“分类函数”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451341个，建议您升级VIP下载更多相关专利

[发明专利]神经网络的训练方法、电子设备及存储介质-CN202011467224.5有效
发明人：刘智辉;王耀农;余言勋;杜治江;张震;肖钟雯 -专利权人：浙江大华技术股份有限公司
申请日： 2020-12-14 - 公布日： 2021-04-27 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种神经网络的训练方法、电子设备及存储介质，该神经网络用于货车载货识别，包括串联的识别模块和分类模块，该训练方法包括：将样本图像输入识别模块，以预测样本图像中货车的载货区域的多个关键点；根据预测的多个关键点得到仅包括载货区域的载货区域图；将载货区域图输入分类模块，以预测载货区域的货物属性；根据识别模块的预测结果得到第一损失函数值；根据分类模块的预测结果得到第二损失函数值；根据第一损失函数值和第二损失函数值而得到总损失函数值；更新识别模块和分类模块的参数以缩小总损失函数值
神经网络训练方法电子设备存储介质

[发明专利]一种糖尿病视网膜病变诊断模型的构建方法及诊断模型-CN202310397924.9有效
发明人：欧阳继红;刘思光;李成溪;孟庆奕 -专利权人：吉林大学
申请日： 2023-04-14 - 公布日： 2023-07-11 - 主分类号： G06T7/00 文献下载
摘要：所述构建方法包括：获取眼底图像并进行预处理，得到输入图；将输入图输入骨干网络进行特征提取，得到包含高级特征的特征图；设计改进的分类器，将特征图输入改进的分类器，经过计算分别得到一个分类预测结果和一个回归预测结果；设计相对位置损失函数附加项，上一步骤中的分类预测结果用于计算交叉熵损失函数，回归预测结果用于计算相对位置损失函数附加项；交叉熵损失函数和相对位置损失函数附加项相结合得到最终的联合损失函数，以实现诊断模型的构建
一种糖尿病视网膜病变诊断模型构建方法

[发明专利]面向分类任务标签噪声的鲁棒性损失函数搜索方法及系统-CN202211645114.2有效
发明人：邓岳;杜金阳 -专利权人：北京航空航天大学
申请日： 2022-12-21 - 公布日： 2023-05-05 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了面向分类任务标签噪声的鲁棒性损失函数搜索方法及系统，包括深度神经网络模型选择模块、损失函数参数化模块、分类任务数据集划分模块、自步学习模块、双层优化模块、鲁棒性损失函数构建模块和重训练模块；选择用于分类任务的深度神经网络模型，基于泰勒展开的方法，构造不同展开阶数的参数化的损失函数；构建双层优化的算法主体，基于结合自步学习的验证集样本自选择策略，结合隐函数定理或罚函数思想输出在验证集上效果最佳的一组超参数；由得到超参数组成新的损失函数作为最终搜索得到的对标签噪声具有鲁棒性的损失函数，指导重新训练模型，实现了对标签噪声鲁棒的损失函数的快速自动搜索，并且具有简洁性和可移植性。
面向分类任务标签噪声鲁棒性损失函数搜索方法系统

[发明专利]元学习演化策略黑盒优化分类器-CN202110590519.X在审
发明人： D·T·维尔莫特;C·丹尼尔;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2021-05-28 - 公布日： 2021-12-03 - 主分类号： G06K9/62 文献下载
摘要：一种用于训练元学习演化策略黑盒优化分类器的计算方法。该方法包括：接收元学习演化策略黑盒优化分类器的一个或多个训练函数和一个或多个初始元学习参数。该方法进一步包括：对来自一个或多个训练函数的所采样的目标函数以及所采样的函数的初始均值进行采样。t=1,…,T中的T数量的步骤，通过在使用初始均值的所采样的目标函数上运行元学习演化策略黑盒优化分类器来计算该方法还包括：从T数量的均值的集合中计算损失函数。该方法进一步包括：响应于损失函数的特性，更新元学习演化策略黑盒优化分类器的一个或多个初始元学习参数。
学习演化策略黑盒优化分类

[发明专利]目标分类方法、装置及存储介质-CN202311058274.1在审
发明人：施雪松;蔡晔;谭俊杰;彭佳;钟仁海;雷小平 -专利权人：长沙隼眼软件科技有限公司
申请日： 2023-08-22 - 公布日： 2023-09-26 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种目标分类方法、装置及存储介质，针对每一个目标，旨在通过将对应该目标的观测数据序列输入到隐马尔可夫模型中，利用隐马尔可夫模型对所述雷达的探测目标的跟踪轨迹数据进行解码，以得到所有不同的初始状态下所对应的所述观测数据序列的值的第一目标概率函数；针对各个状态的第一目标概率函数，对该第一目标概率函数求对数运算操作以得到第二目标概率函数，并基于所述第二目标概率函数中的部分构建分类器函数；根据所述分类器函数输出的最小值所对应的状态值，确定当前所述雷达的跟踪轨迹数据的类别采用本发明实施例的技术方案大幅度降低了使用隐马尔科夫模型将雷达的轨迹数据进行分类的计算开销。
目标分类方法装置存储介质

