“多类类间”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2216965个，建议您升级VIP下载更多相关专利

[发明专利]一种直播间管理方法、装置及存储介质-CN202310752210.5在审
发明人：孟范琪 -专利权人：探探科技（北京）有限公司
申请日： 2023-06-26 - 公布日： 2023-09-19 - 主分类号： H04N21/2187 文献下载
摘要：本申请提供一种直播间管理方法、装置及存储介质，获取多个直播间的多源数据集；基于每个直播间的所述多源数据集的第一数据子集筛选出第一类型的直播间；基于每个直播间的所述多源数据集的第二数据子集从所述第一类型的直播间中筛选出第二类型的直播间；基于每个直播间的所述多源数据集从所述第二类型的直播间筛选出第三类型的直播间，对所述第三类型的直播间分发管理指令。提高了直播间管理的效率、准确度和科学性。
一种直播管理方法装置存储介质

[发明专利]一种基于协同训练的深度多视图聚类方法及系统-CN202310638508.3在审
发明人：周劲;陈聪;韩士元;王琳;陈月辉;杜韬;杨程;刘博文 -专利权人：济南大学
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06F18/23213 文献下载
摘要：本发明提出了一种基于协同训练的深度多视图聚类方法及系统，涉及数据挖掘和机器学习领域，具体方案包括：获取待聚类的多视图，用每个视图预训练自己的深度自编码模型；计算每个视图的亲和矩阵，设置每个视图的初始权重和视图间的初始动态学习因子；对每个视图的深度自编码模型进行迭代的正式训练，更新每个视图的权重和视图间的动态学习因子，直到满足预设的迭代停止条件，输出最终的隐层特征和聚类中心；基于最终的隐层特征和聚类中心，得到聚类结果；本发明设计了基于动态协同训练的深度多视图加权图嵌入聚类算法，针对多视图数据，采用动态协同训练思想，深入挖掘多视图间的互补信息，提高面向于多视图数据集的聚类效果。
一种基于协同训练深度视图方法系统

[发明专利]基于多类类间最大方差算法的大尺度图像分割算法-CN201510577267.1有效
发明人：傅均;汤旭翔;陈柳柳;曹海洋 -专利权人：浙江工商大学
申请日： 2015-09-11 - 公布日： 2018-09-18 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于多类类间最大方差算法的大尺度图像分割算法，本发明公开的基于多类类间最大方差算法的大尺度图像分割算法，采用多类类间最大方差算法对灰度图像进行分析，获得感兴趣的灰度图像区域，并将感兴趣的灰度图像区域划分为互不重叠的子块
基于多类类间最大方差算法尺度图像分割

[发明专利]一种图像分类方法、装置、设备和存储介质-CN202110570158.2在审
发明人：陈凌智;高艳;王立龙;杜青;吕传峰 -专利权人：平安科技（深圳）有限公司
申请日： 2021-05-25 - 公布日： 2021-08-13 - 主分类号： G06K9/62 文献下载
摘要：上述图像分类方法包括：提取待分类图像的多通道特征图；解耦所述多通道特征图获得多个单类解耦特征图；根据解耦得到的各所述单类解耦特征图获取类间关系；针对每个单类解耦特征图，根据所述类间关系和所述单类解耦特征图计算相应的单类解耦特征图的分类概率；根据各单类解耦特征图的分类概率确定所述待分类图像的类别。本申请通过特征解耦和类间关系提取，对可能共存的特征单独计算其存在的概率，分别判断这些特征标签是否存在，提升了对图像特征分类的精确度。
一种图像分类方法装置设备存储介质

[发明专利]多视图聚类方法、装置、存储介质及电子设备-CN202310580205.0在审
发明人：顾苏杭;方颖佳;朱培逸;鲁明丽;从金亮;丁卫 -专利权人：常熟理工学院
申请日： 2023-05-22 - 公布日： 2023-08-22 - 主分类号： G06F18/2323 文献下载
摘要：本发明公开了一种多视图聚类方法、装置、存储介质及电子设备，所述方法包括：获取目标数据集，所述目标数据集是对所述多视图数据集进行预处理得到的；利用AP聚类算法的二元模型对所述目标数据集学习每个视图，在视图间增加视图外部参数，用于连接不同的视图以及更新视图内部参数，得到多视图聚类结果。这样，一方面，AP聚类算法中涉及到的模型参数较少，降低了聚类的计算量，另一方面，AP聚类算法相比其他算法，聚类结果的平方差小，提高了聚类的准确性。同时，AP聚类算法可以关联不同视图间的信息，提高了聚类的稳定性和聚类性能。
视图方法装置存储介质电子设备

