“源域”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652060个，建议您升级VIP下载更多相关专利

[发明专利]基于动态权重的多源联合自适应和内聚性特征提取方法-CN202111332562.2在审
发明人：张玉红;杜明轩 -专利权人：合肥工业大学
申请日： 2021-11-11 - 公布日： 2022-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于动态权重的多源联合自适应和内聚性特征提取方法，是首先对多个源域的样本进行对齐，在对齐的过程中学习一种实时度量差异的动态权重；然后使用细粒度的度量指标使源域和目标域对齐；再利用多个分类器形成对抗，通过对抗的方式让目标域样本进行内聚性特征的学习；最后就可以得到能够提取源域和目标域的公共特征以及目标域中的内聚性特征的特征提取器。本发明能有效地提高源域和目标域对齐之后目标域样本的质量，从而使得提取出的轮廓特征与同类样本具有更多的相似性。
基于动态权重联合自适应内聚性特征提取方法

[发明专利]基于无监督领域自适应的图像超分辨方法及装置-CN202210183404.3在审
发明人：李冠彬;许晓倩;魏朋旭;毛明志;林倞 -专利权人：中山大学
申请日： 2022-02-24 - 公布日： 2022-05-27 - 主分类号： G06T3/40 文献下载
摘要：本申请公开了一种基于无监督领域自适应的图像超分辨方法及装置，在源域能访问到成对的LR和HR数据，目标域仅能访问到LR数据的情况下，实现源域模型到目标域的迁移，通过设计两个对称的分支网络(源分支网络和目标分支网络)，共同处理源域和目标域数据，并采用域间对抗自适应机制，通过不同域之间的对抗实现域间迁移；采用域内对抗自适应机制，通过域内对抗实现两个分支之间的对齐，同时添加重建一致性约束和VGG损失，以确保训练过程的稳定性，从而使适应到目标域的SR网络存在性能稳定。
基于监督领域自适应图像分辨方法装置

[发明专利]一种适用于WiFi跨场景感知的源域选择方法-CN202310058760.7在审
发明人：盛碧云;韩瑞;肖甫;桂林卿;蔡惠 -专利权人：南京邮电大学
申请日： 2023-01-16 - 公布日： 2023-03-21 - 主分类号： H04B17/309 文献下载
摘要：本发明属于无线信号的跨域行为感知技术领域，公开了一种适用于WiFi跨场景感知的源域选择方法，充分考虑源域、目标域的全局数据分布和带标签数据的局部分布，设计一种基于全局和局部距离线性组合的评价策略，选择距离目标域最近的源域来构建跨域感知模型，保障跨场景无源感知的可靠性和精度；还为基于WiFi的跨场景感知问题，提供了新的研究思路。
一种适用于 wifi 场景感知选择方法

[发明专利]一种基于多源加权集成迁移学习的滚动轴承故障诊断方法-CN202010368012.5有效
发明人：姜洪开;杨懿;王应雷;鲁腾飞 -专利权人：西北工业大学
申请日： 2020-05-01 - 公布日： 2023-09-08 - 主分类号： G06F17/10 文献下载
摘要：本发明公开了一种基于多源加权集成迁移学习的滚动轴承故障诊断方法。该方法选取滚动轴承在某一工况下的故障振动信号作为目标域，并选取同种轴承在其他工况下的故障振动信号作为源域，提取振动信号的时频域特征量作为目标域和源域样本，并赋予目标域和源域对应的样本权重；采用改进梯度提升树(LightGBM)作为集成迁移学习的基学习器，提高算法的运行效率和精度；采用多源域改进后的TrAdaboost的权重更新策略来更新样本权重，降低负迁移源域对迁移效果的影响。
一种基于加权集成迁移学习滚动轴承故障诊断方法

[发明专利]电力物联网流量分类方法及装置-CN202110882758.2有效
发明人：陆继钊;李文萃;吴晨光;高峰;闫丽景;李强;孟慧平;蔺鹏;朱凯;郭少勇;陶卓 -专利权人：国网河南省电力公司信息通信公司;北京万可信息技术有限公司;国家电网有限公司;北京邮电大学
申请日： 2021-08-02 - 公布日： 2023-06-20 - 主分类号： G06F18/24 文献下载
摘要：本发明提供一种电力物联网流量分类方法及装置，方法包括：根据第一分类器，确定目标域数据的伪标签；根据中间域数据的第一标签对源域数据进行重构；根据伪标签和重构的源域数据训练双向循环生成对抗网络，以获取目标双向循环生成对抗网络；将目标域数据输入至目标双向循环生成对抗网络，以对目标域数据进行分类。本发明充分利用源域和目标域数据，生成的中间域数据起到数据增强的作用，并根据中间域数据更新源域数据进行重构，从而避免生成器转换能力太强导致的损失，可以以有标签数据(源域数据)训练的模型作为基础，实现对无标签(目标域)数据的流量分类。
电力联网流量分类方法装置

