“专利分类实用新型”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18556916个，建议您升级VIP下载更多相关专利

[发明专利]一种网站系统的输入约束完备性检测方法-CN202110587069.9有效
发明人：林涛;吴芝明;黎鸣;付迪洋 -专利权人：四川大学
申请日： 2021-05-27 - 公布日： 2022-08-16 - 主分类号： G06F21/57 文献下载
摘要：本申请提供了一种网站系统的输入约束完备性检测方法，将分布式网站系统中标注代码生成的嵌入向量和原始分类器中无标注代码的嵌入向量输入到半监督文本分类模型中进行模型训练，得到训练分类器，利用训练好的训练分类器从标注代码中筛选出符合约束条件的输入代码数据集组合模型，从输入代码数据集中确定代码嵌入词向量和含有上下文关系的词向量，识别输入代码数据集的语义特征，运用python脚本提取输入代码数据集的关键词特征和信息特征，响应用户登录，浏览器自动生成约束代码分类的可视化登录结果
一种网站系统输入约束完备检测方法

[发明专利]一种基于心拍差分编码的心电信号人工智能处理电路-CN202210308702.0有效
发明人：周军;肖剑彪;樊嘉靖;刘嘉豪 -专利权人：电子科技大学
申请日： 2022-03-28 - 公布日： 2022-07-29 - 主分类号： A61B5/318 文献下载
摘要：其方案为：预处理模块通过心拍存储器与差分编码模块相连，差分编码模块与激活模块、神经网络分类器顺次相连，差分网络存储器和非差分网络存储器与神经网络分类器相连通过模板更新模块与心拍模板存储器相连，心拍模板存储器还与差分编码模块相连本发明利用差分心拍的波形特征和自适应阈值实现了正异常心拍的动态唤醒，从而减少人工智能分类器的启动次数最终降低整体系统功耗。本发明利用人工智能分类器历史分类结果生成病人心拍模板，提升了模型处理的泛化准确率，且全过程不需要额外标注病人心拍并且可以实时学习病人自特异性。
一种基于心拍差分编码电信号人工智能处理电路

[发明专利]一种基于多层聚类模型的居民日常行为识别方法-CN201811535782.3有效
发明人：刘亚清;王思文;王湘鑫;古竞轩;宋溢洋 -专利权人：大连海事大学
申请日： 2018-12-14 - 公布日： 2022-08-19 - 主分类号： G06V10/762 文献下载
摘要：对训练集中的传感器事件流根据日常行为实例进行分割；通过K近邻算法进行聚簇，统计样本在每个簇下的分布；判断任意两个日常行为是否存在耦合；计算耦合集中日常行为的耦合度，降序排列；去除训练集中耦合度最大的行为实例；判断训练集是否存在耦合；使用分类模型对测试集中的行为实例进行分类本发明提出的多层聚类模型的行为分类方法对行为实例进行聚类，根据日常行为的耦合度对行为实例进行分步识别，克服了单层的分类方法由于行为实例耦合度较高导致分类性能较差的问题。
一种基于多层模型居民日常行为识别方法

[发明专利]基于注意力机制及多尺寸信息提取的双图像识别分类方法-CN202210066369.7有效
发明人：张桃红;郭徐徐;范素丽 -专利权人：北京科技大学
申请日： 2022-01-20 - 公布日： 2022-09-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于注意力机制及多尺寸信息提取的双图像识别分类方法，包括：获取待分类物体的两幅图像；其中，两幅图像为同一位置不同情况下所拍摄的图像；并行的多尺寸特征提取网络融合了不同尺寸的信息以同时提取两幅图像的不同尺寸的特征利用双图像空间注意力模块将两幅图像的特征从空间的角度进行融合，得到空间融合特征信息；利用双图像通道注意力模块将两幅图像的特征从通道的角度进行融合，得到通道融合特征信息；多种方法提取的特征相互交互融合，形成的融合信息输入到分类网络，得到待分类物体的类别。本发明结合了不同情况下的相同物体的两幅图像，克服了单幅图像的特征信息不全面的问题，提高了分类的准确率。
基于注意力机制尺寸信息提取图像识别分类方法

[发明专利]基于注意力机制的脑梗死医学影像分类模型的训练方法-CN202010898527.6有效
发明人：徐枫;喻琳颖;娄昕;郭雨晨;杨东;吕晋浩;雍俊海;戴琼海 -专利权人：清华大学;中国人民解放军总医院
申请日： 2020-08-31 - 公布日： 2022-09-20 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于注意力机制的脑梗死医学影像分类模型的训练方法，包括：获取训练样本集，训练样本集中包括多个已标注的脑部医学影像三维序列图；将训练样本集输入至预设的卷积神经网络模型中，并从卷积神经网络模型获取与脑部医学影像三维序列图对应的特征图，卷积神经网络模型中包括注意力模块，注意力模块用于对脑部医学影像三维序列图所包含的特征信息进行筛选；将特征图输入至卷积神经网络模型的分类器中进行训练，基于焦点损失函数更新卷积神经网络模型的参数，当更新参数后的卷积神经网络模型收敛时本发明能够使得训练得到的分类模型具有更好的分类表现，提高分类的准确率。
基于注意力机制脑梗死医学影像分类模型训练方法

