“训练子集”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果364438个，建议您升级VIP下载更多相关专利

[发明专利]基于增量模糊粗糙集属性约简的作物产量预测方法-CN202211066091.X在审
发明人：赵洁;叶文浩;赵艮平 -专利权人：广东工业大学
申请日： 2022-09-01 - 公布日： 2022-11-25 - 主分类号： G06Q10/04 文献下载
摘要：所述方法包括：构建决策表；将一个作物生长记录数据子集作为原始数据子集输入模糊粗糙集属性约简模型；计算原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度、以及每条作物生长记录的加权一致性程度，得到加权一致性程度及格的作物生长记录子集；计算加权一致性程度及格的作物生长记录子集的作物产量指标重要度，进行属性约简，得到约简属性子集合；将剩余的作物生长记录数据子集作为增量数据子集依次输入模糊粗糙集属性约简模型进行属性约简，得到若干非冗余约简属性子集合，训练得到作物产量预测模型。
基于增量模糊粗糙属性作物产量预测方法

[发明专利]一种使用Boosting训练集成SVM的方法、装置、终端及存储介质-CN202010684266.8在审
发明人：苑晓龙;张峻旗;刘牧 -专利权人：浪潮云信息技术股份公司
申请日： 2020-07-16 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种使用Boosting训练集成SVM的方法、装置、终端及存储介质，涉及SVM技术领域，本方法使用Boosting，对训练数据集包含的多个训练子集进行依次取样，利用标准形式的SVM进行多次迭代，以对分类错误的样本加大权重，同时完成标准SVM中参数W和B的更新，在权重达到设定阈值，标准SVM基于训练数据集包含的多个训练子集进行多次迭代后，得到具有更新参数W和B的集成SVM。本发明得到的集成SVM能够提高训练速度，减少使用内存。
一种使用 boosting 训练集成 svm 方法装置终端存储介质

[发明专利]一种结合神经网络的双集成软件缺陷预测方法-CN202110851712.4在审
发明人：陈锦富;徐家平;蔡赛华;陈海波;张翅;王小丽;黄创飞 -专利权人：江苏大学
申请日： 2021-07-27 - 公布日： 2021-11-09 - 主分类号： G06F11/36 文献下载
摘要：包括：步骤1，将数据集按照9：1的比例划分训练集和测试集，使用贪心前向选择方法，对训练集进行特征选择，以得到最佳特征子集；步骤2，使用交叉验证方法以及得到的特征子集对训练集进行训练，建立七个不同的集成基分类器；步骤3，使用stacking集成方法，将七个不同的基分类器的输出当作训练集送入到神经网络模型中训练，建立双集成缺陷预测模型；步骤4，使用最终得到的模型对测试集中的数据进行缺陷预测；根据所得到的预测结果
一种结合神经网络集成软件缺陷预测方法

[发明专利]迁移学习方法、装置、设备及存储介质-CN202210600618.6在审
发明人：黄俊钦;高梦雅;王宇杰 -专利权人：上海商汤智能科技有限公司
申请日： 2022-05-30 - 公布日： 2022-08-16 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种迁移学习方法、装置、设备及存储介质，其中，所述迁移学习方法包括：获取原始数据集和任务数据集；确定所述原始数据集在所述任务数据集所涉及的域上划分的目标子集；获取利用所述目标子集训练得到的第一网络模型；其中，所述第一网络模型为基于预训练模型和第一头部网络搭建的；所述预训练模型为利用所述原始数据集训练得到的；利用所述任务数据集，训练搭建的第二网络模型，得到完成训练的第二网络模型；其中，所述第二网络模型为基于所述第一网络模型和第二头部网络搭建的
迁移学习方法装置设备存储介质

[发明专利]处理语音识别的稀疏表示特征的方法和系统-CN201110282826.8无效
发明人： D·卡涅夫斯基;D·纳哈莫;B·拉马巴德兰;T·N·赛纳斯 -专利权人：国际商业机器公司
申请日： 2011-09-22 - 公布日： 2012-04-18 - 主分类号： G10L15/06 文献下载
摘要：获取与语音识别系统关联的测试向量和训练数据集。选择所述训练数据集的子集。将所述测试向量与所述训练数据集的选定子集一起映射为由稀疏约束加权的线性组合以便形成新的测试特征集，其中由于所述稀疏约束而使所述训练数据集移动到更靠近所述测试向量。针对所述新的测试特征集训练声学模型。针对所述新的测试特征集训练的声学模型可用于对输入所述语音识别系统的用户语音进行解码。
处理语音识别稀疏表示特征方法系统