[发明专利]一种面向手势识别的领域自适应方法及系统-CN202211477992.8有效
发明人：卫文韬;任林燕;周博文 -专利权人：南京理工大学
申请日： 2022-11-23 - 公布日： 2023-06-30 - 主分类号： G06V40/20 文献下载
摘要：本发明的目的是提供一种面向手势识别的领域自适应方法及系统，涉及手势识别技术领域，获取用户的待识别目标域表面肌电信号；将待识别目标域表面肌电信号分别输入到多个目标域手势识别模型中，得到多个源域视角下的目标域手势识别结果；不同目标域手识别模型使用的训练数据的源域不同；根据多个源域视角下的手势识别结果，以及每个源域视角下的权重，确定待识别目标域表面肌电信号的手势种类。本发明通过构建不同源域下的目标域手势种类识别模型，并基于多个目标域手势识别模型的识别结果进行融合，提高手势识别的准确性。
一种面向手势识别领域自适应方法系统

[发明专利]基于Transformer的跨域双分支对抗域适应图像分类方法-CN202310688466.4在审
发明人：潘杰;高洪伟;邹筱瑜;刘新华;顾进恒 -专利权人：中国矿业大学
申请日： 2023-06-12 - 公布日： 2023-09-12 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于Transformer的跨域双分支对抗域适应图像分类方法，包括：分别读取源域和目标域的图像；构建基于Transformer的跨域双分支对抗域适应网络模型；利用预处理后的源域和目标域图像对跨域双分支对抗域适应网络模型进行训练，将训练后的跨域双分支对抗域适应网络模型作为图像分类模型；将源域图像和目标域图像配对后分别输入至图像分类模型的双分支特征提取器中提取特征，利用分类器预测目标域中图像的标签类别。本发明将特征提取器精简为并行可交互的双分支结构，减少计算量，提升了图像训练和推理的效率；将源域和目标域的查询融合为跨域统一查询量，平滑域间分布差异，融合两个域的查询信息，用于交叉注意力在域间进行关系建模
基于 transformer 跨域双分支对抗适应图像分类方法

[发明专利]一种活体检测方法、装置及设备-CN202310466115.9在审
发明人：李雅纯;王晶晶;陈玉辉;谢迪;浦世亮 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2023-04-26 - 公布日： 2023-07-25 - 主分类号： G06V40/40 文献下载
摘要：本申请提供一种活体检测方法、装置及设备，该方法包括：获取源域图像和自然图像；对所述源域图像进行频域变换得到源域频谱图，对所述自然图像进行频域变换得到自然频谱图，基于所述源域频谱图和所述自然频谱图生成混合频谱图，对所述混合频谱图进行频域逆变换得到扰动源域图像；基于所述源域图像和所述扰动源域图像对初始活体检测模型的网络参数进行调整，得到调整后活体检测模型，并基于调整后活体检测模型确定目标活体检测模型；其中，所述目标活体检测模型用于对待检测图像进行活体检测
一种活体检测方法装置设备

[发明专利]一种跨地域排放模型迁移方法、系统、存储介质及设备-CN202111269824.5在审
发明人：许镇义;康宇;曹洋 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2021-10-29 - 公布日： 2022-03-22 - 主分类号： G06F30/18 文献下载
摘要：本发明的一种跨地域排放模型迁移方法、系统、存储介质及设备，方法包括以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。本发明采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。可解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。
一种地域排放模型迁移方法系统存储介质设备

[发明专利]一种无监督域适应故障诊断方法-CN201911202330.8有效
发明人：安晶;艾萍;李青祝;黄曙荣;刘聪;刘大琨 -专利权人：盐城工学院
申请日： 2019-11-29 - 公布日： 2021-09-03 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种无监督域适应故障诊断方法，包括，获取轴承源振动数据，并将其划分训练样本和测试样本；构建CACD‑1DCNN模型，训练模型，确定模型参数；故障诊断；其中，所述源振动数据包括无标签的目标数据和有标签的源域数据；所述获取轴承源振动数据通过传感器获取；本发明提出模型的目标函数包括源域的交叉熵分类损失，基于中心的判别损失和基于源域和目标域特征的相关对齐损失，后两个损失在最后一个全连接层执行，模型训练后不仅能将源域中学到的表示应用于目标域，而且能保证提取的域不变特征具有更好的类内紧致性和类间可分性，同时提取的特征可以有效地提高跨域测试的性能。
一种监督适应故障诊断方法

