“分类器性能”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10475277个，建议您升级VIP下载更多相关专利

[发明专利]一种乳腺肿瘤图像的分类方法及系统-CN201810636416.0在审
发明人：曲海平;李珊珊;寇光杰;张志旺;周春姐;贾世祥 -专利权人：鲁东大学
申请日： 2018-06-20 - 公布日： 2018-11-23 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种乳腺肿瘤图像的分类方法及系统，所述方法包括：基于FCM算法获取待分类乳腺肿瘤图像中的肿块区域；基于Weka系统获取所述肿块区域的混合特征；根据所述肿块区域的混合特征，基于SVM算法对所述待分类乳腺肿瘤图像进行分类本发明使用Weka系统获取乳腺肿瘤病灶区形态形状纹理混合特征用于分类，以提高分类效率和准确率；考虑到支持向量机中核函数参数和惩罚系数对分类性能的影响，利用改进的FOA算法对SVM分类器的参数进行优化，提高算法分类的性能
乳腺肿瘤分类图像混合特征系统获取算法支持向量机惩罚系数分类效率分类性能算法分类纹理混合形态形状病灶区核函数准确率优化改进

[发明专利]垃圾分类模型建模方法、垃圾分类方法-CN202111025790.5有效
发明人：袁野;万里红;张泽阳;吕栋亮 -专利权人：中原动力智能机器人有限公司
申请日： 2021-09-07 - 公布日： 2023-08-29 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种垃圾分类模型建模方法、垃圾分类方法及装置，用于解决垃圾分类任务中数据类别不均衡所导致的分类模型性能不好的问题。通过非均衡数据集和均衡数据集交替对模型进行训练，使得模型在学习到非均衡数据集中多数类样本的特征后，也学习到了少数类样本的特征，解决了垃圾分类任务中数据类别不均衡所导致的分类模型性能不好的问题。垃圾分类方法在克服了数据类别不均衡的基础上，对分类器所得到的结果通过感知机网络进行处理，然后对两结果进行信息融合，得到更为鲁棒的分类结果。
垃圾分类模型建模方法

[发明专利]一种视觉车辆检测方法及系统-CN201810652981.6在审
发明人：张雷;汪群策;时利;张彩红;朱彬;张一营;袁宁;吴琼 -专利权人：安徽江淮汽车集团股份有限公司
申请日： 2018-06-22 - 公布日： 2018-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种视觉车辆检测方法及系统，所述方法包括：从计算机获取车辆检测分类器模型以及样本训练集；获取行车视频，基于当前车辆检测分类器模型对所述行车视频进行识别检测，得到当前车辆检测分类器模型的检测结果；根据所述检测结果确定被当前车辆检测分类器模型错误分类的图像区域；通过计算机对所述图像区域进行标注，并将标注后的样本作为样本增量更新到当前样本训练集以进行分类的迭代训练；检测训练后的车辆检测分类器模型是否满足车辆检测性能要求；如果否，将训练后的车辆检测分类器模型作为新的车辆检测分类器模型，基于新的车辆检测分类器模型继续对所述行车视频进行识别检测。
车辆检测分类器模型样本训练集检测结果图像区域视频行车标注检测样本视觉计算机获取错误分类迭代训练人工标注性能要求增量更新分类计算机

[发明专利]一种基于混合傅立叶算子Transformer网络的高光谱图像分类方法-CN202210913601.6在审
发明人：穆廷魁;龚航 -专利权人：西安交通大学
申请日： 2022-08-01 - 公布日： 2022-11-01 - 主分类号： G06V10/764 文献下载
摘要：一种基于混合傅立叶算子Transformer网络的高光谱图像分类方法，将高光谱图像数据集划分训练集和测试集；建立混合傅立叶算子Transformer网络；使用训练集训练得到训练好的分类模型，并用测试集测试其分类性能；利用满足分类性能的分类模型即可对高光谱图像进行分类。本发明傅立叶算子Transformer网络包含分组光谱嵌入模块、混合傅立叶算子Transformer编码器网络、跨层特征融合模块；能够从高光谱图像的相邻波段学习空间光谱序列信息，降低网络的计算复杂度，并减少在逐层传播过程中丢失有价值信息的可能性，实验结果显示本发明优于卷积神经网络的检测性能与计算效率，满足高光谱图像精细分类的需求。
一种基于混合傅立叶算子 transformer 网络光谱图像分类方法

[发明专利]基于多源域锚适配器集成迁移的旋转机械故障诊断方法-CN202011201367.1在审
发明人：孔宪光;杨胜康;王奇斌;余粼钖;程涵;吉王辉 -专利权人：西安电子科技大学
申请日： 2020-11-02 - 公布日： 2021-02-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多源域锚适配器集成迁移的旋转机械故障诊断方法，旨在提高模型的分类精度和泛化能力，实现步骤为：获取源域训练样本和目标域样本；从源域每类样本中随机选择锚点进行相似度计算，建立多个锚适配器矩阵；构建深度域适应网络；利用多个适配器矩阵进行网络训练获得多个分类器。本发明以置信度和准确率为评价指标对每个分类器的综合性能进行评价，通过综合性能指标排序选择性能较优的分类器进行集成，获得故障诊断的预测结果，实现变工况下旋转机械的智能诊断。
基于多源域锚适配器集成迁移旋转机械故障诊断方法