[发明专利]基于机器学习的命名实体识别（NER）机制的弱监督和可解释训练-CN202210170876.5在审
发明人：李嘉成;丁海波;冯哲 -专利权人：罗伯特·博世有限公司
申请日： 2022-02-24 - 公布日： 2022-08-30 - 主分类号： G06F40/295 文献下载
摘要：基于机器学习的命名实体识别（NER）机制的弱监督和可解释训练。用于弱监督训练机器学习模型以执行命名实体识别的系统和方法。在未标注文本的输入数据集中自动标识所有可能的实体候选和所有可能的规则候选。使用由播种规则集分配给实体候选的标注作为第一训练数据集来执行机器学习模型的初始训练。然后，将经训练机器学习模型应用于未标注文本，并且从规则候选中标识产生与经训练机器学习模型所分配的标注最准确地匹配的标注的规则子集。然后，使用由所标识的规则子集分配的标注作为第二训练数据集来重新训练机器学习模型。该过程被迭代地重复，以进一步完善和改进用于命名实体识别的机器学习模型的性能。
基于机器学习命名实体识别 ner 机制监督可解释训练

[发明专利]模型训练方法、装置及系统-CN201910103212.5有效
发明人：陈超超;李梁;周俊 -专利权人：创新先进技术有限公司
申请日： 2019-02-01 - 公布日： 2021-07-27 - 主分类号： G06N20/00 文献下载
摘要：本公开提供用于训练线性/逻辑回归模型的方法和装置，该方法包括：执行下述迭代过程，直到满足预定条件：基于各个训练参与方的当前子模型以及对应的特征样本子集，使用秘密共享矩阵加法来获得线性/逻辑回归模型的当前预测值；确定当前预测值与对应的标记值之间的预测差值并发送给各个第二训练参与方，以供在各个第二训练参与方处来更新各自的当前子模型；以及基于第一训练参与方的当前子模型以及对应的特征样本子集与所确定出的预测差值之积来更新第一训练参与方的当前子模型在迭代过程未结束时，更新后的各个训练参与方的当前子模型被用作下一迭代过程的当前子模型。该方法能够在保证各方数据安全的情况下提高模型训练的效率。
模型训练方法装置系统

[发明专利]一种基于图形生成技术的烟火监测方法及系统-CN202210192431.7在审
发明人：金林林;李强;李洋;董兰芳;吴旭;隋国星;肖潇;孙高峰;张宏光;王康;许明阳 -专利权人：国网安徽省电力有限公司亳州供电公司
申请日： 2022-02-28 - 公布日： 2022-05-31 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了烟火监测领域的一种基于图形生成技术的烟火监测方法及系统，采集监测区域的视频图像信号；通过预先训练的烟火检测模型对视频图像信号进行烟火识别，得到烟火检测模型输出的烟区和火区分别通过标注框标识视频图像；所述烟火检测模型的训练过程，包括：获取烟火图像和非烟火图像，并进行随机缩放和裁剪后构建图片集；将图片集设定比例分为训练子集和测试子集；对烟火检测模型进行训练，获得训练好的烟火检测模型；本发明对视频图像进行烟火检测
一种基于图形生成技术烟火监测方法系统

[发明专利]基于多元高斯分布的高低阶脑功能连接特征同步提取方法-CN202210281624.X在审
发明人：范德明;赵峰;韩忠伟;程大鹏 -专利权人：青岛科技大学;山东工商学院
申请日： 2022-03-22 - 公布日： 2022-06-21 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于多元高斯分布的高低阶脑功能连接特征同步提取方法，包括如下步骤：为功能磁共振信号序列划分子集；基于多元高斯分布的子集内低阶特征、高阶特征提取，并利用克罗克达积对所述高阶特征进行降维；基于多元高斯分布的子集间低阶统计特征、高阶统计特征提取；将子集内所述低阶特征、高阶特征及子集间所述低阶统计特征、高阶统计特征融合；分类器训练。本发明的有益效果是：在统一的数学框架下，同步获取低阶和高阶特征，提出分层的方法解决了因子集划分丢失的特征。
基于多元分布低阶功能连接特征同步提取方法

[发明专利]货物调度策略的确定方法及装置、非易失性存储介质-CN202211653551.9在审
发明人：邱世鑫 -专利权人：中国电信股份有限公司
申请日： 2022-12-21 - 公布日： 2023-03-31 - 主分类号： G06Q10/083 文献下载
摘要：其中，该方法包括：将第一特征因子集与第二特征因子集进行匹配，得到匹配结果集合，其中，第一特征因子集为车辆集合中车辆信息对应的特征因子集，第二特征因子集为货物信息对应的特征因子集，车辆用于装载及运输货物；采用预先训练好的深度学习模型从匹配结果集合中确定目标匹配结果；根据目标匹配结果，确定货物的调度策略。
货物调度策略确定方法装置非易失性存储介质

