“字典学习”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258943个，建议您升级VIP下载更多相关专利

[发明专利]一种基于字典学习的零样本分类方法-CN201710722442.0在审
发明人：于云龙;冀中;庞彦伟 -专利权人：天津大学
申请日： 2017-08-21 - 公布日： 2017-12-19 - 主分类号： G06K9/62 文献下载
摘要：一种基于字典学习的零样本分类方法，包括建立适用于零样本学习的字典学习模型；利用字典学习模型学习字典矩阵D和转移矩阵P；利用学习到的字典矩阵D和转移矩阵P实现零样本分类。本发明的一种基于字典学习的零样本分类方法，首先将类别语义特征映射到一个能保持语义判别信息的隐空间中，并结合字典学习的方法利用隐空间的特征对原始的视觉特征进行重构。
一种基于字典学习样本分类方法

[发明专利]一种基于多模态字典学习的零样本分类方法-CN201610873020.9有效
发明人：冀中;于云龙 -专利权人：天津大学
申请日： 2016-09-30 - 公布日： 2019-11-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于多模态字典学习的零样本分类方法，包括：建立多模态字典学习模型；利用多模态字典学习模型学习字典矩阵D和兼容矩阵V；利用学习到的字典矩阵D和兼容矩阵V实现零样本分类。本发明的一种基于多模态字典学习的零样本分类方法，利用训练样本学习一个类别共享的字典矩阵将样本嵌入到一个由字典原子张成的隐空间中，并利用样本在隐空间中嵌入向量，样本对应的类别语义向量以及类别之间的对应关系学习一种联合嵌入模型
一种基于多模态字典学习样本分类方法

[发明专利]一种面向图像分类任务的多层字典学习方法-CN202010377838.8在审
发明人：王立春;李爽;王少帆;孔德慧;尹宝才 -专利权人：北京工业大学
申请日： 2020-05-07 - 公布日： 2020-09-25 - 主分类号： G06K9/62 文献下载
摘要：一种面向图像分类任务的多层字典学习方法，其能够解除多个字典之间关系定义的局限性，提升字典学习应用于分类问题的精度。这种面向图像分类任务的多层字典学习方法，用于提取图像样本中的类别信息，包括：(1)将多层字典之间的依赖关系定义为残差学习，基于多层残差判别字典学习框架来学习多层字典及分类器；(2)基于步骤(1)学习的多层字典依次计算待分类数据的多轮编码向量
一种面向图像分类任务多层字典学习方法

[发明专利]一种基于字典学习的人脸识别分类方法-CN201711042488.4有效
发明人：李恒建;冯光 -专利权人：济南大学
申请日： 2017-10-31 - 公布日： 2019-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于字典学习的人脸识别分类方法，构建训练集并将训练集中的样本人脸图像映射到低维空间得到训练集矩阵；建立字典学习模型，将训练集矩阵输入到字典学习模型中并对模型进行求解，得到被学习的字典以及均值系数向量；对待识别人脸图像，基于学习到的字典利用协同表示分类算法得到该图像的系数向量，将系数向量输入至分类器中进行分类识别。本发明针对字典学习模型，着重增加字典原子的不相干程度以及字典学习模型的重构能力、判别能力，并采用多条件进行后续的人脸分类识别，以提高人脸识别分类正确率。
一种基于字典学习识别分类方法

[发明专利]一种基于不相关稀疏字典的图像去噪方法-CN201711495141.5有效
发明人：王瑾;朱青 -专利权人：北京工业大学
申请日： 2017-12-31 - 公布日： 2022-01-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开一种基于不相关稀疏字典的图像去噪方法，将字典元素之间的互相关性作为字典学习优化方法中的约束条件融合进字典学习模型，得到新的不相关字典学习模型，从而更高效地学习得到不相关字典；在这个模型中，字典的表示误差和互相关性都是优化目标，都需要极小化；通过求解这个优化模型得到最优不相关稀疏字典。本发明得到不相关稀疏字典用于图像去噪的结果优于使用传统字典的图像去噪结果。
一种基于不相关稀疏字典图像方法