[发明专利]一种在计时类体育测试系统多终端间精确对准时间的方法-CN201910946548.8在审
发明人：刘青松 -专利权人：上海淡竹体育科技有限公司
申请日： 2019-10-06 - 公布日： 2021-04-06 - 主分类号： H04J3/06 文献下载
摘要：本发明提出一种在计时类体育测试系统多终端间精确对准时间的方法。本发明属于信息系统内多终端间的时间对准领域，尤其涉及一种在计时类体育测试系统中有多种类型不同平台的终端间对准时间的方法。本发明有效的实现了计时类体育测试系统中多终端间精确对准时间的方法，使得计时类体育测试系统的多终端间能实现项目测试的同步开始、同步计时、同步计算成绩。
一种计时体育测试系统终端精确对准时间方法

[发明专利]建立不同版本程序类集合映射关系的方法-CN201911138413.5有效
发明人：陈星;陈晓娜;胡传淑敏;郭莹楠;陈艳 -专利权人：福州大学
申请日： 2019-11-20 - 公布日： 2021-06-22 - 主分类号： G06F8/71 文献下载
摘要：本发明提出一种建立不同版本程序类集合映射关系的方法，首先，确定类相似度和方法相似度的评判因素；其次从源代码逆向工程建立类图；最后通过一系列的算法分析（包括计算初步类相似度、方法相似度以及迭代确立方法和类的最终相似度）建立不同版本间程序的类集合中类的“一对一”、“一对多”、“多对一”的映射关系以及类中方法的“一对一”映射。能够解决由于人工阅读源代码等方式寻找不同版本系统类集合间的映射关系难以实施的问题，直观反映系统的体系结构，增加了代码的可读性和可维护性，降低软件开发人员和维护人员理解不同版本间系统的难度，提供了一个在较高层次观察不同系统的方法
建立不同版本程序集合映射关系方法

[发明专利]一种新颖的多源数据模糊聚类算法-CN201610518141.1在审
发明人：于剑;刘烨;詹德川 -专利权人：北京交通大学;中国科学院心理研究所;南京大学
申请日： 2016-07-04 - 公布日： 2016-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种多源数据模糊聚类方法。该方法主要包括：收集多源数据，该多源数据中的每个源中包括多个类，每个类又包括多个维度；构造多源数据的多源数据模糊聚类方法的目标函数，在目标函数中对多源数据中的每个源进行加权，对多源数据中的每个源中的不同类中的不同维度进行加权；对目标函数中的参数进行初始化处理后，对目标函数的聚类中心和参数进行重复更新、聚类处理，完成多源数据的聚类过程。本发明利用多源数据间的相关性以及不同特征对不同类别识别的贡献度的差异性，构造了一种即考虑不同视角加权又兼顾不同特征的权重不同的一种新的聚类算法，相较于其他的多源数据聚类算法，有更佳的解释性及更可靠的聚类结果
一种新颖数据模糊算法

[发明专利]一种多视角强化图像聚类方法-CN202110879412.7在审
发明人：高静;刘晨欣;金珊;陈志奎;李朋 -专利权人：大连理工大学
申请日： 2021-08-02 - 公布日： 2021-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种多视角强化图像聚类方法，属于图像聚类与强化学习领域，包括：1)预训练各视角独立的特征提取网络，初始化各视角的潜在特征空间；2)预训练多视角特征融合网络，初始化各视角的融合特征空间；3)采用K‑means方法初始化聚类环境，并为环境中的聚类原型分配伯努利单元；4)利用在线奖赏策略实时分配随机奖赏，动态更新环境中的伯努利单元；5)更新参数，迭代优化聚类原型直到满足收敛条件，完成多视角强化聚类过程本发明采用在线奖赏策略联合学习融合表征和调整集群，充分将视角间的互补信息以及样本与聚类原型间的交互信息作用于聚类分析的过程中，有效提升聚类性能。
一种视角强化图像方法

[发明专利]一种结构化深度非完整多视角聚类方法-CN202110438924.X在审
发明人：文杰;程正挺 -专利权人：湖北珞珈环创科技有限公司
申请日： 2021-04-23 - 公布日： 2021-07-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种结构化深度非完整多视角聚类方法，其包括以下步骤：S1、建立结构化深度非完整多视角聚类网络；S2、建立结构化深度非完整多视角聚类预训练网络；S3、对非完整多视角聚类网络模型进行预训练；S4、初始化聚类模型中的聚类中心矩阵；S5、结构化深度非完整多视角聚类网络训练，利用S3得到的非完整多视角图卷积编码网络参数初始化S1所建立的聚类网络参数，并用Adam优化器通过最小化聚类目标损失函数得到最优的图卷积编码网络参数、聚类中心点和最优聚类结果。本发明能够同时捕获多视角数据的互补信息、一致信息、高阶特征信息以及数据间的相似度信息，进而能够得到更精确的数据聚类性能。
一种结构深度完整视角方法