[发明专利]文本处理方法、装置、计算机设备和存储介质-CN202110948029.2在审
发明人：陶予祺;孙勤;柴玉倩 -专利权人：企查查科技有限公司
申请日： 2021-08-18 - 公布日： 2021-11-09 - 主分类号： G06F16/35 文献下载
摘要：所述方法包括：对待处理文本进行句子提取，得到初始句子集合；通过预先训练得到的第一关键词分类模型，从所述初始句子集合中筛选出包含至少一个第一关键词的第一句子集合；通过预先训练得到的第一信息提取模型，从所述第一句子集合中提取所述第一关键词对应的至少一个第一信息采用本方法能够从第一句子集合中提取所述第一关键词对应的至少一个第一信息，而第一句子集合中的句子又可以是待处理文本中的任意位置处的句子，因此本申请中所提取的第一信息可以是全文任意位置的信息，克服了传统技术中只能提取对应区块的单一数据的问题
文本处理方法装置计算机设备存储介质

[发明专利]一种基于协同训练的垃圾邮件过滤方法和装置-CN201110369697.6有效
发明人：徐燕;邱泳钦;李丹;周美林 -专利权人：北京语言大学
申请日： 2011-11-18 - 公布日： 2012-04-04 - 主分类号： H04L12/58 文献下载
摘要：本发明实施例提供了一种基于协同训练的垃圾邮件过滤方法和装置，方法包括：输入待过滤的邮件集合；根据邮件集合得到每个样本的特征向量，其中一个样本对应一封邮件；将每个样本的特征向量划分为第一特征向量子集和第二特征向量子集，第一特征向量子集中的特征来源于邮件头信息，第二特征向量子集中的特征来源于邮件内容信息；将第一特征向量子集和第二特征向量子集分别作为每个样本的第一视角和第二视角；利用第一视角和第二视角进行基于贝叶斯分类器的协同训练得到最终的第一分类器和第二分类器
一种基于协同训练垃圾邮件过滤方法装置

[发明专利]基于两阶段混合特征选择的高维数据分类方法-CN202110778300.2在审
发明人：李欣倩;沈琪浩;任佳 -专利权人：浙江理工大学
申请日： 2021-07-09 - 公布日： 2021-12-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于两阶段混合特征选择的高维数据分类方法，包括步骤如下：获得处理后的数据集；基于最大信息系数MIC的方法对所述处理后的数据集进行预处理，获得MIC矩阵；得到所选特征子集；用改进PSO算法对所述所选特征子集进行精细搜索，得到最优特征子集；根据最优特征子集更新步骤S1获得的所述处理后的数据集中的特征，并依据更新后的数据集建立十折交叉验证的训练集和测试集，依次输入K＝1的KNN分类器，得到对应的十个最优特征子集的分类准确率，然后将十个最优特征子集的分类准确率的平均值作为所述最优特征子集的准确率。
基于阶段混合特征选择数据分类方法

[发明专利]基于记忆网络电力负荷预测方法、装置、终端及存储介质-CN202210828776.7在审
发明人：张奎仲;常生强;张向平;刘海涛;袁玉宝;冯新民;薛晨亮;杜晓刚;于帅;申慧宁 -专利权人：石家庄科林电气股份有限公司;石家庄科林云能信息科技有限公司
申请日： 2022-07-15 - 公布日： 2022-08-16 - 主分类号： G06Q10/04 文献下载
摘要：获取影响目标区域用电负荷的多个影响因素；根据目标区域的历史数据获取多个样本，每个样本的输入参数为一个自然日中多个影响因素的值，输出参数为该自然日的用电负荷的值；根据多个样本的输入参数对多个样本进行聚类，得到多个子集；依次通过每个子集对LSTM网络进行训练，得到每个子集对应的预测模型；根据待预测日的多个影响因素的值，计算待预测日所属的子集，将待预测日所属的子集作为目标子集；根据目标子集的预测模型，获取待预测日的用电负荷预测值
基于记忆网络电力负荷预测方法装置终端存储介质

[发明专利]一种精子标注方法、装置、电子设备及存储介质-CN201911305159.3有效
发明人：于朋鑫;张荣国;李新阳;陈宽;王少康 -专利权人：推想医疗科技股份有限公司
申请日： 2019-12-17 - 公布日： 2021-01-12 - 主分类号： G06K9/00 文献下载
摘要：本公开实施例公开了一种精子标注方法、装置、电子设备及存储介质，该方法包括：获取待标注精子集合图像；将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。本公开实施例的技术方案，通过利用深度学习技术，基于待标注精子集合图像对待标注精子进行自动标注，提高了标注效率与精度。
一种精子标注方法装置电子设备存储介质