[发明专利]一种结合稀疏约束的快速低秩字典学习的人脸图像分类方法-CN201810642840.6在审
发明人：杨明;田泽 -专利权人：南京师范大学
申请日： 2018-06-21 - 公布日： 2018-12-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种结合稀疏约束的快速低秩字典学习的人脸图像分类方法。属于字典学习领域。该方法包含如下步骤：图像缩放；特征学习；字典学习；字典分类。本发明FLRSDLSC(Fast Low‑rank Shared Dictionary Learning with Sparsity Constraint)采用特征和字典联合学习的方法，并嵌入Fisher判别准则获得特定类字典和稀疏编码系数，同时施加低秩约束获得共享字典，以此增强字典和稀疏编码的判别能力.此外，运用Cayley变换保护投影矩阵的正交性来获得紧凑的特征。
字典学习字典低秩分类人脸图像稀疏编码稀疏特征学习投影矩阵图像缩放正交性紧凑嵌入施加共享联合学习

[发明专利]基于同时降维和字典学习的过程监控方法-CN201910902691.7有效
发明人：刘冕;陈晓方;黄科科;谢永芳 -专利权人：中南大学
申请日： 2019-09-23 - 公布日： 2020-06-30 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于同时降维和字典学习的过程监控方法，包括离线字典学习和在线故障监测两个步骤，在离线字典学习阶段中提出一种同时降维和字典学习方法进行字典学习，在线故障监测阶段包括故障检测、模式识别和故障隔离三个功能本发明在离线学习阶段通过同时降维和字典学习方法学习到的投影和字典能同时解决数据高维和多模态特点的问题，在线故障监测阶段通过投影矩阵对测试数据构造SPE统计量，能减小在线监测过程的计算复杂度，提高在线监测的实时性本发明能够学习并保留原始数据更多的空间信息，提升字典的表示和辨识能力。
基于同时维和字典学习过程监控方法

[发明专利]基于多层局部感知深度字典学习的场景分类方法及系统-CN202210580373.5有效
发明人：苟建平;何鑫;王智;陈潇君;陈雯柏;柯佳 -专利权人：江苏大学
申请日： 2022-05-25 - 公布日： 2023-05-05 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于多层局部感知深度字典学习的场景分类方法及系统，属于图像识别技术领域中的场景分类，其目的在于解决现有技术中浅层字典学习无法提取样本更本质的特征、场景分类能力较弱的问题。本发明改进了深度字典学习方法，在第一层字典学习中，使用PCA方法提取后的样本特征作为输入；在第二层字典学习到最后一层字典学习中，使用上一层经过ReLU激活函数后的特征作为该层字典学习层的输入，在深度字典学习中加入了激活函数，进一步保证了所得特征编码的稀疏性和有效性，从而得到鉴别能力更强的深度字典，改善模型对场景分类任务的表现能力；通过这种方法，能够有效的提取样本更本质的特征，得到更优异的场景分类能力。
基于多层局部感知深度字典学习场景分类方法系统

[发明专利]一种基于深度矩阵字典的字典学习方法-CN201811342025.4在审
发明人：孙艳丰;杜伟男;胡永利 -专利权人：北京工业大学
申请日： 2018-11-12 - 公布日： 2019-03-29 - 主分类号： G06K9/52 文献下载
摘要：本发明公开了一种基于深度矩阵字典的字典学习方法，该方法提出深度矩阵字典学习模型，与传统字典学习方法不同的是，避免数据向量化而引发的数据结构信息被破坏问题，而是直接将矩阵数据表示作为字典训练集，并采用深度多层字典训练方式该模型具有多层字典结构和数据矩阵表示形式，能够更好表示矩阵数据全局信息和局部信息，最大程度恢复数据空间结构特性。字典训练阶段，进行深度矩阵字典训练，采用贪婪优化算法优化，得到深度矩阵字典及对应稀疏表示系数。直接利用数据的矩阵表示，提出深度矩阵字典学习模型，通过字典训练得到深度矩阵字典，既考虑矩阵数据自身结构特征信息，又使该模型具有更高效的数据表达能力。
矩阵字典学习字典训练矩阵数据字典多层空间结构结构特征信息数据结构信息表示形式恢复数据局部信息矩阵表示全局信息数据表达数据矩阵稀疏表示优化算法字典结构向量化优化

[发明专利]一种多标签分类方法、系统、装置及存储介质-CN201910261794.X有效
发明人：宋科建;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2019-04-02 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多标签分类方法，首先确定训练数据，然后利用待学习字典对训练数据进行学习得到对应的目标字典和稀疏编码，并且本方案再次对稀疏编码进行投影得到分析字典，然后确定分析字典、目标字典、稀疏编码与预设分类器的最优解相比现有技术，本方案中，在进行一次字典学习的基础上，又对稀疏编码进行了字典学习，即对稀疏编码进行投影得到相应的分析字典，然后结合两个字典进行多标签分类。两次字典学习可以对训练数据中的特征提取更加完备，从而使分类结果更加准确。本申请还提供了一种多标签分类系统、装置及计算机可读存储介质，同样可以实现上述技术效果。
一种标签分类方法系统装置存储介质

