“董祥军”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38个，建议您升级VIP下载更多相关专利

[发明专利]面向不平衡数据的自步半监督集成分类器训练方法及系统-CN202311145834.7在审
发明人：管红娇;鹿文鹏;董祥军;赵龙;任晓强;陈川 -专利权人：山东省计算中心（国家超级计算济南中心）
申请日： 2023-09-07 - 公布日： 2023-10-20 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种面向不平衡数据的自步半监督集成分类器训练方法及系统，其属于数据处理技术领域，该方案通过结合分类器和加权k近邻确定安全的伪标注样本，来提高伪标注样本的质量；然后，使用基于聚类的自步学习选择伪标注样本，有效提高添加的伪标注样本的多样性并缓解错误积累；最后，利用增强后的平衡样本集训练基分类器并集成，来缓解由不平衡的类分布造成的分类器偏差，特别是对于医疗领域的图像分类、征信风险评估领域的风险评估等经常存在数据样本不平衡的情况下，能够有效保证训练后分类器分类结果的准确性。
面向不平衡数据监督集成分类训练方法系统

[发明专利]基于机器学习方法的跨域小样本学习高光谱图像分类方法-CN202310725712.9在审
发明人：赵桂新;曹梦馨;董祥军 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-06-19 - 公布日： 2023-10-13 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于机器学习方法的跨域小样本学习高光谱图像分类方法，涉及高光谱遥感图像分类技术领域。本发明包括以下步骤：S1：获取源域标记样本数据集SL、目标域标记样本数据集TL和测试数据集Te；S2：构建深度神经网络；S3：利用源域标记样本数据集SL对深度神经网络进行训练得到深度神经网络初始模型，而后利用目标域标记样本数据集TL对深度神经网络初始模型再次进行训练，得到深度神经网络最终模型；S4：构建测试网络，利用测试网络对测试数据集Te进行分类，得到最终测试结果。本申请更好地实现跨域小样本学习，能够获得更为充分的具有光谱细节特征的语义信息和局部细节光谱特征，有效提高图像分类效果。
基于机器学习方法跨域小样本学习光谱图像分类方法

[发明专利]一种城市流量预测方法-CN202310693759.1有效
发明人： 董祥军;张旭;鹿文鹏;赵龙 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-06-13 - 公布日： 2023-10-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及智慧城市领域，特别公开了一种城市流量预测方法。该城市流量预测方法，具体包括如下步骤：对城市流量数据按时间顺序以窗口滑动方式进行划分，并构造时空随机遮掩数据和序列打乱数据；利用时空随机遮掩编码器EncM进行时空随机遮掩预训练；利用全局与局部相结合的注意力模块EncC进行序列顺序对比学习预训练；将时空随机遮掩预训练中自注意力模块产生的注意力权重处理为城市区域间相关性系数，利用图处理模块增强空间相关性捕捉能力；将预训练模块与图处理模块融合，构建时空融合预测模块，进行预测训练。本发明为两种预训练模块设计了合适的解码器，通过对不同角度捕获的时空特征进行解码，从而对下一时刻的城市流量进行预测。
一种城市流量预测方法

[发明专利]基于对比学习的疾病分类ICD自动编码方法和装置-CN202310801045.8在审
发明人：鹿文鹏;赵直倬;张鑫;张国标;管红娇;董祥军 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-07-03 - 公布日： 2023-09-29 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了基于对比学习的疾病分类ICD自动编码方法和装置，属于自然语言处理及人工智能领域。本发明要解决的技术问题为如何使用自然语言处理技术为患者的电子病历文本匹配相对应的诊断编码即疾病分类编码，以减少医疗人员的工作量，提高自动编码匹配正确率，提高匹配速度，采用的技术方案为：①一种基于对比学习的疾病分类ICD自动编码方法，该方法包括如下步骤：S1、构建ICD自动编码模型训练数据集；S2、构建ICD自动编码模型；S3、训练ICD自动编码模型。②一种基于对比学习的疾病分类ICD自动编码装置，该装置包括，ICD自动编码模型训练数据集构建单元、ICD自动编码模型构建单元、ICD自动编码模型训练单元。
基于对比学习疾病分类 icd 自动编码方法装置