[发明专利]一种基于局部特征的多视角分类器及设计方法-CN201711237173.5有效
发明人：朱昌明 -专利权人：上海海事大学
申请日： 2017-11-30 - 公布日： 2019-06-14 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于局部特征的多视角分类器，包含：无标签多视角大数据集生成模块，全局和局部结构风险最小化分类器实现模块，多视角数据局部特征提取模块。其优点是：其通过有效数据增强、分类器设计原则构建以及局部特征提取三个方面，有效提升多视角数据集的分类性能。
一种基于局部特征视角分类设计方法

[发明专利]基于父子分类器的实时性手势识别方法-CN201910362030.X有效
发明人：曹宗杰;王丽莹;崔宗勇 -专利权人：电子科技大学
申请日： 2019-04-30 - 公布日： 2022-06-24 - 主分类号： G06V40/20 文献下载
摘要：本发明属于人机交互技术领域，涉及一种基于父子分类器的实时性手势识别方法。本发明充分利用了手势类别之间的内在联系和传感器的自身性能，提出一种具有两级结构的父子分类器：首先父类分类器根据手势的低级特征对手势进行粗分类，得到手势的父类标签；然后子类分类器通过检测运动位移曲线的极值点对父类手势进一步细分这种分类方法不同于传统的手势识别分类器的分类模式，而是将待分类样本分为两个识别阶段分别进行分类，这可以显著提高手势分类的准确度，同时可以实时识别手势。
基于父子分类实时手势识别方法

[发明专利]基于层次分析法和模糊融合的工业过程故障分类方法-CN201610969969.9有效
发明人：葛志强;刘玥 -专利权人：浙江大学
申请日： 2016-10-28 - 公布日： 2019-03-29 - 主分类号： G05B23/02 文献下载
摘要：本发明公开了一种基于层次分析法和模糊融合的工业过程故障分类方法，该方法首先通过训练数据集对多个分类器方法进行离线建模，获得多个模型。然后将分类器的分类性能以融合矩阵形式展现，并通过层次分析法对多个分类器模型进行打分评价，从而给各分类器赋予相应的权重。最后，调用上述分类器模型，根据每种分类器的分类结果计算得到判别矩阵，并利用判别矩阵以及层次分析法打分结果通过模糊融合方法将多个分类器分类结果集成，得到最终的故障分类结果。相比目前的其他方法，本发明不仅提高了工业过程的诊断效果，增强了过程操作员对过程的掌握和操作信心，而且在很大程度上改善了单一故障分类方法的局限性，更加有利于工业过程的自动化实施。
基于层次分析模糊融合工业过程故障分类方法

[发明专利]一种流量的分类方法以及流量管理设备-CN201911261584.7有效
发明人：赵咏 -专利权人：华为数字技术（苏州）有限公司
申请日： 2019-12-10 - 公布日： 2023-05-12 - 主分类号： H04L47/2441 文献下载
摘要：本申请实施例公开了一种流量的分类方法，用于涉及通信领域，进一步涉及人工智能技术在计算机网络领域中的应用。该方法包括：本申请实施例中，流量管理设备接收第一流量之后，首先，流量管理设备将使用第一分类器对第一流量分类后得到第二流量。进而，流量管理设备将使用第二分类器对第二流量分类后得到第三流量，流量管理设备中第一分类器为分类粒度粗的分类器，第二分类器为分类粒度细的分类器，避免了两个独立的分类器对同一部分流量执行重复分类工作，节约了流量管理设备的资源，提升了流量管理设备的性能。
一种流量分类方法以及管理设备

[发明专利]一种基于特征转换的少样本图像分类方法-CN201910616933.6有效
发明人：熊盛武;王豪杰;荣毅;连洁雅;刁月月 -专利权人：武汉理工大学;武汉水象电子科技有限公司
申请日： 2019-07-09 - 公布日： 2023-02-03 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于特征转换的少样本图像分类方法，具体可分为如下步骤：划分数据集；从训练集取样少样本分类任务；利用神经网络提取少样本分类任务样本的特征表示；利用数据的相似度信息对原始特征进行特征转换；对任务中待分类样本分类，计算交叉熵损失，反向传播更新网络参数；迭代训练得到理想的特征提取网络；完成少样本分类任务。本发明训练了一个适合于少样本分类的特征提取器，使得在训练数据极少的情况下，分类器仍可以取得较为理想的分类性能。并且在特征提取后增加了一步特征转换操作，使得少样本分类任务内部的相似度信息得以利用，在计算复杂度仅有极小的增加的情况下，分类性能获得显著提升。为少样本分类任务提供了新思路。
一种基于特征转换样本图像分类方法

