“特征视图”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4465041个，建议您升级VIP下载更多相关专利

[发明专利]一种多视图特征判别方法-CN201810058394.4在审
发明人：杨燕;张芳娟;杜圣东;张熠玲 -专利权人：西南交通大学
申请日： 2018-01-22 - 公布日： 2018-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多视图特征判别方法，属于数据挖掘领域。该方法针对分类预测任务，构建视图的典型相关分析优化目标并对优化目标进行求解，从视图组合特征和类别相关性两方面优化目标，得到更具有判别性的属性特征。该方法的实施思路分为两个过程：首先构建优化目标，计算相关参数：类内和类间相关矩阵、视图组合特征的类内和类间散布矩阵、视图的协方差矩阵等；然后求解优化目标，得到新的空间投影矩阵，利用目标投影矩阵将原始多视图特征映射到新的特征空间，得到更具判别性的多视图特征，最后信息融合得到一个视图。本发明可用于疾病诊断、文本分类、人脸识别、语音识别等诸多分类问题的特征判别分析以及降维，能显著提升分类准确率。
优化目标矩阵视图特征组合特征求解构建分类准确率协方差矩阵分类问题疾病诊断空间投影目标投影人脸识别属性特征数据挖掘特征空间特征判别文本分类相关参数信息融合语音识别降维可用映射分析散布分类预测

[发明专利]基于特征的多视图表示及编码-CN202280006494.7在审
发明人：许晓中;刘杉 -专利权人：腾讯美国有限责任公司
申请日： 2022-07-12 - 公布日： 2023-06-13 - 主分类号： H04N13/00 文献下载
摘要：该装置包括处理电路，该处理电路被配置为对来自多视图码流的多个图片的至少一个第一关键图片进行解码。该多个图片对应于不同的视图。至少一个第一关键图片对应于不同的视图中的至少一个第一视图。该处理电路确定至少一个第一关键图片中的内容的第一特征信息。该处理电路基于多视图码流对第一特征信息的第一特征变化进行解码。第一特征变化指示至少一个第一关键图片中的一个关键图片和第一图片之间的内容变化。该处理电路基于解码的第一特征变化、第一特征信息和至少一个第一关键图片中的关键图片来重建第一图片。
基于特征视图表示编码

[发明专利]基于图学习和视图权重学习的无监督多视图特征选择方法-CN202010115094.2在审
发明人：王琦;袁媛;蒋旭 -专利权人：西北工业大学
申请日： 2020-02-25 - 公布日： 2020-06-26 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于图学习和视图权重学习的无监督多视图特征选择方法。首先，构建了基于图学习和视图权重学习的无监督多视图特征选择模型，并求解此模型来得到多视图数据中每一幅视图的特征选择矩阵；然后，根据特征选择矩阵行向量的2‑范数值进行排序，并根据需要选择得到相应的特征。本发明通过自适应学习得到最优的所有视图共同的相似度矩阵来刻画原始数据的流形结构，并进行自适应权重分配，能够挖掘不同视图间存在的互补信息，为特征选择过程提供更全面更精确的支撑信息，从而选择得到更有价值的特征
基于学习视图权重监督特征选择方法

[发明专利]多视图数据的特征选择方法及相关设备-CN202210726175.5在审
发明人：陶红;侯臣平 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-24 - 公布日： 2022-09-23 - 主分类号： G06F16/45 文献下载
摘要：本申请提供一种多视图数据的特征选择方法及相关设备。该方法包括：对预置的多视图数据的每个视图，确定谱嵌入矩阵，构建该视图的一致性正则矩阵，所述多视图数据包括有多个样本，每个所述样本具备相同个数的视图；基于预置的多个特征，设置关于所述特征的投影矩阵，利用所述谱嵌入矩阵和所述一致性正则矩阵构建关于所述投影矩阵的目标函数；对所述目标函数初始化得到初始目标函数，基于所述初始目标函数构建关于半正定矩阵，根据所述半正定矩阵的秩确定所述投影矩阵；基于所述投影矩阵的定义，计算所述目标函数的解，得到为所述多视图数据选择的特征。可以看出，本方法实现了利用视图间的一致性与互补性，选择出最具判别能力的多个特征。
视图数据特征选择方法相关设备