[发明专利]一种基于多视角低秩分解的短视频多标签分类方法-CN202010097707.4有效
发明人：井佩光;李德盛;苏育挺 -专利权人：天津大学
申请日： 2020-02-17 - 公布日： 2021-01-12 - 主分类号： G06F16/75 文献下载
摘要：本发明公开了一种基于多视角低秩分解的短视频多标签分类方法，包括：将多个视角特征矩阵分解为字典集、低秩表示的积和一个稀疏错误矩阵组成的第一目标函数；获取所学习到的低秩表示和权值矩阵的积作为输出预测矩阵，与真实标签矩阵相减得到最小化分类误差的第二目标函数；通过所学到的权值矩阵的正态分布引出权值矩阵的行协方差和列协方差矩阵构成的第三目标函数；根据第一至第三目标函数的加权获取总目标函数，利用交替方向乘子法优化总目标函数，引入拉格朗日乘子，依次迭代更新各个视角下的参数，直至目标函数的值收敛，进而得到最终的分类结果。本发明致力于提高短视频多标签分类问题中的准确率，找出不同标签之间的相关性。
一种基于视角分解视频标签分类方法

[发明专利]基于LKSVD的面向柑橘汁香气检测的电子鼻特征提取与分类方法-CN201811644498.X有效
发明人：贾鹏飞;王馨晨;曹怀升;徐多;沈辛妍;段书凯 -专利权人：西南大学
申请日： 2018-12-29 - 公布日： 2022-08-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于LKSVD的面向柑橘汁香气检测的电子鼻特征提取与分类方法，其特征在于：步骤如下：S1、采用电子鼻系统采集柑橘汁香气特征数据；S2、使用随机二进制数对柑橘汁香气特征数据过滤，形成柑橘汁香气特征字典；S3、利用核函数将非线性数据映射为线性数据；S4、对LKSVD目标函数进行初始化；S5、对LKSVD目标函数进行加权系数标准化；S6、将标准化后的LKSVD目标函数进行更新优化；S7、结合优化后的LKSVD目标函数，利用线性分类器得到柑橘汁香气特征字典的类标签；S8、根据柑橘汁香气特征字典的类标签对柑橘汁香气特征数据进行分类。本发明引入核函数，使LKSVD算法对数据的处理更为理想；使用EQPSO算法对LKSVD目标函数的加权参数进行优化，达到良好的分类效果。
基于 lksvd 面向柑橘香气检测电子特征提取分类方法

[发明专利]模型确定方法及相关装置-CN202010757834.2有效
发明人：苏海昇;苏婧;武伟 -专利权人：上海商汤智能科技有限公司
申请日： 2020-07-31 - 公布日： 2021-12-28 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例提供一种模型确定方法及相关装置，其中，所述方法包括：根据第一模型对所述输入视频进行分类处理，得到第一特征数据，以及根据第二模型对所述输入视频进行分类处理，得到第二特征数据；根据所述第一特征数据、所述第二特征数据，确定第一损失函数；根据所述第一模型和所述第二模型的网络参数，确定第二损失函数；根据所述第一损失函数和所述第二损失函数中至少一个，确定目标损失函数；根据所述目标损失函数对所述第一模型进行调整，以得到第三模型，能够提升调整后得到的模型处理视频分类任务时的准确性。
模型确定方法相关装置

[发明专利]建立文本分类模型以及文本分类的方法、装置-CN201710882685.0有效
发明人：夏源;周景博;董维山;范伟 -专利权人：百度在线网络技术(北京)有限公司
申请日： 2017-09-26 - 公布日： 2021-04-16 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种建立文本分类模型与文本分类的方法、装置，建立方法包括：获取训练样本；基于实体词典对文本进行切词后获取对应的向量矩阵；利用文本的向量矩阵以及文本的分类，训练第一分类模型和第二分类模型；在训练过程中，利用第一分类模型与第二分类模型的损失函数得到文本分类模型的损失函数，并利用文本分类模型的损失函数对第一和第二分类模型调整参数，得到由第一和第二分类模型构成的文本分类模型。文本分类的方法包括：获取待分类的文本；基于实体词典对文本进行切词后获取文本对应的向量矩阵；将向量矩阵输入文本分类模型，根据文本分类模型的输出，得到该文本的分类结果。通过本发明所提供的技术方案，能够提高文本分类的效果。
建立文本分类模型以及方法装置

[发明专利]货币验证器-CN03819439.2有效
发明人： G·博达特 -专利权人：马尔斯公司
申请日： 2003-06-18 - 公布日： 2005-09-28 - 主分类号： G07D5/00 文献下载
摘要：一种推导用于流通品分类的函数的方法。所述方法包括处理对应于多个流通品的特征的训练数据向量，并推导包含多个支撑向量的支撑向量机分类函数。
货币验证