[发明专利]基于双重自步学习的不平衡征信数据风险评估方法及系统-CN202310067258.2有效
发明人：管红娇;董祥军;陈川;赵龙;任晓强 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-01-16 - 公布日： 2023-09-12 - 主分类号： G06Q40/03 文献下载
摘要：本发明提出了基于双重自步学习的不平衡征信数据风险评估方法及系统，涉及数据评估领域，对原始征信样本集进行样本难度计算，进而得到样本难度的概率密度函数；根据样本难度的概率密度函数，分别对高风险样本和低风险样本进行多次自步上采样和自步下采样，生成多个样本数量平衡的征信样本集；基于多个征信样本集，训练多个基分类器，将基分类器融合得到风险评估模型；通过风险评估模型对待评估的征信数据进行风险类型预测，以生成并输出风险类型；本发明采用自步上采样和自步下采样分别处理高风险和低风险征信样本，得到平衡征信样本集，训练最终的风险评估模型，用于评估某个征信用户为高风险或低风险，提高对不平衡的征信数据的分类准确率。
基于双重学习不平衡数据风险评估方法系统

[发明专利]基于机器学习及局部和全局特征融合的遥感图像分类方法-CN202310537406.2有效
发明人：赵桂新;曹梦馨;董祥军 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-05-15 - 公布日： 2023-08-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于机器学习及局部和全局特征融合的遥感图像分类方法，涉及高光谱遥感图像分类技术领域。本发明包括以下步骤：S1：构建机器学习架构；S2：获取高光谱数据集，并从高光谱数据集获得训练集和测试集；S3：训练机器学习架构结构；S4：利用测试集对步骤S3得到的训练好的机器学习架构模型进行测试，获取图像分类结果。本申请通过对深层局部特征以及全局特征的提取，能够获得更全面的特征用于最终的分类，分类效果佳，经测试，本申请所述的图像分类方法的总体精度OA、平均精度AA、卡帕系数KAPPA分别能够达到84.36%、91.44%、0.8223。
基于机器学习局部全局特征融合遥感图像分类方法

[发明专利]基于对比学习的医疗问题摘要生成方法和装置-CN202310496321.4在审
发明人：鹿文鹏;魏斯博;张国标;管红娇;董祥军;张维玉 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-04-27 - 公布日： 2023-08-01 - 主分类号： G06F16/34 文献下载
摘要：本发明公开了一种基于对比学习的医疗问题摘要生成方法和装置，属于人工智能、自然语言处理领域。本发明要解决的技术问题为如何使用自然语言处理技术，为较长的患者健康问题自动生成简短的摘要，以便于在标准问答数据库中检索与之匹配的常见问题。采用的技术方案为：①一种基于对比学习的医疗问题摘要生成方法，该方法包括如下步骤：S1、构建医疗问题摘要生成数据集；S2、构建困难负样例；S3、构建医疗问题摘要生成模型；S4、训练医疗问题摘要生成模型。②一种基于对比学习的医疗问题摘要生成装置，该装置包括：医疗问题摘要生成数据集构建单元、困难负样例构建单元、医疗问题摘要生成模型构建单元及医疗问题摘要生成模型训练单元。
基于对比学习医疗问题摘要生成方法装置

