梅;孙金娟 -专利权人：常熟理工学院
申请日： 2023-03-21 - 公布日： 2023-08-08 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种课程教学资源推荐方法，包括：建立课程教学资源推荐数据集，学习训练集中课程内容和课程教学资源的文本和图像特征，计算文本和图像特征之间的相似性矩阵；基于相似性矩阵和已有的打分样本，构建课程教学资源的低秩稀疏矩阵分解推荐模型，把打分矩阵分解为课程内容相关的低秩潜在矩阵和课程教学资源相关的稀疏潜在矩阵；利用随机数初始化低秩矩阵和稀疏矩阵，使用梯度下降法更新迭代优化低秩矩阵和稀疏矩阵，直到基于相似性矩阵、低秩矩阵和稀疏矩阵的目标函数收敛；提取测试数据中的课程内容特征，从打分矩阵的近似估计中查找与之对应的课程教学资源，并根据打分项排序后返回推荐列表。
一种课程教学资源推荐方法

[发明专利]一种基于显著稀疏表示和邻域信息的多聚焦图像融合方法-CN201910126869.3有效
发明人：谢从华;张冰;高蕴梅;刘在德 -专利权人：常熟理工学院
申请日： 2019-02-20 - 公布日： 2020-10-27 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于显著稀疏表示和邻域信息的多聚焦图像融合方法，具体步骤包括：步骤1，基于均匀网格划分图像块和向量化构建图像字典；步骤2，基于公共稀疏特征、显著稀疏特征和误差表示建立图像显著稀疏模型；步骤3，基于动态惩罚因子线性交替框架求解图像显著稀疏分解模型的公共稀疏特征、显著稀疏特征和误差等参数；步骤4，基于最大平衡化聚焦参数准则的标签融合；步骤5，基于源图像细节信息和邻域图像块统计信息优化标签融合；步骤6，基于优化标签融合重构图像。
一种基于显著稀疏表示邻域信息聚焦图像融合方法

[发明专利]一种基于深度学习和密度峰值聚类的图像检索方法-CN201811531567.6有效
发明人：谢从华;张冰;高蕴梅;马超 -专利权人：常熟理工学院
申请日： 2018-12-14 - 公布日： 2020-07-10 - 主分类号： G06F16/53 文献下载
摘要：本发明公开了一种基于深度学习和密度峰值聚类的图像检索方法，包括：基GoogeLeNet预训练模型提取图像的深度学习特征，构建基于局部核密度函数和最小局部核函数峰值距离参数阈值的密度峰值聚类方法，获得图像集的初始聚类类别数和划分子集信息。依据聚类类别数构建多组双层稀疏自动编码器的网络结构，基于聚类划分子集生成高斯分布随机数矩阵初始化多组双层稀疏自动编码网络参数、构造目标函数和估计多组双层稀疏自动编码器的参数。基于训练好的多组双层稀疏自动编码器提取图像集和待查图像的精细特征，对图像集的精细特征进行密度峰值聚类划分子集，在与待查图像精细特征最近的聚类划分子集中根据相似性原则实现图像检索等内容。
一种基于深度学习密度峰值图像检索方法

[发明专利]一种主动学习的肝脏损伤类别的图像检测方法-CN201611062637.9有效
发明人：谢从华;李菊;高蕴梅;张冰 -专利权人：常熟理工学院
申请日： 2016-11-28 - 公布日： 2019-04-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种主动学习的肝脏损伤类别的图像检测方法，具体步骤包括：步骤1，使用肝脏主动形状模型从腹部医学图像集中定位并提取肝脏目标区域；步骤2，定义和提取肝脏目标区域中像素点的方向模式特征向量和灰度幅度变化模式特征向量；步骤3，基于肝脏目标区域中像素点局部密度和到更大密度像素点最小距离二维空间的肝脏像素密度聚类中心定义和聚类划分；步骤4，基于肝脏像素密度聚类边缘、聚类中心和聚类划分的主动学习方法进行肝脏损伤类别的图像检测。
一种主动学习肝脏损伤类别图像检测方法

[发明专利]一种小样本条件下医学图像自动标注方法-CN201510631721.7有效
发明人：谢从华;高蕴梅;周思林;刘永俊;乔伟伟 -专利权人：常熟理工学院
申请日： 2015-09-29 - 公布日： 2017-12-05 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种小样本条件下医学图像自动标注方法，包括构建小样本医学图像组织器官的形状标记点的稠密线性回归模型和稀疏线性回归模型，合成其他位置对应的样本图像组织器官的形状标记点；构建小样本医学图像组织器官的形状标记区域的仿射变换模型，合成其他位置对应的样本图像组织器官的纹理；对新合成样本和原有样本图像的组织器官进行主成份分析，生成组织器官的形状和纹理可变模型；在待标注的图像上使用霍夫投票学习方法的初始定位，依据组织器官的形状和纹理可变模型的平移、旋转和缩放比等参数的收敛性自动标注图像内容。
一种样本条件下医学图像自动标注方法

[发明专利]一种最优对比度和最小信息损失的图像去雾方法-CN201410504518.9有效
发明人：谢从华;黄晓华;高蕴梅;乔伟伟;常晋义 -专利权人：常熟理工学院
申请日： 2014-09-26 - 公布日： 2017-04-26 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种最优对比度和最小信息损失的图像去雾方法，其特征在于该方法利用利用高斯混合模型，四分树，最大化对比度和最小信息损失等函数实现了图像去雾方法。首先，基于高斯混合模型和期望值最大算法把图像分割成天空区域和非天空区域两类；其次，从图像的天空区域采用四分树迭代方法估计大气散射模型的大气光照强度；再次，对图像的非天空区域采用网格划分的方法分块，利用最大化对比度和最小信息损失的函数计算每个网格单元的大气光照模型的传播率；基于常系数和非天空区域的最优传播率估计天空区域的传播率；最后，合并输出天空区域和非天空区域的恢复图像。
一种最优对比度最小信息损失图像方法

[发明专利]一种医学图像对象形状模板标记点的自动生成方法-CN201310322875.9有效
发明人：谢从华;高蕴梅;周思林;刘永俊;常晋义 -专利权人：常熟理工学院
申请日： 2013-07-29 - 公布日： 2013-10-09 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种医学图像对象形状模板标记点的自动生成方法，包括以下步骤：(一)计算医学图像的灰度直方图h1的高斯核回归平滑函数s1和带有空间信息的灰度直方图h2的高斯核回归平滑函数s2；(二)使用灰度直方图的高斯核回归平滑函数s1和带有空间信息的灰度直方图的高斯核回归平滑函数s2构造医学图像的一维粗糙度函数，将一维粗糙度函数的局部最小值对应的灰度值作为阈值，并进行医学图像的多阈值分割；(三)选取多阈值分割的边缘区域结果，计算边缘区域结果的二维核密度估计函数；(四)在步骤（三）的二维核密度估计函数上搜索密度函数的局部最大值对应的像素点，输出这些像素点作为医学图像对象形状模板的标记点。
一种医学图像对象形状模板标记自动生成方法