“鉴别模型”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802361个，建议您升级VIP下载更多相关专利

[发明专利]基于多鉴别器模型的新增未训练辐射源检测方法-CN202211082870.9在审
发明人：金燕华;颜松涛;卫梦凡;朱玲 -专利权人：电子科技大学
申请日： 2022-09-06 - 公布日： 2022-11-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多鉴别器模型的新增未训练辐射源检测方法，获取N个已标识辐射源的信号图像样本集合，并分别划分为训练集和测试集，设置一个生成器和N+1个鉴别器，依次将生成器和每个鉴别器构建成为子生成对抗网络，采用对应训练集进行训练，将测试集、图像样本集合输入训练好的鉴别器，统计得到判定区间和比例参数，将待鉴别辐射源的信号图像输入各个鉴别器，统计输出概率值位于判定区间的比例，如果比例大于比例参数，则判定待鉴别辐射源由鉴别器鉴别通过本发明使用多鉴别器模型对辐射源的信号图像进行判定，有效实现新增未训练辐射源的检测。
基于鉴别器模型新增训练辐射源检测方法

[发明专利]一种近红外光谱无损鉴别山参真伪的方法-CN201210134918.6有效
发明人：卢启鹏;樊奕辰;彭忠琦;丁海泉;高洪智 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2012-05-03 - 公布日： 2012-08-15 - 主分类号： G01N21/35 文献下载
摘要：一种近红外光谱无损鉴别山参真伪的方法，属于中药检测技术领域，目的在于解决现有技术鉴别山参鉴别结果不确定及鉴别过程破坏山参形体的问题，采集山参和工艺参的光谱数据，经主成份分析法提取出主成分变量作为输入变量，设定山参及工艺参的属性代码并将其作为目标变量，根据输入变量和目标变量训练网络，建立BP人工神经网络模型；采集待鉴别样品光谱数据，并经建立的BP人工神经网络模型进行仿真，输出待鉴别样品预测值，参照山参和工艺参的属性代码判断待鉴别样品，当待鉴别样品的预测值与山参属性代码匹配时，鉴定为山参，反之，鉴定为工艺参。该方法整个鉴别过程不需要前处理及制样程序，不破坏山参样品，实现快速、无损及准确的鉴别。
一种红外光谱无损鉴别真伪方法

[发明专利]基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法-CN202211248260.1在审
发明人：向卫 -专利权人：南京视测通机器人科技有限公司
申请日： 2022-10-12 - 公布日： 2023-04-25 - 主分类号： G06F30/23 文献下载
摘要：本发明公开了基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，属于钢箱梁裂纹检测技术领域，基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，具体实施方式为：提出基于混合硬化特性的渐进损伤模型；提出基于混合硬化特性的渐进损伤模型非线性混合硬化本构模型包含屈服准则本发明对于提出的基于最小鉴别信息原理的预测方法进行论述及验证，解决了对于裂纹的预测不够及时，不够准确的问题，为后续的钢箱梁裂纹预测的研究提供参考意义。
基于最小鉴别信息原理钢箱梁裂纹检测模型预测方法

[发明专利]一种基于形态分析的转基因大豆快速鉴别优化模型-CN201910915151.2在审
发明人：王竹;高慧宇;张雪松;王国栋 -专利权人：中国疾病预防控制中心营养与健康所
申请日： 2019-09-26 - 公布日： 2019-12-31 - 主分类号： G01N21/3563 文献下载
摘要：本发明提供一种基于形态分析的转基因大豆快速鉴别优化模型。本发明首先提供该基于形态分析的转基因大豆快速鉴别优化模型的建立方法，对于整粒大豆，选取9403‑5438cm
转基因大豆预处理偏最小二乘光谱信息快速鉴别特征波段形态分析优化模型光谱鉴别粉末状大豆光谱预处理近红外光谱判别分析法矢量归一化二阶导数判别模型样品形态一阶导数最佳模型正确率波长整粒大豆应用生产