[发明专利]一种基于影响度的负序列模式分析系统及方法-CN202211713272.7在审
发明人： 董祥军;崔凤玲;郭莹 -专利权人：齐鲁工业大学
申请日： 2022-12-19 - 公布日： 2023-06-27 - 主分类号： G06Q30/0201 文献下载
摘要：本发明公开了一种基于影响度的负序列模式分析系统，包括数据预处理模块，用于获取数据、进行预处理，并存入到数据库；频繁模式挖掘模块，根据用户设置的最小支持度阈值，在数据集中挖掘频繁模式；影响度分析模块，用于对频繁模式挖掘模块得到的正和负频繁模式分别进行影响度计算，选取出满足影响度约束的频繁模式；图形化界面表示模块，用于将影响度分析模块的挖掘结果在系统的图形化界面上进行表示。并公开了对应的分析方法。本发明根据直播购物交易序列数据库,使用基于影响度的负序列模式挖掘算法，将真正有趣的直播购买信息通过图形化界面的方式提供给用户，且用户可根据自己的意愿在挖掘结果中选择有趣的序列模式进行展示。
一种基于影响序列模式分析系统方法

[发明专利]一种基于校园数据的负序列规则影响度分析系统及方法-CN202310024876.9在审
发明人： 董祥军;崔凤玲 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-01-09 - 公布日： 2023-05-23 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于校园数据的负序列规则影响度分析系统及方法，系统包括数据预处理模块，频繁模式挖掘模块，面向影响的序列规则挖掘模块，缺失项的贡献度、影响度分析模块以及图形化界面表示模块，通过所述系统对数据预处理后挖掘正和负频繁序列模式，然后进一步挖掘所有面向影响的序列规则，对面向影响的负序列规则中的缺失项进行影响度分析，计算得到序列规则前件内缺失的某一项或者某几项对结果发生的贡献度与影响度，然后在图形化界面上进行表示。本发明基于学生校园序列数据挖掘面向影响的负序列规则，并对面向影响的负序列规则前件内有关缺失项对结果的影响进行计算，可以更全面具体地分析影响学生学业表现的因素及其影响规律。
一种基于校园数据序列规则影响分析系统方法

[发明专利]基于多重一致性约束的单帧图像超分辨率重建方法-CN201910728888.3有效
发明人：赵盛荣;梁虎;董祥军 -专利权人：齐鲁工业大学
申请日： 2019-08-08 - 公布日： 2023-05-12 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及基于多重微分一致性约束和对称冗余网络的单帧图像超分辨率重建方法，包括：S1建立低分辨率图像和高分辨率图像之间的一致性对应关系，通过获取0阶梯度、1阶梯度和2阶梯度，分别建立关于结构、边缘和纹理的观测模型，即一致性约束模型；S2：根据所需重建图像的种类，构建高分辨率图像和低分辨率图像之间在结构、边缘和纹理层面上的对应训练集；S3：建立基于对称冗余深度神经网络的训练模型，获得高分辨率图像和低分辨率图像之间的映射关系。S4：利用半二次迭代方法将步骤S1的一致性约束模型和步骤S3的先验约束建立超分辨率重建模型，并进行求解，得到重建后的超分辨率图像。
基于多重一致性约束图像分辨率重建方法

[发明专利]基于深度学习的线虫短期姿态行为预测方法及系统-CN202211476284.2在审
发明人： 董祥军;李宁;陈维洋 -专利权人：齐鲁工业大学
申请日： 2022-11-23 - 公布日： 2023-03-21 - 主分类号： G06V40/20 文献下载
摘要：本发明属于图像处理领域，提供了一种基于深度学习的线虫短期姿态行为预测方法及系统，包括获取线虫原始图像并进行预处理，得到预处理后的线虫图像；基于预处理后的线虫图像，进行线虫轮廓提取，得到线虫轮廓图像；根据线虫轮廓图像计算线虫形状向量，得到标准化的线虫形状向量序列；基于标准化的线虫形状向量序列，利用预先训练好的线虫姿态形状预测模型进行线虫姿态预测，得到线虫姿态短期姿态行为预测结果；本发明提供一种形状描述方法，用于定量的描述和刻画线虫的身体形状，可以简化线虫的行为和身体姿势，并且保证了线虫身体形状的唯一性，提高模型预测的准确性。
基于深度学习线虫短期姿态行为预测方法系统