[发明专利]一种三维对象特征视图选取方法-CN201010226085.7有效
发明人：戴琼海;高跃 -专利权人：清华大学
申请日： 2010-07-06 - 公布日： 2010-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种三维对象特征视图选取方法，包括以下步骤：选择一个三维对象作为目标三维对象，并获得与所述目标三维对象同类的三维对象的多视角视图；对每个三维对象的多视角视图获取保留多视图，并设置初始权重；计算任意两组属于不同三维对象的多视角视图之间的视图距离矩阵；对所有的三维对象的多视图的权重进行图上增强学习以获得最终的权重；和从原始的三维对象的保留的视图中，选取权重最大的若干个作为代表性视图。本发明的方法该算法不仅在被分析对象的多视图之间进行分析，同时考虑了同类对象之间的多视图的相关性，从而应用一种新的图上的增强学习方法进行代表性多视图选取。并且本发明方法设计简单，易于实现。
一种三维对象特征视图选取方法

[发明专利]基于多视图关联特征学习的轴承故障诊断方法-CN202110473166.5在审
发明人：江国乾;贾晨凌;谢平;赵小川;李小俚;李英伟;李陈;崔健 -专利权人：燕山大学
申请日： 2021-04-29 - 公布日： 2021-08-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于多视图关联特征学习的轴承故障诊断方法，将振动信号和电流信号视为不同的视图，基于多视图学习设计齿轮箱轴承振动信号与发电机电流特征的关联特征学习方法，应用于风电齿轮箱轴承的多故障诊断。该方法首先从振动和电流信号中提取小波包分频带时域统计特征得到初始的振动特征空间和电流特征空间，然后将振动与电流特征样本成对输入典型相关学习网络进行关联性特征学习，使电流与振动信号特征映射之间的相关性最大，实现振动和电流特征的增强性提取。本发明能够以无监督的方式学习振动与电流信号中的关联属性并获得共有故障特征信息，充分利用多传感信号的综合诊断优势，与单一信号特征方法相比，提高故障诊断的精度和可靠性。
基于视图关联特征学习轴承故障诊断方法

[发明专利]多特征视图数据标签预测方法、系统与可读存储介质-CN202111031652.8在审
发明人：李泽瑞;袁晨辉;康宇;吕文君 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2021-09-03 - 公布日： 2021-12-24 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种多特征视图数据标签预测方法、系统与可读存储介质，属于数据处理技术领域，包括：获取多特征视图数据的样本集合，该样本集合包括m个有标签样本集合和一个待预测标签样本集合；对有标签样本集合和一个待预测标签样本集合进行处理
特征视图数据标签预测方法系统可读存储介质

[发明专利]结构化多视图Hessian正则化稀疏特征选择方法-CN201710693735.0有效
发明人：史彩娟;段昌钰;赵丽莉;刘利平;葛超;刘健;闫晓东 -专利权人：华北理工大学
申请日： 2017-08-14 - 公布日： 2021-05-07 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种结构化多视图Hessian正则化稀疏特征选择方法，包括以下步骤：采集n个原始图像的底层视觉特征，得到m个视图图像特征矩阵，设X的特征选择映射矩阵为变量G，构建结构化多视图Hessian正则化稀疏特征选择的目标函数，通过迭代算法计算X的特征选择映射矩阵G，根据所得特征选择映射矩阵Gt，将对应于X的特征作为特征选择后的特征子集本发明在对多视图数据进行半监督特征选择时，不仅考虑每一个视图的重要性，还同时考虑了同一视图下不同特征的重要性，另外，利用多视图Hessian正则化进一步提升了半监督稀疏特征选择的性能，因此，本发明具有更好的特征选择性能
结构视图 hessian 正则稀疏特征选择方法

[发明专利]基于稀疏张量和多视图特征的遥感图像融合方法-CN201710278782.9有效
发明人：杨淑媛;马晶晶;苏晓萌;张凯;邢颖慧;李倩兰;冯志玺;马宏斌;刘志;王士刚 -专利权人：西安电子科技大学
申请日： 2017-04-25 - 公布日： 2019-06-21 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于稀疏张量和多视图特征的遥感图像融合方法，其实现步骤为：(1)输入待融合图像。(2)获得低通系数和带通系数。(3)获得图像边缘特征。(4)构成图像多视图特征。(5)计算特征接近度。本发明利用了低分辨多光谱图像多视图特征矩阵和全色图像多视图特征矩阵和张量基追踪方法对融合后图像空谱信息进行增强，提高了融合图像的清晰度并光谱扭曲，克服了现有图像融合技术处理视角过于单一和欠缺对于多光谱图像谱间关系考虑的缺点
基于稀疏张量视图特征遥感图像融合方法