[发明专利]一种基于对抗生成网络的目标计数方法-CN201810610806.0在审
发明人：郭东岩;王俊;崔滢;王振华;张剑华;陈胜勇 -专利权人：浙江工业大学
申请日： 2018-06-14 - 公布日： 2018-12-11 - 主分类号： G06K9/62 文献下载
摘要：一种基于对抗生成网络的目标计数方法，模型训练过程的步骤如下：步骤1.1：图片预处理，随机提取原图中若干图像块并缩放为相同大小；步骤1.2：设计鉴别模型，采用卷积神经网络计算图片置信度；步骤1.3：生成模型的设计，同样采用卷积神经网络生成所需密度图；步骤1.4：对抗生成网络的训练，设置两个损失函数L_D和L_G，采用Adam方法分别优化鉴别模型和生成模型；模型使用过程的步骤如下：步骤2.1：密度图的生成，根据训练模型使用生成模型生成密度图本发明网络架构采用生成模型与鉴别模型以博弈的方式相互优化，从而获得精度较高的密度图。
生成模型密度图鉴别模型卷积神经网络对抗预处理模型训练过程博弈计算目标模型使用随机提取损失函数网络架构训练模型网络图像块置信度缩放优化图片

[发明专利]模型训练方法、装置、计算机设备、存储介质和程序产品-CN202310224405.2在审
发明人：杨唯;陈永录;李变;杨珂 -专利权人：中国工商银行股份有限公司
申请日： 2023-03-09 - 公布日： 2023-06-09 - 主分类号： G06V30/412 文献下载
摘要：本申请涉及一种模型训练方法、装置、计算机设备、存储介质和程序产品。所述方法包括：首先根据初始票据分类模型中的预处理模型和初始票据图像样本，得到票据图像样本，再获取票据图像样本对应的用于表征票据图像样本，利用初始票据分类模型中的视觉自注意力模型得到各子区域图像的真伪识别结果，最后根据各子区域图像的真伪识别结果、分类向量和票据图像样本，训练初始票据分类模型得到票据分类模型。通过对初始票据分类模型进行训练，得到票据分类模型，得到的票据分类模型可以用于对将待识别票据进行真伪鉴别得到真伪鉴别结果，从而提高得到的票据的真伪鉴别结果的准确性。
模型训练方法装置计算机设备存储介质程序产品

[发明专利]一种中文语音增强识别及文本纠错矫正方法-CN202211295191.X在审
发明人：徐慧;余伟超;顾欣;王皓晨;尹必才 -专利权人：南通大学
申请日： 2022-10-21 - 公布日： 2023-01-13 - 主分类号： G10L15/197 文献下载
摘要：本发明属于语音及文本处理领域，具体涉及一种中文语音增强识别及文本纠错矫正方法，包括：对待识别音频进行预处理，通过声纹模型进行特征提取并建立初始粗糙方言鉴别模型；建立初始网络模型对初始粗糙方言鉴别模型进行训练得到方言鉴别模型；基于N‑gram语言模型确定纠错候选分词集合；通过Bigram2元语言模型和N‑gram语言模型进行纠错矫正后输出文本。本发明对待识别音频进行预处理，减少语音识别干扰因素，采用GMM‑SVM模型提高了识别性能，采用GMM‑UBM模型和LSTM模型的组合模型建立初始网络模型拥有更快更好的训练拟合效果，通过N‑gram语言模型和Bigram2元语言模型进行文本处理纠错有效降低了错误率，优化了待识别音频转换成文本信息的结果。
一种中文语音增强识别文本纠错矫正方法

[发明专利]一种非复原果汁的鉴别方法-CN201510424743.6有效
发明人：钟其顶;王道兵 -专利权人：中国食品发酵工业研究院
申请日： 2015-07-17 - 公布日： 2018-02-06 - 主分类号： G01N33/14 文献下载
摘要：本发明涉及一种非复原果汁的鉴别方法。具体而言，其是一种基于稳定同位素技术鉴别食品真实性的方法。具体而言，本发明的方法是构建NFC果汁的水与果汁除水发酵后产生的乙醇中稳定氧同位素组成(记作δ18O)的数学模型，将待检产品的水及其在特定条件下发酵产生的乙醇的δ18O实测值代入数学模型进行真实性鉴别。本发明根据果汁自身的δ18O特征进行鉴别，不需要建立庞大的数据库，简化了鉴别步骤，提高了检测限，非常适用于NFC果汁的真实性鉴别。
一种复原果汁鉴别方法