[发明专利]基于集成深度学习的电能质量扰动分类方法-CN202110885330.3在审
发明人：王继东;张迪 -专利权人：天津大学
申请日： 2021-08-03 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及电能质量扰动分类技术，为实现电能质量扰动信号的自动分类，简化扰动分类步骤，在噪声数据中也具有较高的分类性能，本发明，基于集成深度学习的电能质量扰动分类方法，步骤如下：1)根据IEEE‑1159标准，建立电能质量扰动信号模型，产生包括正弦波信号在内的扰动信号，用于电能质量扰动分类模型的测试；2)针对产生的扰动信号数据，利用基于深度学习和集成学习的分类器进行分类，所述分类器采用LSTM网络作为基分类器，通过Bagging算法对多个LSTM网络进行集成实现分类；3)利用步骤1和步骤2所述的分类器，训练一个适用于电能质量扰动分类的模型。本发明主要应用于电能质量扰动分类场合。
基于集成深度学习电能质量扰动分类方法

[发明专利]一种基于串/并行集成学习框架的带钢表面质量缺陷分类器及其分类方法-CN201910351038.6有效
发明人：曾亮;常雨芳;黄文聪;徐操 -专利权人：湖北工业大学
申请日： 2019-04-28 - 公布日： 2023-03-24 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于串/并行集成学习框架的带钢表面质量缺陷分类器及其分类方法，具体包含：一种基于串/并行集成学习框架的分类器结构，与该分类器结构相适应的缺陷合并和分级方法，以及缺陷规则表构建方法。与传统技术相比，本发明具有以下优点：基于串/并行集成学习框架的分类器改变常用的“将多个分类器简单并行，然后通过加权投票确定最终分类结果”的思路，把传统的并行分类器结构改造成独特的串/并行集成结构。通过充分融合最新的机器学习分类识别技术、缺陷产生机理和人工经验规则，辅以与分类器结构相适应的缺陷合并和分级方法，进一步提高了带钢表面质量缺陷分类识别的准确度，并改善了分类器的自学习能力、实时性能和泛化能力
一种基于并行集成学习框架带钢表面质量缺陷分类及其方法

[发明专利]一种垃圾邮件动态检测方法-CN200810116080.1无效
发明人：谭营;阮光尘 -专利权人：北京大学
申请日： 2008-07-02 - 公布日： 2008-12-24 - 主分类号： H04L12/58 文献下载
摘要：本发明涉及一种垃圾邮件动态检测方法，包括步骤：s101，分组依次接收待检测邮件，根据用户对待检测邮件反馈的分类信息，依次构建若干个分类器；s102，利用已构建的分类器对待检测邮件进行分类；s103，获取用户对待检测邮件反馈的分类信息，删除已构建的时间最长的分类器；s104，基于步骤s102中待检测邮件的特征向量及步骤s103中的分类信息，构建新的分类器；s105：重复执行步骤s103～s104。本发明的方法利用不断接收的邮件数据流作为新增加的分类器的训练样本，保证了分类器随着邮件的内容和用户的兴趣不断的发生变化，同时删除构建时间最长的分类器，将陈旧知识及时淘汰，使分类器的性能得到优化。
一种垃圾邮件动态检测方法

[发明专利]产品的分类识别方法、分类终端及存储介质-CN202310551483.3在审
发明人：李鸿强;卢海博;武小云;王佐承;葛泰;李子熠;张天宇;张诗欣;冯小东 -专利权人：河北建筑工程学院
申请日： 2023-05-16 - 公布日： 2023-07-28 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种产品的分类识别方法、分类终端及存储介质。该方法包括：获取目标样本的近红外光谱，并根据近红外光谱提取得到样本特征；将样本特征输入集成分类器，得到目标样本的分类结果；其中，集成分类器包括多个子分类模型；集成分类器用于将各个子分类模型的分类结果加权求和得到目标样本的分类结果本发明基于近红外光谱建立集成分类模型，相对于单一模型的性能更优越，分类准确度更高，有效提高了产品的分类识别准确度。
产品分类识别方法终端存储介质

[发明专利]一种基于机器学习的钛合金锻件显微组织图像识别方法-CN202010296183.1有效
发明人：汪迢迪;卢大伟;段作衡;陈向东;朱国仁;王平 -专利权人：成都飞机工业（集团）有限责任公司
申请日： 2020-04-15 - 公布日： 2021-04-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于机器学习的钛合金锻件显微组织图像识别方法，包括以下步骤：步骤1、获取钛合金锻件显微组织图像，并基于材料性能等级对钛合金锻件显微组织图像进行分类形成数据集；步骤2、提取数据集中的钛合金锻件显微组织图像的特征向量；步骤3、从数据集中选取钛合金锻件显微组织图像构建训练集，然后对训练集中的钛合金锻件显微组织图像的特征向量进行分段、池化、归一化处理；步骤4、基于训练集采用支持向量机对分类器进行分类训练以获得分类器模型并通过分类器模型完成对钛合金锻件显微组织图像的识别；本发明大大提高对钛合金锻件的材料性能等级判断的准确性和效率，使得钛合金锻件的材料性能等级判断能够普遍快速进行。
一种基于机器学习钛合金锻件显微组织图像识别方法