“分类图”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3856506个，建议您升级VIP下载更多相关专利

[发明专利]基于多模态端到端网络的遥感数据精细化分类方法及装置-CN202010350102.1有效
发明人：孙显;付琨;闫志远;张晓安;刁文辉;曹志颖;李霁豪;卢宛萱 -专利权人：中国科学院空天信息创新研究院
申请日： 2020-04-28 - 公布日： 2020-12-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于多模态端到端网络的遥感数据精细化分类方法及装置，包括：获取切片对应的不同尺寸缩放图；将切片对应的不同尺寸缩放图分别输入至预先建立的地物要素分类模型，获取预先建立的地物要素分类模型输出的切片对应的不同尺寸缩放图的分类结果；将切片对应的不同尺寸缩放图的分类结果均缩放至预设尺寸并求均值，获取切片的分类结果；将各切片的分类结果进行拼接，获取遥感数据的地物要素分类结果；本发明提供的技术方案，主要致力于设计一种通用的端到端多源数据地物要素分类方法，其中预先建立的地物要素分类模型可以有效获取深度特征弥补光学特征的不足，提升阴影覆盖区域和光学特征相似区域的地物要素分类性能。
基于多模态端到端网络遥感数据精细化分方法装置

[发明专利]一种基于采样子图网络的节点分类方法-CN201911068473.4在审
发明人：宣琦;王金焕;裘坤锋;单雅璐 -专利权人：浙江工业大学
申请日： 2019-11-05 - 公布日： 2020-04-03 - 主分类号： G06K9/62 文献下载
摘要：一种基于采样子图网络的节点分类方法，包括以下步骤：S1游走采样；S2构建简单子图SGN0；S3构建一阶子图网络SGN1；S4构建二阶子图网络SGN2；S5对网络图提特征；S6平均化处理特征向量；S7形成表征矩阵；S8特征向量空间扩展；S9采用机器学习中的分类器模型极限随机树，对原始网络图的所有节点的表征结果采用十折交叉验证，得出分类精度。本发明提出了一种基于采样子图网络的节点分类方法，利用游走产生的序列将节点分类问题转换为了图分类问题，充分利用了潜在的结构信息，增强了传统游走方法的分类效果，进而又引进子图网络SGN进行网络特征空间扩展，提高分类精度。
一种基于样子网络节点分类方法

[发明专利]基于蜡烛图的交易方法、装置、设备及存储介质-CN202010899324.9在审
发明人：杨志武 -专利权人：杨志武
申请日： 2020-08-31 - 公布日： 2020-12-11 - 主分类号： G06Q40/04 文献下载
摘要：本申请实施例提供了一种基于蜡烛图的交易方法、装置、设备及存储介质。该基于蜡烛图的交易方法，包括：获取至少一个实时蜡烛图；提取至少一个实施蜡烛图的特征量；根据实施蜡烛图的特征量和蜡烛图分类器，确定与实时蜡烛图的特征量对应的实测分类标签；蜡烛图分类器根据本申请实施例提供的蜡烛图分类器的确定方法确定得到；根据实测分类标签，确定交易方式。本申请实施例通过图像识别技术，基于本申请实施例提供的蜡烛图分类器的确定方法，将实时蜡烛图作为一个整体图像进行识别，可以避免单根蜡烛线分析，不容易看清全貌的缺点，极大地提高了交易方式的合理度以及精准度。
基于蜡烛交易方法装置设备存储介质

[发明专利]一种基于深度显著性相似图学习的图像分类方法及装置-CN201910559430.X在审
发明人：于治楼;计晓贇;袭肖明 -专利权人：山东浪潮人工智能研究院有限公司
申请日： 2019-06-26 - 公布日： 2019-09-20 - 主分类号： G06K9/46 文献下载
摘要：本发明公开一种基于深度显著性相似图学习的图像分类方法，涉及图像处理技术领域，包括训练部分和分类部分；在训练部分，首先采集图像，随后以全卷积神经网络为基础构建显著性学习模型，将图像输入显著性学习模型后获取图像显著性区域的目标信息，其次深度学习显著性区域的目标信息，构建显著性相似图，然后将显著性相似图输入图卷积神经网络，完成图像分类，最后，学习图像的显著性相似图和分类结果，多次训练并构建图卷积神经网络模型；在分类部分，将待分类图像的显著性相似图直接输入图卷积神经网络模即可得到分类结果，分类难度低，分类后的图像具有更好的区分性。本发明还公开一种基于深度显著性相似图学习的图像分类装置。
显著性图像分类分类学习分类结果目标信息神经网络构建卷积神经网络神经网络模型图像处理技术图像分类装置采集图像分类图像获取图像基础构建图像输入学习图像区分性图像