[发明专利]文拉法辛晶体的近红外光谱快速鉴别方法-CN201510428400.7在审
发明人：范琦;曹丽亚;李瑒;刘沙 -专利权人：重庆医科大学
申请日： 2015-07-15 - 公布日： 2017-01-25 - 主分类号： G01N21/359 文献下载
摘要：本发明提供一种快速、无损的文拉法辛晶型鉴别方法。使用近红外光谱仪以最优的光谱测量参数值采集文拉法辛不同晶型样品的近红外光谱(NIRS)；(3)以最优的化学计量学预处理方法对文拉法辛不同晶型样品的NIRS进行预处理；(4)采用最优建模光谱范围、适当的光谱数据维度建立文拉法辛晶型的化学计量学鉴别模型；(5)评价所建文拉法辛晶型化学计量学鉴别模型的性能；(6)应用所建文拉法辛晶型化学计量学鉴别模型鉴别未知文拉法辛晶体的晶型。
文拉法辛晶体红外光谱快速鉴别方法

[发明专利]一种基于5G物联网的干湿垃圾鉴别方法及分析系统-CN201911009663.9在审
发明人：肖培玉;孙思清;高传集;梁圣奇 -专利权人：浪潮云信息技术有限公司
申请日： 2019-10-23 - 公布日： 2020-01-31 - 主分类号： G06F16/27 文献下载
摘要：本发明公开一种基于5G物联网的干湿垃圾鉴别方法及分析系统，涉及物联网应用技术领域；通过5G物联网络获取垃圾的图像数据、电容数据、金属强度数据、温度数据和湿度数据，利用大数据方法建立垃圾鉴别模型，并利用垃圾的数据训练垃圾鉴别模型，结合垃圾的电容数据、金属强度数据、温度数据和湿度数据利用训练后的垃圾鉴别模型对垃圾的图像数据进行垃圾的鉴别；利用本发明方法或系统可以帮助居民快速的识别垃圾是干垃圾，湿垃圾，方便垃圾投放，提高垃圾回收效率
垃圾鉴别模型电容数据强度数据湿度数据图像数据温度数据鉴别金属物联网应用分析系统干湿垃圾和谐发展垃圾回收垃圾投放人类社会数据训练物联网络大数据垃圾量湿垃圾物联网填埋自然环境焚烧居民帮助

[发明专利]一种基于挥发性成分分析的小麦储藏年份鉴别方法-CN202310233621.3在审
发明人：郭瑞;杨永坛;张炜;李丽 -专利权人：国家粮食和物资储备局科学研究院
申请日： 2023-03-03 - 公布日： 2023-08-01 - 主分类号： G01N30/02 文献下载
摘要：本发明实施例公开了一种基于挥发性成分分析的小麦储藏年份鉴别方法。本发明采用固相微萃取‑气相色谱‑质谱联用技术对小麦籽粒样品进行检测，采用主成分分析(PCA)结合偏最小二乘法判别分析(PLS‑DA)对不同储藏年份的小麦样品的挥发性成分种类和含量进行分析，建立小麦储藏年份鉴别模型，该模型可靠，不存在过拟合现象，可实现小麦储藏年份的鉴别。本发明以变量重要投影重要性(VIP≥1)作为阈值，筛选出37种对分类贡献较大的差异化合物，基于构建的模型能够快速且准确鉴别出小麦储藏年份，具有操作简便，成本低的优点，为小麦的品质鉴别提供一定的技术支撑。
一种基于挥发性成分分析小麦储藏年份鉴别方法