[发明专利]深度多视图特征距离学习的行人重识别方法-CN201910091921.6有效
发明人：廖开阳;邓轩;郑元林;章明珠;雷浩;刘山林 -专利权人：西安理工大学
申请日： 2019-01-30 - 公布日： 2022-09-16 - 主分类号： G06V40/10 文献下载
摘要：深度多视图特征距离学习的行人重识别方法，具体按照以下步骤实施：步骤1，提取区域特征向量；步骤2，区域划分，先根据步骤1中得到的图像的所有特征向量，通过归一化算法l2范数归一化；再通过加和的方式表现图像的矢量集合，之后再对图像表示进行l2范数归一化处理；一幅图像划分为N个区域，得到深度区域聚合特征；步骤3，LOMO特征提取，对于参考集和测试集中的行人图像分别提取传统LOMO特征；步骤4，多视图特征距离学习，从深度区域聚合特征和LOMO特征两个角度出发，两个特征分别通过度量方法XQDA训练获得两个距离；步骤5，加权融合策略
深度视图特征距离学习行人识别方法

[外观设计]剃须刀$主视图1__仰视图1__俯视图1__左视图1__右视图1__后视图1$主视图1__仰视图1__俯视图1__左视图1__右视图1__后视图1$主视图2__仰视图2__俯视图2__左视图2__后视图2__组合立体图$主视图2__仰视图2__俯视图2__左视图2__后视图2__组合立体图-CN94303438.8无效
发明人：董文森 -专利权人：温州市鹿城正大剃须刀厂
申请日： 1994-05-11 - 公布日： 1995-10-04 - 主分类号： 08-03 文献下载
摘要：
剃须刀主视图 __仰视俯视图视图组合立体图

[发明专利]基于多视图程序特征的代码自动生成方法及系统-CN202110070970.9在审
发明人：吕晨;庄云亮;王潇;吴琼;吕蕾;高学剑;刘弘 -专利权人：山东师范大学
申请日： 2021-01-19 - 公布日： 2021-05-07 - 主分类号： G06F8/34 文献下载
摘要：本发明属于数据处理领域，提供了一种基于多视图程序特征的代码自动生成方法及系统。
基于视图程序特征代码自动生成方法系统

[发明专利]融合视图特征和多分支网络的三维模型分类-CN202310264298.6在审
发明人：高雪瑶;李威;张春祥 -专利权人：哈尔滨理工大学
申请日： 2023-03-19 - 公布日： 2023-07-14 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了融合视图特征和多分支网络的三维模型分类方法。通过投影获得三维模型的二维视图，使用ConvNeXt网络从中提取视图特征作为全局特征。采用Canny算法提取二维视图的轮廓，利用注意力改进的ResNet从中提取轮廓特征作为局部特征。提取轮廓的D1特征、Hu矩特征、角点曲率特征组成一维特征向量作为形状特征，使用一维卷积神经网络从中提取深度形状特征。为全局特征、局部特征和形状特征分配不同权重，进行加权融合，再使用softmax函数获取每个视角下融合特征的分类预测概率，通过概率投票得到模型的分类结果。本发明将全局特征、局部特征和形状特征进行融合，增强了三维模型的表征能力，提高了三维模型的分类准确率。
融合视图特征分支网络三维模型分类

[发明专利]基于车载环视图像的鸟瞰图特征生成方法-CN202211290357.9在审
发明人：缪文俊;李雪;陈禹行 -专利权人：北京易航远智科技有限公司
申请日： 2022-10-21 - 公布日： 2023-01-10 - 主分类号： G06V20/56 文献下载
摘要：本公开提供了一种基于车载环视图像的鸟瞰图特征生成方法，包括：提取当前时刻的本车的所有车载摄像头的采集图像；获取当前时刻的各个采集图像的图像特征；基于历史时刻鸟瞰图特征获取当前时刻的初始化之后的鸟瞰图特征；基于当前时刻的初始化之后的鸟瞰图特征在各个采集图像的图像特征中进行空间特征采样，以获得采样到的特征；将当前时刻的初始化之后的鸟瞰图特征与采样到的特征进行空间交叉注意力以生成以本车为中心的当前时刻的鸟瞰图特征；基于可分离卷积神经网络在当前时刻的鸟瞰图特征的不同通道之间建立联系，获得当前时刻的增强的鸟瞰图特征。
基于车载环视图像鸟瞰图特征生成方法

[发明专利]为多视图显示设备呈现视图-CN200680043936.6无效
发明人： R·弗伯格;R·布兰斯彭宁 -专利权人：皇家飞利浦电子股份有限公司
申请日： 2006-11-17 - 公布日： 2008-11-26 - 主分类号： H04N13/00 文献下载
摘要：公开了一种用于为多视图显示设备(100)呈现视图的方法。该多视图显示设备(100)包括多个显示装置(104，110)用于在相对于多视图显示设备相互不同的方向上显示相应视图。
视图显示设备呈现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条