[发明专利]一种基于街景图像的土地利用分类方法及系统-CN202110668680.4有效
发明人：曾林芸;方芳;刘袁缘;李圣文;张嘉辉;郑道远 -专利权人：中国地质大学（武汉）
申请日： 2021-06-16 - 公布日： 2022-09-30 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及土地分类领域，提供一种基于街景图像的土地利用分类方法及系统，包括：获得处理后的街景图像数据和处理后的土地地块数据；将处理后的街景图像数据输入训练好的卷积神经网络，获取街景特征向量，通过街景特征向量计算获得输入地块节点嵌入表示向量；将街景特征向量和输入地块节点嵌入表示向量输入训练好的图卷积神经网络，获得输出地块节点嵌入表示向量；将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类，获得地块的土地利用分类结果。
一种基于街景图像土地利用分类方法系统

[发明专利]一种基于消费数据和同态加密算法的消费人群分类方法-CN202110564959.8有效
发明人：成卫青;刘婷婷 -专利权人：南京邮电大学
申请日： 2021-05-24 - 公布日： 2022-09-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于消费数据和同态加密算法的消费人群分类方法，包括，通过数据所有者采集任意时间段的用户消费数据，基于VHE的整数向量同态加密策略将用户消费数据转换成向量矩阵进行加密，而后将加密完成获得的密文上传至数据库；广告运营商根据需求设置所需的用户分类个数k，并将用户分类个数k发送给第三方计算中心；通过第三方计算中心读取密文，并根据用户分类个数k密文进行聚类，完成消费人群的分类；本发明基于价值矩阵对k‑means
一种基于消费数据同态加密算法人群分类方法

[发明专利]一种基于自注意力卷积神经网络的短文本分类方法及系统-CN202010150086.1有效
发明人：周国强;管兵 -专利权人：南京邮电大学
申请日： 2020-03-06 - 公布日： 2022-09-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于自注意力卷积神经网络的短文本分类方法和系统，该方法包括：首先对短文本数据集进行预处理，得到词的初始特征向量，组成的短文本矩阵输入到Word2vec模型中，从而得到词向量；接着将输入短文本矩阵至Self‑attention层，对每个标记Token的上下文信息进行编码，经过卷积层、池化层后抽取短文本的高级语义特征向量，并输入至Softmax分类器进行文本分类识别；所述系统包括文本预处理模块、Word2vec预训练模块、Self‑attention模块、卷积池化模块、分类器模块。本发明在短文本特征学习模型中融合了自注意力机制，可以有效地突出上下文关键词的作用，使得模型的性能得到了很大的提高，且能够降低计算的误差，提高文本数据分类的准确率。
一种基于注意力卷积神经网络文本分类方法系统

[发明专利]一种客户反馈信息的分类方法及装置-CN201910658921.X有效
发明人：刘馨靖 -专利权人：中国联合网络通信集团有限公司
申请日： 2019-07-19 - 公布日： 2022-09-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种客户反馈信息的分类方法，该方法包括：步骤1根据网络参数，确定卷积神经网络分类模型中的贡献度，其中，网络参数为使用反向传播算法计算获得的参数，网络参数包括滤波器的权重；步骤2根据贡献度，确定总滤波器集合；步骤3根据卷积区域的数目、每个卷积区域内的总滤波器集合和文本训练集，计算获得文本训练集的类别概率；步骤4对比类别概率和概率预设值，获得对比结果；步骤5根据对比结果，确定是否停止文本分类模型的训练，若是，则更新网络参数，并重复步骤1，继续训练；否则，停止训练，获得文本分类模型；步骤6将获得的目标客户反馈信息的词向量输入到文本分类模型中，确定目标客户反馈信息的类别，精确提炼有用信息。
一种客户反馈信息分类方法装置

[发明专利]一种基于脑电溯源和偶极子选择的运动想象分类方法-CN202210783534.0有效
发明人：陈昆;魏欣;马力;刘泉;艾青松 -专利权人：武汉理工大学
申请日： 2022-07-05 - 公布日： 2022-10-04 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于脑电溯源和偶极子选择的运动想象分类方法，包括：采集基于多类别运动想象的脑电信号；对多通道脑电信号进行溯源，得到皮层神经活动源的信号；对源空间偶极子进行偶极子通道选取，将各偶极子脑电信号的能量作为选择和删除偶极子通道集合的搜索策略结合每个运动想象类别与剩余类别脑电信号能量的改进型F‑score值作为最优偶极子通道选择评价准则，提取源空间选择偶极子的脑电数据；将脑电数据输入到共空间模式滤波器中进行特征提取；将共空间模式特征输入支持向量机分类器中，实现运动想象脑电信号分类。本发明在探索运动想象脑电规律的基础上开展了运动想象脑电信号处理、特征提取及分类方法研究，有效提升了分类准确率。
一种基于溯源偶极子选择运动想象分类方法

