“曹宏业”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]一种基于小波变换的红外图像与可见光图像融合的处理方法-CN202210702480.0在审
发明人：郑江滨;曹玉琪;曹宏业 -专利权人：西北工业大学
申请日： 2022-06-21 - 公布日： 2022-08-09 - 主分类号： G06T5/50 文献下载
摘要：可见光图像细节丰富，分辨率高，但是容易受到天气因素的干扰，红外图像因其红外成像的特点可有效避免天气的干扰。对两种图像融合时保留各自的有用信息，能够得到鲁棒性强且信息丰富的融合图像。传统的图像融合方法在选取融合规则时在低频和高频分量都采用平均值的融合规则，无法保持低频信息的全部优势，从而导致融合图像的对比度损失，使融合图像存在“水洗”现象。为弥补传统方法的缺点，本发明提出了一种基于小波变换的红外图与可见光图像融合的处理方法。将两种图像进行小波变换，在像素级别对低频和高频分量分别采用加权平均法和绝对值最大法融合规则进行融合，通过小波逆变换得到融合后的图像，能够保持可见光图像的纹理信息和红外图像的特征细节。本发明适用于红外图像与可见光图像的高质量融合。
一种基于变换红外图像可见光融合处理方法

[发明专利]一种基于ALBERT和LDA的跨域情感分类方法-CN202111382116.2在审
发明人：郑江滨;曹宏业 -专利权人：西北工业大学
申请日： 2021-11-22 - 公布日： 2022-03-25 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于ALBERT和LDA的跨域情感分类方法，首先进行模型训练与数据的预处理，使用训练数据集对ALBERT模型进行训练，得到用于对目标领域数据检测的ALBERT模型，同时，使用目标领域的数据集进行主题模型训练，得到用于文本主题信息提取的LDA模型；随后针对输入的文本信息进行处理，使用ALBERT对该数据进行处理，得到处理后的向量，同时将该文本输入至LDA模型进行主题信息检测，得到文本主题信息，将处理后的向量与文本主题信息进行结合，输入到一个自适应分类器之中进行情感分类，最终输出情感分类标签。本发明实现了多领域文本的分类，避免了扩充目标领域训练数据集的问题，提升了模型的训练时间，减少了空间复杂度。
一种基于 albert lda 情感分类方法

[发明专利]一种基于自适应半监督的语义相似度计算方法-CN202111382117.7在审
发明人：郑江滨;曹宏业 -专利权人：西北工业大学
申请日： 2021-11-22 - 公布日： 2022-03-18 - 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半监督的语义相似度计算方法，首先使用无标记数据集对无监督的语义相似度计算模型doc2vec进行训练，并使用该模型对无标记数据集进行伪标签的标记，得到伪标签标记数据集，将其整合至标记数据集，该数据集将用于监督模型Siamese LSTM模型的训练；随后将Siamese LSTM模型与doc2vec模型进行加权融合，使用自适应训练数据集对加权模型的进行训练，实现自适应权重的动态优化，从而构建出用于语义相似度计算的自适应半监督模型；最后使用该模型对数据对之间的语义相似度进行计算。本发明方法提升了文本相似度计算的准确率，保证了数据的可靠性。
一种基于自适应监督语义相似计算方法

[发明专利]一种基于BTM主题模型和Doc2vec的文本相似度计算方法-CN202110824750.0在审
发明人：郑江滨;曹宏业 -专利权人：西北工业大学
申请日： 2021-07-21 - 公布日： 2021-11-02 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种基于BTM主题模型和Doc2vec的文本相似度计算方法，首先进行数据预处理与基础模型训练，使用大规模语料库对基础Doc2vec模型进行训练，对待检测的文本数据，进行分词处理，用于下一阶段Doc2vec模型的数据输入；其次进行模型的数据训练处理，使用分词后的数据对Doc2vec模型进行训练，得到文本向量集合，同时使用BTM主题模型对待检测文本数据进行训练，得到文本主题集合。最后进行数据相似度的计算，在文本向量集合基础上，结合文本主题信息，得到主题向量集合，将文本向量与主题向量进行融合得到表征数据的距离向量，针对距离向量使用余弦相似度计算公式计算得到数据相似度值。本发明提出的检测模型提升了计算效率与文本之间相似度计算的准确度。
一种基于 btm 主题模型 doc2vec 文本相似计算方法

[发明专利]一种基于加权融合的Loc2vec模型的重复数据检测方法-CN202110824753.4在审
发明人：郑江滨;曹宏业;王寅隆 -专利权人：西北工业大学
申请日： 2021-07-21 - 公布日： 2021-11-02 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种基于加权融合的Loc2vec模型的重复数据检测方法，首先，在数据处理层，将语料文件进行分词处理，将其用于Doc2vec模型的训练，同时对待检测的源数据进行分词处理，用于下一阶段的重复数据检测；随后在编码分析层，构建出训练后的Doc2vec模型，将该模型与LCS算法加权融合，得到用于核心字段重复性检测的加权相似度计算模型Loc2vec模型，使用Loc2vec模型对分词后的待检测数据进行相似度计算；最后，对数据相似度计算结果进行分析，相似度大于80％认定为重复数据，从而实现重复性数据项的检测。本发明使用大规模语料库对深度神经网络模型doc2vec进行无监督训练，可以充分使用语料库内的语义信息，大大减少了人工标记的工作量，提升了重复数据检测的效率与准确率。
一种基于加权融合 loc2vec 模型重复数据检测方法

[发明专利]一种基于doc2vec模型与最小编辑距离的重复性数据检测方法-CN202110560489.8在审
发明人：郑江滨;曹宏业;杨洁 -专利权人：西北工业大学
申请日： 2021-05-21 - 公布日： 2021-08-24 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种基于doc2vec模型与最小编辑距离的重复性数据检测方法，首先，进行doc2vec模型的定义与训练，将语料文件进行分词处理后，将其用于模型训练，得到用于语义相似度检测的模型；随后，对结构化的数据进行数据字段的划分，明确核心字段以及辅助字段，针对核心字段进行语义相似度的计算，计算出语义最为相似的字符串集合，随后针对该集合使用最小编辑距离算法，计算出字符串的相似度，获取核心字段重复数据集；最后，结合辅助字段，辅助字段中存在一个内容重复的字段，则认定为重复数据项，从而实现重复性数据的检测。本发明的方法大大提升了数据查重的准确率，为信息核查提供了有力的支撑，保证了数据的可靠性，从而为数据建设提供了智能化辅助。
一种基于 doc2vec 模型最小编辑距离重复性数据检测方法

[发明专利]一种基于邻接表的最大频繁项集挖掘方法-CN201811621148.1在审
发明人：殷茗;王文杰;蒋丹;张煊宇;曹宏业;穆瑞;杨益;吴瑜 -专利权人：西北工业大学
申请日： 2018-12-28 - 公布日： 2019-05-21 - 主分类号： G06F16/2458 文献下载
摘要：本发明涉及一种基于邻接表最大频繁项集挖掘方法，同时借助了邻接表和哈希表结合的存储方式，以减少数据库的扫描次数和遍历的空间规模，并可以尽早修剪掉小于支持度阈值的项集，避免生成较长最大频繁项集的所有非空子集。该方法充分利用建立的邻接表，只需对原数据库扫描一次，具有时间复杂度低，消耗内存等优点。
邻接表最大频繁项集数据库扫描时间复杂度存储方式空间规模挖掘哈希表支持度遍历修剪内存消耗

1
共 7 条