[发明专利]基于深度学习和迭代特征融合的线虫图像分割方法及系统-CN202211476344.0在审
发明人： 董祥军;李宁;陈维洋 -专利权人：齐鲁工业大学
申请日： 2022-11-23 - 公布日： 2023-03-21 - 主分类号： G06V10/26 文献下载
摘要：本发明属于图像处理领域，提供了一种基于深度学习和迭代特征融合的线虫图像分割方法，包括获取线虫原始图像并进行预处理，得到预处理后的线虫图像；基于预处理后的线虫图像，利用预先训练好的线虫图像分割模型进行图像分割，得到线虫分割结果图；其中，所述线虫图像分割模型，包括编码器和解码器，所述编码器包括残差神经网络、多尺度空洞卷积池化金字塔网络以及特征拼接模块；所述多尺度空洞卷积池化金字塔网络包括多层空洞卷积层和一层图像池化层；所述解码器包括底层特征融合模块；本发明提取多尺度特征，提升了分割效果的同时，也关注了边缘的信息。
基于深度学习特征融合线虫图像分割方法系统

[发明专利]一种基于两阶段深度特征选择的癌症基因分类方法、设备及存储介质-CN202110196365.6有效
发明人： 董祥军;胡艳羽 -专利权人：齐鲁工业大学
申请日： 2021-02-22 - 公布日： 2023-02-28 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及一种基于两阶段深度特征选择的癌症基因分类方法、设备及存储介质，包括：A、训练癌症基因分类模型：(1)获取训练数据：第一阶段：集成三种特征选择算法进行全面特征选择，得到特征子集；第二阶段：使用非监督神经网络获得特征子集最佳表示；(2)将特征子集最佳表示分为训练集和测试集，输入神经网络中进行训练；B、癌症基因分类：将待检测癌症基因数据预处理后输入训练好的癌症基因分类模型，实现癌症基因分类。本发明通过使用集成特征选择方法，实现考虑各个方面进行特征选择；并通过使用非监督神经网络提取特征最佳表示，获得更为干净的基因特征，提高分类精度。
一种基于阶段深度特征选择癌症基因分类方法设备存储介质

[发明专利]基于文本处理的方面级可解释深度网络评分预测推荐方法-CN202011038985.9有效
发明人：张天蔚;程志勇;舒明雷;董祥军 -专利权人：齐鲁工业大学
申请日： 2020-09-28 - 公布日： 2023-02-07 - 主分类号： G06F16/33 文献下载
摘要：一种基于文本处理的方面级可解释深度网络评分预测推荐方法，通过深入挖掘用户与物品之间在方面级层面上的关联，从而进行精准的、可解释强的评分预测工作，方面级指的就是用户对物品作出评价时所关注的角度。通过深入挖掘用户与物品之间在方面级层面上的关联，可以有效刻画该用户的关注习惯，亦可以从多种角度描述该物品，这些最终都可以体现到评论的文本内容中，被人们直观的理解。在传统的协同过滤推荐思想之上，利用卷积神经网络抽取评论文本中的特征向量作为辅助信息参与评分预测推荐，提升了评分预测推荐效果，从而提高了推荐系统的可解释性。
基于文本处理方面可解释深度网络评分预测推荐方法

[发明专利]一种基于具有图像细节保护能力的非局部双边滤波的椒盐噪声去除方法-CN201910777064.5有效
发明人：梁虎;赵盛荣;董祥军 -专利权人：齐鲁工业大学
申请日： 2019-08-22 - 公布日： 2023-01-31 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于具有图像细节保护能力的非局部双边滤波的椒盐噪声去除方法，包括步骤如下：S1、遍历图像，利用mask矩阵记录噪声点位置；S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。本发明利用NASMF将椒盐噪声转化为类高斯噪声，然后利用自适应非局部高斯滤波算法去除噪声，根据图像非局部细节特征，自适应的趋向于l1范数或者l2范数，从而达到保护边缘和纹理细节的结果。
一种基于具有图像细节保护能力局部双边滤波椒盐噪声去除方法

1
2
3
下一页»
尾页
共 38 条