[发明专利]一种基于注意力关系图学习的图像分类方法及装置-CN201910564976.4在审
发明人：袭肖明;于治楼;姜凯 -专利权人：山东浪潮人工智能研究院有限公司
申请日： 2019-06-27 - 公布日： 2019-09-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于注意力关系图学习的图像分类方法，涉及图像处理技术领域，包括训练部分和分类部分；在训练部分，首先采集图像，随后通过引入注意力映射学习模型和最大区间近邻度量学习方法完成注意力关系图的构建，随后将注意力关系图输入图卷积神经网络进行处理后获得分类结果，最后，通过学习注意力关系图和分类结果构建图卷积神经网络模型；在分类部分，采集图像后，利用注意力映射学习模型和最大区间近邻度量学习方法构建图像的注意力关系图，最后将注意力关系图输入图卷积神经网络模型，得出分类结果。本发明还提供一种基于注意力关系图学习的图像分类装置，其与前述分类方法相结合，通过获取图像的有效目标完成图像的分类。
注意力分类结果学习构建神经网络模型分类采集图像图像分类度量映射图像图像处理技术图像分类装置获取图像神经网络有效目标引入

[发明专利]一种基于图神经网络的论文文本分类方法及系统-CN202210955838.0在审
发明人：张维玉;郭新超;王政凯 -专利权人：齐鲁工业大学
申请日： 2022-08-10 - 公布日： 2022-11-08 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于图神经网络的论文文本分类方法、系统、电子设备和计算机可读存储介质，属于文本分类技术领域；包括边缘生成器、自适应标签传播器和GNN分类器，边缘生成器用于获取基于有标签的论文文本数据构建的图结构数据，对所述图结构数据进行降噪处理；自适应标签传播器用于获取降噪处理后的图结构数据，对降噪处理后的图结构数据进行致密化处理；GNN分类器用于获取致密化处理后的图结构数据以对GNN分类器进行训练以及获取基于待分类的论文文本数据构建的图结构数据进行分类提高了论文文本分类的准确性和鲁棒性，解决了现有技术中存在“论文文本数据中标签稀疏、噪声多导致的论文文本分类不准确、鲁棒性差”的问题。
一种基于神经网络论文文本分类方法系统

[发明专利]融合高阶结构嵌入与复合池化的图分类方法及系统-CN202210486421.4在审
发明人：刘士军;刘莲莲;梅广旭;潘丽;杨承磊 -专利权人：山东大学
申请日： 2022-05-06 - 公布日： 2022-07-26 - 主分类号： G06V10/764 文献下载
摘要：本发明属于人工智能图分类技术领域，提供了融合高阶结构嵌入与复合池化的图分类方法及系统，包括：获取待分类的图；将待分类的图输入图神经网络，得到图所属类别；其中，对于图的每个子图集合，每一层卷积层基于上一层神经网络层输出的子图集合，计算每个子图的特征，每一层复合池化层基于卷积层输出的每个子图的特征更新子图集合，同时，对于更新后子图集合内的每个子图，通过注意力机制融合局部邻域内子图的特征，更新子图的特征；读出层得到图表示向量，并输入所述分类器，得到图所属类别。利用高阶结构，直接在子图之间传递消息，捕获节点级别不可见的结构信息，提高了图的分类精度。
融合结构嵌入复合分类方法系统

