“孙灏铖”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]一种面向科学可视化的运动建模与识别方法及系统-CN202310834376.1在审
发明人：刘力;孙灏铖 -专利权人：苏州大学
申请日： 2023-07-10 - 公布日： 2023-09-29 - 主分类号： G06F16/26 文献下载
摘要：本发明公开了一种面向科学可视化的运动建模与识别方法及系统，包括：获取科学时变体数据，提取科学时变体数据特征，量化分析提取的特征得到特征的一组属性，且在相邻时间片进行匹配获取时空联系，并检测运动过程中单个特征发生的行为；基于运动过程的分层描述以及科学时变体数据特征的行为构建分层模型，将科学时变体数据特征计算结果输入分层模型，计算每个特征的状态转移概率以及分层模型的设定，决定特征的状态转移并识别符合定义的运动实例；根据运动实例构建运动实例数据库，并结合可视化方法从不同层次和角度分析科学时变体数据中的运动。本发明方法突出了对科学数据中动态特性的研究和可视化，有助于对自然现象的观察和分析。
一种面向科学可视化运动建模识别方法系统

[发明专利]基于多视图多任务集成学习的作物叶片种类识别方法-CN202010485899.6在审
发明人：田青;梅承;孙灏铖;张恒 -专利权人：南京信息工程大学
申请日： 2020-06-01 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于多视图多任务集成学习的作物叶片种类识别方法，该方法选取叶片图像作为原始数据集，并进行特征提取，得到若干视图下的数据集；利用CNN模型作为基学习器，对若干视图下的数据集与原始数据集分别进行单独的集成学习；然后固定所有基学习器的参数，并去除掉基学习器中全连接分类器的最后一层，然后将所有模型的输出拼接起来，并添加新的分类器，对若干视图进行联合特征选择，使得其验证集准确率达到期望，得到多个视图下的模型；再利用多任务学习，对叶片种类进行识别。本发明强化了模型的准确度和泛化能力，整体上解决了传统深度学习模型训练数据不足，模型简单地堆叠深度导致的泛化能力弱的问题。
基于视图任务集成学习作物叶片种类识别方法