[发明专利]一种基于beta过程的非参数稀疏张量字典的学习方法-CN201510204653.6有效
发明人：孙艳丰;句福娇;胡永利;尹宝才 -专利权人：北京工业大学
申请日： 2015-04-27 - 公布日： 2018-01-16 - 主分类号： G06N5/00 文献下载
摘要：本发明公开了一种基于beta过程的非参数稀疏张量字典的学习方法，其不仅可以利用学习到稀疏字典，而且还可以学习到稀疏表示中误差的方差，并且在高维张量数据中张量字典的学习可以利用原始数据的空间结构信息。该方法包括步骤(1)beta过程的一维字典学习；(2)beta过程的张量字典学习；(3)求解所有变量的后验分布；(4)利用吉布斯方法进行采样。
一种基于 beta 过程参数稀疏张量字典学习方法

[发明专利]基于数据依赖的核学习和字典学习的图像分类及识别方法-CN201911289815.5在审
发明人：余明辉;詹增荣;马争鸣;杨鹏 -专利权人：广州番禺职业技术学院
申请日： 2019-12-13 - 公布日： 2020-04-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于数据依赖的核学习和字典学习的图像分类及识别方法，通过把核学习应用到基于核方法的黎曼流形字典学习和稀疏编码方法上，同时优化核参数、字典学习和稀疏编码三个变量，学习最优的核参数和字典，利用学习到的核参数和字典可以得到更好的编码结果
基于数据依赖学习字典图像分类识别方法

[发明专利]基于自监督字典学习的聚类算法-CN202011118690.2在审
发明人：杨博;刘诗仪 -专利权人：西安工程大学
申请日： 2020-10-19 - 公布日： 2021-01-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了本发明提供了一种基于自监督字典学习的聚类算法，该方法在深度字典学习的基础上应用自监督技术，先通过深度字典学习网络对数据进行稀疏表示并构建相似度矩阵，然后分别链接在稀疏表示层后的聚类模块利用相似度矩阵对数据进行标注形成伪标签和分类网络模块实现对数据的分类操作，分类结果与聚类得到的伪标签相比较，构建自监督损失，实现对字典学习网络的监督。本发明为如何充分利用深度字典学习训练过程中无标签数据的内在特征提供解决方案，利用已得到的结果来约束学习过程，优化整个深度字典学习网络，同时提升字典学习的性能。
基于监督字典学习算法

[发明专利]一种基于字典学习的零样本图像分类方法-CN202210286505.3在审
发明人：颜金花;彭宏京;许名扬 -专利权人：南京工业大学
申请日： 2022-03-22 - 公布日： 2022-06-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于字典学习的零样本图像分类方法，属于字典学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心字典学习框架，并将训练集输入基于字典学习的网络模型中得到图片图像特征，基于字典学习的网络模型包括学习类模型、结构对齐、域自适应、类原型约束模块；通过计算字典学习网络模型的损失函数，对该模型中的参数进行调节；图片图像特征和语义信息特征共同训练得到分类器；将测试集输入分类器进行分类。相较于现有技术，本发明通过在基于字典学习框架网络中加入类原型约束，使生成的视觉图像特征更加多样化，提高了分类准确度。
一种基于字典学习样本图像分类方法

[发明专利]基于联邦字典学习数据传输方法、装置、设备及存储介质-CN202211256270.X有效
发明人：王滨;周少鹏;王旭;毕志城;张峰;赵海涛 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-10-14 - 公布日： 2023-03-24 - 主分类号： G06F16/31 文献下载
摘要：本申请提供一种基于联邦字典学习数据传输方法、装置、设备及存储介质，涉及信息安全技术领域，有效防止联邦学习中数据隐私的泄露。该方法包括：数据需求设备向第一终端设备发送数据请求；数据请求用于请求第一终端设备的本地数据；第一终端设备向数据需求设备发送本地数据在本地字典中对应的字典索引数据；本地字典用于表征第一终端设备的本地数据经字典学习后的训练数据数据需求设备基于字典索引数据，从第一字典中获取训练数据；训练数据为本地数据经字典学习后的数据。本申请可用于联邦学习的过程中。
基于联邦字典学习数据传输方法装置设备存储介质

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