[发明专利]一种基于深度学习的染色体核型图分类方法及装置-CN202011008279.X在审
发明人：吴健;余柏翰;项阳;彭凯 -专利权人：浙江大学山东工业技术研究院
申请日： 2020-09-23 - 公布日： 2021-04-30 - 主分类号： G06K9/62 文献下载
摘要：本发明属于染色体分析技术领域，具体涉及一种基于深度学习的染色体核型图分类方法。其公开了一种基于深度学习的染色体核型图分类方法，包括以下步骤，S1：对待分类的染色体核型图进行缩放或扩大处理、归一化处理，获得染色体核型图的输入图像；S2：将染色体核型图输入图像输入至染色体异常核型图分类模型中，获得染色体核型图的特征图；S3：利用注意力机制处理染色体核型图的特征图，得到染色体异常核型图分类模型对于染色体核型图输入图像的关注点，并将模型关注点的结果同染色体核型图特征图进行融合；S4：将融合后的特征图展开为一维向量，通过全连接层后得到染色体核型图的输入图像在每个分类类别上的得分，取得分最高的那一类为分类结果。
一种基于深度学习染色体核型分类方法装置

[发明专利]图像分类模型的训练方法、分类方法、装置和计算机设备-CN202210631553.1在审
发明人：杨梅 -专利权人：北京大学第一医院
申请日： 2022-06-06 - 公布日： 2022-08-30 - 主分类号： G06V10/764 文献下载
摘要：本说明书实施方式提供了一种图像分类模型的训练方法、分类方法、装置和计算机设备。所述方法包括：获取分别标注有疾病类型的轻度医学影像和重度医学影像；基于重度医学影像子图，和与其对应的疾病类型训练初始图像分类模型，得到初级图像分类模型；将轻度医学影像子图输入至初级图像分类模型，得到轻度医学影像子图的预测疾病类型；若轻度医学影像子图的预测疾病类型与轻度医学影像子图所属的轻度医学影像的疾病类型相同，使用该轻度医学影像子图训练初级图像分类模型，得到图像分类模型。通过关注疾病严重程度对病灶分布密度的影响，无需对医学影像子图进行标注，能够在一定程度上提升图像分类模型对医学影像中疾病类型识别的准确性。
图像分类模型训练方法装置计算机设备

[发明专利]基于双通道图卷积网络的半监督节点分类方法-CN202111151744.X在审
发明人：朱小飞;李程鸿 -专利权人：重庆理工大学
申请日： 2021-09-29 - 公布日： 2021-12-31 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及半监督节点分类技术领域，具体涉及基于双通道图卷积网络的半监督节点分类方法，包括：建立具有拓扑图GCN和特征图GCN的双通道GCN模型；训练双通道GCN模型时：首先生成增强的节点特征表示，然后使得增强的节点特征表示在拓扑图GCN和特征图GCN中同时传播；双通道GCN模型基于原始拓扑图构造对应的特征图，然后分别将原始拓扑图和特征图输入拓扑图GCN和特征图GCN中，最后将拓扑图GCN和特征图GCN最后一层的所有输出进行动态结合得到对应的最终节点表示；基于最终节点表示进行分类得到各个节点的预测标签，将各个节点的预测标签作为对应的半监督节点分类结果。本发明中基于双通道图卷积网络的半监督节点分类方法能够兼顾分类准确性和分类稳定性。
基于双通道图卷网络监督节点分类方法

[发明专利]不平衡图节点分类自适应加权方法及系统-CN202211279895.8在审
发明人：陈小杰;邢永康 -专利权人：重庆大学
申请日： 2022-10-19 - 公布日： 2022-12-30 - 主分类号： G06N3/04 文献下载
摘要：本发明属于图节点分类技术领域，具体公开了一种不平衡图节点分类自适应加权方法及系统，该方法提取多个原始图数据的节点集合、边集合、图的邻接矩阵和图的特征矩阵，利用双层图卷积神经网络，构建图节点分类器；划分原始图数据的节点，计算原始图数据的节点不平衡率；构建自适应样本权重学习网络，对节点不平衡的原始图数据的节点集合内每个节点的损失施加权重；基于元学习，使用节点平衡的原始图数据更新自适应样本权重学习网络内的参数，得到自适应样本权重学习网络的最优参数，优化图节点分类器并进行不平衡图节点分类。采用本技术方案，基于元学习思想，通过少量无偏元数据的引导，弥补分类器对少数节点表示能力的不足，从而提高分类能力。
不平衡节点分类自适应加权方法系统