[发明专利]一种考虑类别语义匹配的域自适应目标检测方法及系统-CN202111036092.5在审
发明人：王晓伟;蒋沛文;王惠;秦晓辉;边有钢;秦洪懋;徐彪;谢国涛;秦兆博;胡满江;丁荣军 -专利权人：湖南大学
申请日： 2021-09-06 - 公布日： 2021-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种考虑类别语义匹配的域自适应目标检测方法及系统。该方法包括：步骤1，获取源域带标签图像和目标域无标签图像；步骤2，使用源域带标签图像训练得到经过预训练的基础目标检测器；步骤3，在经过预训练的基础目标检测器上增加域自适应组件，使用源域带标签图像和目标域无标签图像训练得到经过训练的域自适应目标检测模型；步骤4，移除增加的域自适应组件，使用经过训练的域自适应目标检测模型对目标域场景进行目标检测。本发明考虑了跨域目标检测中两域特定类别语义匹配的问题，避免源域和目标域的目标类别在共享类别空间中出现错误对齐的问题，从而促使目标检测模型在目标域上的检测性能得到进一步提高。
一种考虑类别语义匹配自适应目标检测方法系统

[发明专利]基于超多目标的智能工厂能源优化方法、设备及存储介质-CN202211497220.0在审
发明人：何敏藩;郝志峰;涂东阳;吴彪;陈剑;柴华 -专利权人：佛山科学技术学院
申请日： 2022-11-25 - 公布日： 2023-05-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于超多目标的智能工厂能源优化方法、设备及存储介质，涉及能源优化技术领域，方法包括：在源域固定机制下的多个目标域场景中创建多个匹配智能工厂车间的能耗类目；通过公共特征提取器对目标域数据进行公共特征提取，以将目标域数据与能耗类目进行匹配；通过目标域特征提取器对目标域数据进行目标域局部自适应处理，以生成目标域局部自适应数据；将目标域局部自适应数据输入目标域分类器，以输出目标域源域样本集；对目标域源域样本集进行数据分析，将经数据分析后的目标域源域样本集与能耗类目录进行对比以输出优化提示。
基于多目标智能工厂能源优化方法设备存储介质

[发明专利]基于加权原型和图卷积的多源域自适应脑电信号分类方法-CN202310417217.1在审
发明人：李慧盈;张冬雪 -专利权人：吉林大学
申请日： 2023-04-18 - 公布日： 2023-07-14 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及运动想象脑电信号分类领域，具体提供了一种基于加权原型和图卷积的多源域自适应脑电信号分类方法，包括步骤：S1：对脑电信号进行数据预处理及数据划分；S2：模型训练：将目标域和各个源域的特征分别利用MMD损失进行全局上的对齐，并设计多个图卷积操作对对齐进行辅助；通过对各个源域的类原型进行加权以获得联合源类原型来实现类级细粒度对齐；通过源域与目标域特征的MMD损失、多个源域的分类交叉熵损失及目标域特征与联合源域原型的对比损失对网络进行参数更新并获取最优参数
基于加权原型图卷多源域自适应电信号分类方法

[发明专利]多任务学习的相位声全息图生成方法、系统、设备和介质-CN202310461475.X在审
发明人：刘松 -专利权人：上海科技大学
申请日： 2023-04-25 - 公布日： 2023-07-25 - 主分类号： G06T11/00 文献下载
摘要：本申请提供一种多任务学习的相位声全息图生成方法、系统、设备和介质，该方法包括：获取给定声场的声场图像；将所述声场图像输入第一预测单元，得到第一源域相位全息图，其中所述第一预测单元是基于目标域全息图与输入预设的第一预测网络的声场样本图像的相似度进行网络训练得到的，所述目标域全息图是基于所述第一预测网络输出的源域相位全息图进行声场前向传播得到的；将所述声场图像和所述第一源域相位全息图输入第二预测单元，得到第二源域相位全息图；根据所述第一源域相位全息图和所述第二源域相位全息图生成预测源域相位全息图
任务学习相位声全息图生成方法系统设备介质

[发明专利]一种桥接多源域自适应的跨域组织病理学图像识别方法-CN202310167733.3在审
发明人：李祥宁;潘晨;何灵敏 -专利权人：中国计量大学
申请日： 2023-02-27 - 公布日： 2023-05-30 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种桥接多源域自适应的跨域组织病理学图像识别方法，包括如下步骤：步骤S1：收集整理来自三种不同癌症领域的组织病理学图像数据集，构建训练集和测试集；步骤S2：对训练样本和测试样本图像进行数据增强处理，得到多个源域批处理图像与目标域批处理图像，将两种批处理图像进行桥接混合，产生多个中间域批处理图像；步骤S3：构建一种新的多源域自适应框架，包括多源域桥接自适应网络，域对抗自适应模块，并改进损失；步骤S4：采用步骤S2获得的多个源域批处理图像、中间域批处理图像和目标域批处理图像对步骤S3的多源域自适应框架训练并得到权重文件；步骤S5：测试集经过已训练好的分类模型进行精度测试，并输出测试结果。
一种桥接多源域自适应组织病理学图像识别方法