[发明专利]手写签名图像真伪鉴别模型建立方法及真伪鉴别方法-CN201810414281.3有效
发明人：张敏;赵妍;冯筠;郭军;吕毅;崔磊 -专利权人：西北大学
申请日： 2018-05-03 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种手写签名图像真伪鉴别模型建立方法及真伪鉴别方法，该方法通过掩模剪裁方式对签名图像进行预处理，通过分别提取签名图像基于SURF特征与基于笔划区域的P‑ULBP特征的视觉词汇直方图，并将两个视觉词汇直方图进行拼接，构造最终的视觉词汇直方图，采用分类器构建手写签名图像真伪鉴别模型，再利用该模型进行图像真伪鉴别；其中通过掩模剪裁的方式，有效解决了当前方法原始图像细节信息丢失的问题，最大程度的保留了图像签名部位的信息；通过提取P‑ULBP特征，有效的解决了传统ULBP算子在签名图像特征提取中，有效信息实际占比低的问题，提高了离线手写签名真伪鉴别方法的鲁棒性。
手写签名图像真伪鉴别模型建立方法鉴别方法

[发明专利]一种基于深度可分离卷积的鉴别视频真伪性的检测方法-CN202010008338.7有效
发明人：陈波;吴思璠;邓媛丹;张勇;冯婷婷;陈安龙 -专利权人：电子科技大学
申请日： 2020-01-06 - 公布日： 2023-06-16 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于深度可分离卷积的鉴别视频真伪性的检测方法，属于图像处理技术领域。该方法包括获取人脸视频图像并划分为训练集和测试集，构建基于深度可分离卷积的视频真伪性鉴别模型并进行训练，利用训练后的视频真伪性鉴别模型对测试集图像进行预测，输出图像所属视频的真伪分类。本发明采用深度可分离卷积构建的特征提取模块与残差网络、卷积神经网络相结合的架构，构建基于深度可分离卷积的视频真伪性鉴别模型，能够在保证判别准确性不降低的同时有效减小网络体积，降低运行成本提高运行速度，进一步提高视频真伪鉴别方法的实用性
一种基于深度可分离卷积鉴别视频真伪检测方法

[发明专利]一种基于云模型和TOPSIS法的植物鉴别方法-CN201110048981.3无效
发明人：彭琳;刘宗田;杨林楠;钟飞 -专利权人：上海大学
申请日： 2011-03-02 - 公布日： 2011-08-17 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及一种基于云模型和TOPSIS法的植物鉴别方法。本发明方法首先构建了植物的外形特征标本数据库；然后利用梯形云模型将被测植物的外观特征与植物的外观特征标本数据库进行比对，得到被测植物与外形特征标本数据库相比的隶属度，实现了被测植物的初步鉴别；当鉴别结果为多个时，再利用正态云模型对检索结果进行精确匹配计算，得到被测植物与外形特征标本数据库相比的精确隶属度；最后利用TOPSIS法对隶属度进行综合评价，鉴别出植物。该方法采用TOPSIS对最后鉴别结果进行综合评价，能够全面、合理、准确地对某几个评价指标进行优劣排序，评价过程清晰、评价结果客观。
一种基于模型 topsis 植物鉴别方法

[发明专利]基于弱监督学习的SAR图像目标鉴别方法-CN201610815763.0有效
发明人：杜兰;代慧;孙永光;王燕;王英华 -专利权人：西安电子科技大学;西安中电科西电科大雷达技术协同创新研究院有限公司
申请日： 2016-09-12 - 公布日： 2019-03-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于弱监督学习的SAR图像目标鉴别方法，主要解决现有技术鉴别性能低和样本标记成本高的问题。其实现方案是：在训练阶段，先对正图像的样本集和负图像的负样本集分别提取局部限制性编码LLC特征，再用负样本集训练一个潜在的狄利克雷分配LDA模型，并用该模型从正图像样本集中挑选初始正样本集，用以迭代训练二类SVM鉴别器，得到最优鉴别器；在测试阶段，先对测试样本集提取局部限制性编码LLC特征，再用得到的最优鉴别器对测试样本集进行鉴别。本发明在鉴别性能与全监督的二类SVM鉴别器相近的同时减少了人工标记的成本，更具有实用性，而且，对比杂波训练的一类SVDD鉴别器在复杂场景下的鉴别性能更优，适用于SAR图像目标鉴别。
鉴别器鉴别性能目标鉴别测试样本集负样本图像测试阶段迭代训练复杂场景人工标记训练阶段样本标记正样本集潜在的样本集正图像监督对正杂波样本鉴别并用学习分配

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条