[发明专利]一种多类数据源的数据处理方法-CN202211633713.2在审
发明人：裴希哲;赵政;李经纬;柯岩;李占坤;张雨 -专利权人：苏州轻棹科技有限公司
申请日： 2022-12-19 - 公布日： 2023-03-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例涉及一种多类数据源的数据处理方法，所述方法包括：在任意时刻获取第一自车坐标、第一道路场景和多类数据源；根据第一自车坐标和第一道路场景对多类数据源进行位置坐标转换；以多类数据源中的最早数据时间为起始时间点并按数据频率f对从起始时间点到当前时刻的时段进行时间轴切分得到第一时间轴；基于第一时间轴的时间刻度对多类数据源进行数据整合；对第一整合数据序列中的速度类型数据进行修正；对各类数据源的掩码数据序列进行识别；将第一整合数据序列和多类掩码数据序列输出通过本发明，给出了一个可以对多类数据源进行整体预处理的解决方案。
一种数据源数据处理方法

[发明专利]基于视图间差异性检测的多视图子空间聚类方法及系统-CN202210524435.0在审
发明人：黄树东;刘奕汐;杨帆;冯文涛;汤臣薇;叶庆;刘权辉 -专利权人：四川大学
申请日： 2022-05-13 - 公布日： 2022-08-12 - 主分类号： G06V10/77 文献下载
摘要：本发明公开了一种基于视图间差异性检测的多视图子空间聚类方法及系统，通过采集视图样本数据点，并根据视图样本数据点构建多视图数据集；并根据多视图数据集构建基于多视图的相似矩阵；利用基于视图间差异性检测筛选基于多视图的相似矩阵，得到基于视图一致的纯图，并基于视图一致的纯图构建共识图；根据基于视图一致的纯图、共识图以及基于多视图的相似矩阵构建基于多视图子空间聚类的目标函数，并对基于多视图子空间聚类的目标函数进行迭代优化，得到最优多视图子空间聚类结果；本发明提出了可同时检测多视图一致性和视图间差异性，并根据多视图一致性和视图间差异性获取多视图之间的互补信息，可用于人脸识别以及手写字体分类。
基于视图差异性检测空间方法系统

[发明专利]一种多类分割损失函数在实现脊椎组织影像多类分割中的应用方法-CN202110540075.9有效
发明人：何思源;李奇;宋雨;武岩;李修军;高宁;杨菁菁 -专利权人：长春理工大学
申请日： 2021-05-18 - 公布日： 2022-07-05 - 主分类号： G06T7/194 文献下载
摘要：一种多类分割损失函数及其构建方法和应用，涉及深度学习与医学影像处理领域，解决了现有技术存在的类间不平衡、分割精度差的问题。本发明包括：设定基础损失函数；根据基础损失函数，设定限制权重，用于调整分割目标对应的损失函数权重；组合基础损失函数与限制权重得到多类分割损失函数。本发明具有显著抑制类间不平衡问题对脊椎组织影像的多类分割的影响、提高全卷积神经网络分割性能的优点，提升了脊椎组织影像分割效果，增强了损失函数的分割性能，其在深度学习与医学影像处理技术领域有极高的应用和推广价值
一种分割损失函数实现脊椎组织影像中的应用方法

[发明专利]基于图补全和自适应视角权重分配的不完备多视角聚类方法、装置、系统及存储介质-CN201910446754.2在审
发明人：陈润泽;文杰;徐勇 -专利权人：哈尔滨工业大学（深圳）
申请日： 2019-05-27 - 公布日： 2019-08-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于图补全和自适应视角权重分配的不完备多视角聚类方法、装置、系统及存储介质，该不完备多视角聚类方法包括：步骤1，多视角仿射图的构建及补全步骤：归一化各视角中的样本实例，构建并补全各视角的仿射图；步骤2，学习各视角间一致的低维表征步骤：迭代求取各视角间一致的低维表征；步骤3，聚类步骤：归一化全局低维表征并使用传统的单视角聚类方法（如k‑means）得到聚类类别。本发明的有益效果是：本发明通过相似图补全技术和视角权重鉴别因子的引入，有效地捕捉了数据的本质结构，提高了聚类性能。
聚类视角多视角低维存储介质权重分配归一化自适应构建表征步骤聚类类别传统的单视角有效地迭代权重样本鉴别捕捉引入全局学习

[发明专利]一种动态信道的时变多径聚类方法-CN202111312442.6在审
发明人：何睿斯;孙桂琪;黄晨;艾渤;马张枫;米航;陈瑞凤;费丹;钟章队 -专利权人：北京交通大学
申请日： 2021-11-08 - 公布日： 2022-02-01 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种动态信道的时变多径聚类方法。该方法包括：初始化MPC的参数，得到多个M帧的多径分量：根据多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。根据MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。本发明提出的聚类方法以MPC轨迹的波动趋势和轨迹间距作为聚类依据，能够准确地识别出波动趋势相似、轨迹间距相近的重叠轨迹并进行聚类。
一种动态信道时变多径聚类方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条