[发明专利]一种基于特征增强和IoU感知的目标检测方法-CN202110268913.1有效
发明人：马波;安骄阳;刘龙耀 -专利权人：北京理工大学
申请日： 2021-03-12 - 公布日： 2022-09-16 - 主分类号： G06V10/25 文献下载
摘要：本方法利用RoI分类回归网络中卷积特征图的空间信息提高目标分类和定位的精度，利用注意力机制抑制RoI特征中的背景信息和增强RoI特征中的语义信息，利用IoU重打分策略增加类别得分和边界框置信度之间的相关性本方法通过RoI分类回归分支网络，能有效利用特征图中的空间信息，有效提高了目标检测模型的分类和定位能力；通过边界框级别的语义分割分支网络和注意力机制，增强了RoI分类回归分支网络中的特征；通过IoU预测分支网络和使用预测
一种基于特征增强 iou 感知目标检测方法

[发明专利]基于联合注意能力测试和音视频行为分析的孤独症早期筛查系统-CN201910606482.8有效
发明人：李明;邹小兵;潘悦然;蔡昆京 -专利权人：昆山杜克大学;中山大学附属第三医院
申请日： 2019-07-05 - 公布日： 2022-08-16 - 主分类号： A61B5/16 文献下载
摘要：评估者的音视频多模态数据进行多视角多声道的数据采集；预处理模块同步采集的音视频数据，并使用语音识别检测和标记评估者发出指令的时间，截取该时间点后的音视频进行分析；特征提取模块对预处理后的音视频数据进行特征提取，获取语音内容、面部情感等特征；训练分类模块，将提取的组合特征作为机器学习分类器的输入进行训练，得到预测孤独症的分类器模型；预测模块，利用训练所得的分类器模型对被采集数据的被试者进行孤独症分类预测。
基于联合注意能力测试视频行为分析孤独症早期系统

[发明专利]一种基于多源传感器信息融合的非结构化路面类型识别方法-CN202010701410.4有效
发明人：赵健;王春迪;朱冰;罗新帅 -专利权人：吉林大学
申请日： 2020-07-20 - 公布日： 2022-10-11 - 主分类号： G06V20/56 文献下载
摘要：搭建多源传感器同步数据采集平台；步骤二、实现路面图像数据与车辆动力学状态数据的时空对齐；步骤三、对采集的图像信息进行预处理；步骤四、估计对应非结构化路面的滚动阻力、附着系数和坡度参数；步骤五、得出另一路面类型识别结果，此分类器记为第二分类器；步骤六、将第一分类器和第二分类器的路面类型结果进行融合得到最终路面类型识别结果。有益效果：纠正了部分只利用单一传感器信息产生的分类错误；实现路面类型识别；本发明提出的路面图像数据与车辆动力学状态数据的空间对齐方式有益地减小了误差，保证了空间对齐的精度。
一种基于传感器信息融合结构路面类型识别方法

[发明专利]基于卷积神经网络的长文本分类识别方法、装置及介质-CN201910731678.X有效
发明人：吴鸿伟;林修明;连志阳;林淑强;张永光;陈志飞 -专利权人：厦门市美亚柏科信息股份有限公司
申请日： 2019-08-08 - 公布日： 2022-10-11 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种基于多粒度卷积神经网络的长文本分类识别方法、装置及存储介质，该方法包括：将所述训练样本集中的长文本样本基于所述映射表转换为数字序列得到数字序列形式的训练样本集，使用所述数字序列形式的训练样本集训练多粒度卷积神经网络得到训练后的多粒度卷积神经网络，基于所述映射表将待分类识别的长文本转换为数字序列使用训练后的多粒度卷积神经网络进行分类识别得到分类识别结果。本发明将汉字文本转换为数字序列进行处理，提高了处理速度，且本发明的多粒度卷积神经网络结构，具有提取全局特征和局部特征的分支，由于采用多分支的结构，保留了长文本的整体语义信息及局部关键信息，有效提升长文本分类识别的准确率
基于卷积神经网络文本分类识别方法装置介质

[发明专利]基于时空深度学习融合技术的农作物全自动化分类方法-CN202110279564.3有效
发明人：顾玲嘉;杨舒婷;任瑞治 -专利权人：吉林大学
申请日： 2021-03-16 - 公布日： 2022-09-27 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于时空深度学习融合技术的农作物全自动化分类方法，属于卫星遥感图像处理与应用的技术领域。本发明目的是解决现有高分辨率遥感影像在对农作物分类中存在的地物边界模糊或椒盐噪声现象、算法复杂度高且时间开销大、忽略特征信息对作物识别结果的影响，以及目前深度学习方法无法对高分辨率遥感影像进行及时、准确的农作物识别等问题本发明提出全自动化的训练样本选择方法，融合地理信息的Geo‑3D CNN网络与Geo‑Conv1D网络，并采用Active Learning策略实现两种分类方法分类结果的融合。利用本发明提出的基于时空深度学习融合技术的农作物全自动化分类方法可以实现对大面积农作物的高效、准确的识别。
基于时空深度学习融合技术农作物自动化分类方法