[发明专利]一种基于ArcGIS的城市地铁路径规划方法-CN201711445717.7有效
发明人：张贵军;魏遥;周晓根;王柳静;陈安;夏奥;姚飞;宋焦朋;王文;赵策;李章维 -专利权人：浙江工业大学
申请日： 2017-12-27 - 公布日： 2021-10-29 - 主分类号： G06F16/29 文献下载
摘要：一种基于ArcGIS的城市地铁路径规划方法，包括以下步骤：A1、获取矢量地图；A2、对高程数据进行坡度提取与处理生成坡度图；A3、对河流数据进行分析和处理生成河流分布图；A4、对人口密度进行处理生成人口密度图；A5、对河区图进行重分类；对坡度图进行重分类；对人口密度图进行重分类；A6、对高程图进行领域分析，然后对领域图进行重分类；A7、对生成的重分类坡度图，重分类河区图和重分类人口密度图进行合并，生成最终成本数据图
一种基于 arcgis 城市地铁路径规划方法

[发明专利]一种基于四色定理的高光谱图像空谱结合分类方法-CN201811156921.1有效
发明人：李昌利;平学伟;吴红心 -专利权人：河海大学
申请日： 2018-09-30 - 公布日： 2021-10-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于四色定理的高光谱图像空谱结合分类方法，利用SVM直接在高光谱图像谱域得到初始的粗略分类结果，进而利用四色定理挖掘高光谱图像的空间信息得到分类概率图矩阵s；对高光谱图像进行分割和边缘提取后，分别利用四色定理挖掘高光谱图像的空间信息得到分类概率图矩阵r和t；将分类概率图矩阵r、s和t按元素相乘，得到最终的分类概率图矩阵p，对分类概率图矩阵p进行极大似然类别判决，得到最终的分类结果。本发明利用四色定理将高光谱图像的空域信息挖掘出来，并与谱域信息相结合，提出一种空谱结合的高光谱图像分类方法，该方法简单而高效，极大地提高了高光谱图像分类精度。
一种基于定理光谱图像结合分类方法

[发明专利]一种分析景观特征对遥感分类图斑精度影响的方法-CN201110230310.9无效
发明人：张锦水;潘耀忠;金陆;朱爽;喻秋艳 -专利权人：北京师范大学
申请日： 2011-08-12 - 公布日： 2011-12-28 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种分析景观特征对遥感分类图斑精度影响的方法，包括步骤一、获取数据，包括对原始影像进行数据标准化处理；步骤二、对步骤一获得的数据进行图像识别，包括分类和分类后处理，其中分类过程中包括有分类图斑的确定；步骤三、对步骤二进行识别得到的数据进行分类图斑与真值数据图斑之间的相关性计算，进行回归曲线拟合建立回归模型，其中包括表达景观特征的景观指数定义；步骤四、对步骤三建立的回归模型进行统计检验，同时对景观指数表达的分类误差进行评价本发明采用遥感分类的空间特征进行精度评价与分析的理论基础，采用遥感分类图斑的景观特征对分类精度进行的描述与表达，为与土地覆盖专题图相关的应用及研究提供依据与指导。
一种分析景观特征遥感分类精度影响方法

[发明专利]图像分类方法、系统及计算机可读存储介质-CN201910419415.5在审
发明人：傅慧源;马华东;潘辉;郑宇超;王英瑾 -专利权人：北京邮电大学
申请日： 2019-05-20 - 公布日： 2019-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种图像分类方法、系统及计算机可读存储介质，涉及太阳射电检测技术领域，包括对已分类的多个原始太阳射电频谱图进行样本均衡处理，获得每个类别参与训练机会均等的多个样本；以所述多个样本为输入，利用卷积神经网络对所述多个样本进行训练，得到太阳射电频谱图分类模型；基于所述太阳射电频谱图分类模型，对未经分类的太阳射电频谱图进行分类，得到分类结果。本发明通过上述样本均衡处理使得各个样本参与训练机会均等，从而使得因为样本失衡的影响导致分类结果的不准确率大大的降低，提升了分类结果的准确性。
射电频谱样本分类结果计算机可读存储介质太阳分类模型图像分类样本均衡分类检测技术领域卷积神经网络原始太阳准确率失衡