[发明专利]一种应用程序样本的分类方法及装置-CN201510971488.7在审
发明人：杨康;陈卓;唐海 -专利权人：北京奇虎科技有限公司;奇智软件（北京）有限公司
申请日： 2015-12-22 - 公布日： 2017-06-30 - 主分类号： G06F21/56 文献下载
摘要：本申请公开了一种应用程序样本的分类方法及装置，以实现样本自动分类。其中方法包括获取待分类的应用程序样本集合中的第一应用程序样本的第一虚拟机执行文件；对第一虚拟机执行文件进行反编译得到反编译的第一函数信息结构，提取反编译的第一函数信息结构中的第一函数指令序列；获取待分类的应用程序样本集合中的第二应用程序样本的第二虚拟机执行文件；对第二虚拟机执行文件进行反编译得到反编译的第二函数信息结构，提取反编译的第二函数信息结构中的第二函数指令序列；确定第一函数指令序列与第二函数指令序列之间的编辑距离；判断编辑距离是否小于预设阈值；若是，
一种应用程序样本分类方法装置

[发明专利]一种基于跨类别迁移主动学习的图像分类方法-CN201610021429.8有效
发明人：丁贵广;郭雨晨;李长青;孙鹏 -专利权人：清华大学;北京恒冠网络数据处理有限公司
申请日： 2016-01-13 - 公布日： 2019-03-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于跨类别迁移主动学习的图像分类方法，包括如下步骤：对辅助类别数据与目标类别数据中的图像进行向量化特征表示；构建辅助类别属性表示和目标类别属性表示；构造目标函数；优化求解目标函数，得到生成函数；利用生成函数及目标类别属性表示得到分类模型；利用分类模型计算目标类别数据中所有无标注图像的不确定性；选取不确定性最大的无标注图像进行标注；对目标类别数据中图像的权重进行更新，重新构造目标函数。本发明能够有效地在目标类别数据中挑选最有信息量的图像样本进行标注，有助于在目标类别只有极少有标注数据的情况下训练出准确的分类模型，降低标注成本。
一种基于类别迁移主动学习图像分类方法

[发明专利]一种基于SVM的贫困生辅助认定方法-CN201810290654.0有效
发明人：彭新一;余珍 -专利权人：华南理工大学
申请日： 2018-03-30 - 公布日： 2022-03-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于SVM的贫困生辅助认定方法，包括以下步骤：采集学生数据，并对学生数据进行预处理；对预处理学生数据提取特征，通过随机森林对特征重要性进行排名；在满足Mercer条件下，构造混合核函数，并植入SVM中；使用遗传算法对混合核函数参数进行寻优，得到最优混合核函数参数；将最优混合核函数参数代入SVM，并对学生数据进行训练，得到分类器模型；将需要认定的学生数据输入分类器模型，输出分类结果；本发明采用遗传算法对基于SVM混合核函数参数进行寻优，用适应度作为评价依据，通过随机重组重要基因，让群体中的个体不断进化，获取最优解，减少全局搜索时间，提高了分类器的推广泛化能力，并降低成本。
一种基于 svm 贫困生辅助认定方法

[发明专利]一种颈脊髓损伤患者肺功能评估算法、装置、介质和设备-CN202110168260.X有效
发明人：莫鸿强;周樊;曾键沣;章臻 -专利权人：华南理工大学
申请日： 2021-02-07 - 公布日： 2022-05-24 - 主分类号： G16H50/20 文献下载
摘要：本发明提供了一种颈脊髓损伤患者肺功能评估算法、装置、介质和设备；其中算法包括：获取待决策的咳嗽音信号；将咳嗽音信号解卷出反映肺部呼出气流的激励源分量；计算所述激励源分量的短时能量最大值和均方根曲线的下降时间，组成待决策样本的特征向量，并输入到分类决策函数，得到待决策样本的决策值；分类决策函数是指对初始分类决策函数进行训练处理得到的分类决策函数；根据决策值评估肺功能。本发明克服了直接使用咳嗽音的时域峰值强度评估肺功能强弱时易受声道传声传递函数谐振峰值影响的问题；同时，该算法模型简单且计算量小，便于在可穿戴设备中实现。
一种脊髓损伤患者功能评估算法装置介质设备

[发明专利]皮肤病分类模型的训练方法以及装置、终端及存储介质-CN202211522023.X在审
发明人：胡冉杰;王瑶;谢新吾;颜微子;宋辞;高骄阳 -专利权人：中移（成都）信息通信科技有限公司;中国移动通信集团有限公司
申请日： 2022-11-30 - 公布日： 2023-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了一种皮肤病分类模型的训练方法及装置、终端及存储介质；该方法包括：将第一训练数据集输入原始分类模型进行训练，以获得第一分类模型；将第二训练数据集输入原始分类模型进行训练，以获得第二分类模型；基于第一分类模型第一卷积核和分类输出、与第二分类模型的第二卷积核和分类输出，确定融合分类模型的融合卷积核和分类输出；基于第二分类模型的第二损失函数、及融合分类模型的参数与第一分类模型的参数的差异，确定融合分类模型的总损失函数；基于总损失函数训练融合分类模型，以获得第三分类模型；如此本发明实施例使得新旧数据均能达到阈值精度的前提下，使得新旧数据不出院使用、提高各院内数据及的可靠性。
皮肤病分类模型训练方法以及装置终端存储介质