专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果8176197个,建议您升级VIP下载更多相关专利
  • [发明专利]深度迭代神经网络用CSI反馈方法、存储介质及设备-CN202011304130.6有效
  • 薛江;郭建华 - 杭州勒贝格智能系统股份有限公司
  • 2020-11-19 - 2022-07-26 - H04B7/06
  • 本发明公开了一种深度迭代神经网络用CSI反馈方法、存储介质及设备,把FISTA展开为深度迭代神经网络;基于信道到的对信道矩阵进行分解,得到信道的线性无关部分与其余部分;基于信道的线性无关部分与其余部分相互线性表出,重构出重构的信道的线性无关部分得到其余部分的一个较优初值;基于稀疏信道其余部分的较优初值,利用FISTA算法展开得到深度迭代神经网络分别重构信道的线性无关部分与其余部分;使用CSI压缩反馈信息和测量矩阵训练网络,利用训练好的网络分别重构出的信道的线性无关部分与其余部分,重构出完整的CSI。本发明通过信道的分别重构信道矩阵的线性无关部分与其余部分,提高CSI重构精度。
  • 深度神经网络用低秩csi反馈方法存储介质设备
  • [发明专利]基于三重模型的高光谱图像去噪方法-CN202010727755.7有效
  • 尹海涛;余曦;陈海涛 - 南京邮电大学
  • 2020-07-23 - 2022-09-06 - G06T5/00
  • 本发明提供一种基于三重模型的高光谱图像去噪方法,首先从含噪声的高光谱图像中依次提取图像块,再对提取的所有图像块分别进行三重优化重构模型(即包括部分约束、部分与线性变换域噪声图像之间的约束以及部分自相关约束部分与线性变换域噪声图像之间的约束可以提高模型的鲁棒以及图像去噪的精度,部分自相关约束可以使得该去噪模型相比较于其他去噪模型对死线噪声的去除效果更佳优越。
  • 基于三重模型光谱图像方法
  • [发明专利]复杂环境下基于分解和辅助字典的人脸识别方法-CN201810122730.7有效
  • 付晓峰;张予;付晓鹃;柯进华;徐岗;李建军;程智鑫 - 杭州电子科技大学
  • 2018-02-07 - 2022-03-22 - G06V40/16
  • 本发明公开一种复杂环境下基于分解和辅助字典的人脸识别方法。本发明步骤如下:1.通过非凸稳健主成分分析法对输入人脸图片进行分解,求解基于范数的目标函数,得到初步去除复杂环境影响的内容;2.基于核范数的去相关分解:在目标函数中添加去除类间相关的正则项,并将上一步骤获得的内容进行奇异值分解后用作初始化矩阵,通过ADMM算法交替迭代求解得到用于识别的字典。3.基于辅助字典学习的分类识别:获得模拟复杂环境变化的辅助字典,并通过与字典联立使用,通过RADL进行人脸分类识别。本发明使用到的分解目标函数能够充分去除干扰信息,使分解后的人脸图像更具有身份识别能力和抗环境干扰
  • 复杂环境基于分解辅助字典识别方法
  • [发明专利]超低张量数据填充方法-CN201710442277.3在审
  • 魏巍;张艳宁;张磊;王聪 - 西北工业大学
  • 2017-06-13 - 2017-10-24 - G06K9/62
  • 本发明公开了一种超低张量数据填充方法,用于解决现有张量数据处理方法精度的技术问题。技术方案是将张量分解成结构和非结构,使用混合高斯模型(MOG)对非结构进行先验描述,利用Gibbs采样获得非结构E和基于CP分解的结构X的样本均值,用均值近似带求的隐张量。本发明一方面,通过充分挖掘CANDECOMP/PARAFAC(CP)分解权值的稀疏,建立基于稀疏模型。另一方面,使用混合高斯模型(MOG)模拟复杂的非结构。
  • 超低秩张量数据填充方法
  • [发明专利]一种基于超声图像分析的甲状腺病灶图像识别方法-CN201510770183.X在审
  • 郝爱民;闫德辉;李帅;秦洪 - 北京航空航天大学
  • 2015-11-11 - 2016-03-23 - G06T7/00
  • 本发明提供一种基于超声图像分析的甲状腺病灶图像识别方法,包括了三个步骤:基于超像素层次化分割的图像块状特征提取与描述,以超像素为单位、多尺度层次化提取图像特征,借助超像素去除图像的冗余信息,降低后续图像处理任务的复杂度,兼顾全局和局部信息的获取;基于特征空间重构误差分析的甲状腺识别,根据图像结构信息的,通过优化最低的方式求解测试数据与词典之间的相似度,计算重构误差,结合graph-cut分割算法识别甲状腺区域;基于局部分解的甲状腺病灶检测,采用分解的方法,将数据矩阵分为具有的矩阵和具有稀疏的误差矩阵两部分,计算稀疏误差,进行显著检测,确定病灶区域。
  • 一种基于超声图像分析甲状腺病灶识别方法
  • [发明专利]基于双边加权调制与滤波的高光谱图像表示聚类方法-CN201710448927.5有效
  • 肖亮;徐金环 - 南京理工大学
  • 2017-06-14 - 2020-09-18 - G06K9/00
  • 本发明公开了一种基于双边加权调制与滤波的高光谱图像表示聚类方法,包括以下步骤:计算高光谱图像的表示系数;联合光谱与表示系数的相似度,计算双边加权矩阵;采用双边加权矩阵调制表示系数;对调制的表示系数进行双边滤波;利用滤波后的表示系数构建相似图;将相似图用于谱聚类得到最终的聚类结果。本发明充分利用了高光谱的光谱相似和空间结构信息,与传统的子空间聚类方法相比,聚类精度高、对噪声的鲁棒高;可广泛应用于国土资源、矿产调查和精准农业领域的无监督分类。
  • 基于双边加权调制滤波光谱图像表示方法
  • [发明专利]基于递归样本缩放和双线性因子分解的高光谱图像降噪方法-CN201910521819.5有效
  • 沈项军;王宇轩 - 江苏大学
  • 2019-06-17 - 2023-10-10 - G06T5/00
  • 本发明公开了一种基于递归样本缩放和双线性因子分解的高光谱图像降噪方法,首先初始化图像数据集X的矩阵Z和初始化缩放因子矩阵D,并将缩放因子矩阵D施加到数据矩阵X和矩阵Z中,得到目标方程,循环求解#imgabs0#将循环后得到#imgabs1#再代入目标方程,根据目标方程的约束条件,计算出矩阵Z,基于所计算出的矩阵Z,更新缩放因子矩阵D,将更新得到的缩放因子矩阵D再重新施加到矩阵X和Z上循环计算,当循环终止时得到矩阵Z。其中,根据已知数据计算得出的矩阵,然后通过样本点与矩阵的主投影方向之间余弦相似度量构造缩放因子矩阵来抑制噪声数据的影响。最后得出的矩阵Z为图像的最低表示,达到较好的降噪效果。
  • 基于递归样本缩放双线因子分解光谱图像方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top