“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]基于深度学习的文本鉴别方法、装置、设备及存储介质-CN202110037860.2在审
发明人：李卓聪 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-01-12 - 公布日： 2021-10-22 - 主分类号： G06F16/35 文献下载
摘要：本申请实施例提供一种基于深度学习的文本鉴别方法、装置、设备及存储介质，涉及人工智能及云技术领域。方法包括：获取待鉴别目标文本，待鉴别目标文本包括文本标题与文本内容；调用预训练好的文本分类模型对待鉴别目标文本进行类别属性鉴别处理，以得到待鉴别目标文本所归属的类别属性，包括：对待鉴别目标文本进行文本标题以及文本内容的字句解析处理，以得到待鉴别目标文本的各字符；对待鉴别目标文本的每个字符进行字向量转化处理，以得到各字符的字向量；对各字符的字向量进行融合特征提取，得到待鉴别目标文本的文本向量，以根据文本向量得到待鉴别目标文本所归属的类别属性可以使模型更好的理解待鉴别目标文本，提高模型分类准确率。
基于深度学习文本鉴别方法装置设备存储介质

[发明专利]一种基于深度学习模型的小分子生成方法-CN202310726586.9在审
发明人：孔韧;施璜浩;王志超;周利涛;常珊 -专利权人：江苏理工学院
申请日： 2023-06-19 - 公布日： 2023-09-12 - 主分类号： G16C20/50 文献下载
摘要：本发明公开了一种基于深度学习模型的小分子生成方法，从公共数据库获得小分子的描述信息，并将小分子转化为3D分子图的形式，完成训练集准备；构建EDM模型，并将其作为生成器来生成新分子；将训练集输入到由GCN模型组成的鉴别器中，通过鉴别器对训练集鉴别，鉴别训练集中所有的小分子是否符合真实分子的鉴别要求，若没有达到要求，则通过反馈网络对生成器进行微调，直到满足鉴别器鉴别出所述训练集中所有的小分子全部符合真实分子的鉴别要求；小分子达到鉴别器的鉴别要求后则使用Rdkit计算该小分子的性质并可视化。本发明利用扩散模型作为生成器，生成小分子的效率更高；采用图神经网络作为判别器，有效提高了判别的准确性和速度。
一种基于深度学习模型分子生成方法

[发明专利]一种鉴别冬虫夏草的方法-CN201310303526.2有效
发明人：李华坚;吴小明;向飞军;许冬瑾;马兴田;陈华师;孙亮 -专利权人：康美药业股份有限公司;广东康美药物研究院有限公司
申请日： 2013-07-15 - 公布日： 2014-01-08 - 主分类号： G01N21/359 文献下载
摘要：本发明提供一种冬虫夏草的近红外光谱鉴别方法，所述方法包括：对已知纯净的正品冬虫夏草进行近红外光谱测定，建立冬虫夏草的鉴别模型；采用相同的近红外光谱测定条件，对待鉴别样品进行近红外光谱测定；将待鉴别样品的近红外光谱图与冬虫夏草的鉴别模型进行比较本发明所述冬虫夏草的鉴别方法，简单，容易操作，鉴别结果准确，能够进行批量鉴别，大大方便了冬虫夏草的市场监管和采购。
一种鉴别冬虫夏草方法

[发明专利]一种酸枣仁和滇枣仁的鉴别方法-CN201810121226.5在审
发明人：闫艳;申晨曦;杜晨晖;李震宇;秦雪梅 -专利权人：山西大学;山西中医药大学
申请日： 2018-02-07 - 公布日： 2018-09-04 - 主分类号： G01N24/08 文献下载
摘要：本发明提供了一种基于氢核磁共振结合偏最小二乘法鉴别酸枣仁和滇枣仁的方法。该方法首先构建鉴别模型，然后对鉴别模型进行预测，再对未知样本进行鉴别。本发明提供的鉴别方法，不仅可以有效的区分酸枣仁和滇枣仁，而且可以用于掺伪样品的鉴别，一般普通实验技术人员采用本方法即可准确鉴别酸枣仁和滇枣仁。
鉴别酸枣仁枣仁鉴别模型偏最小二乘法氢核磁共振实验技术构建样本预测

[发明专利]基于多分类器融合的笔迹鉴别方法-CN200910061099.5无效
发明人：陈庆虎;邓伟;鄢煜尘;袁凤 -专利权人：武汉大学
申请日： 2009-03-12 - 公布日： 2009-08-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多分类器融合的笔迹鉴别方法。首先，将影响笔迹鉴别分类输出的因子分为两类：书写因子与字符因子。建立分类输出的两因子分解模型，采用数据挖掘方法，得到两因子分解模型中的常用汉字的字符因子。然后，对两因子分解模型中的书写因子给出了估计方法。最后，把书写因子作为最终的笔迹鉴别分类器进行笔迹鉴别。本发明方法解决了文本依存笔迹鉴别的理论方法无法满足实际应用需求的问题。面向大型样本笔迹库时，本鉴别方法能得到十分理想的一对多笔迹鉴别分类结果。作一对一笔迹鉴别，其鉴别准确率高达98％。
基于分类融合笔迹鉴别方法

[发明专利]一种区块链预言机中伪造人脸图像的检测方法和系统-CN202111036385.3在审
发明人：蔡维德 -专利权人：北京天德科技有限公司;天民（青岛）国际沙盒研究院有限公司
申请日： 2021-09-06 - 公布日： 2022-03-11 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种区块链预言机中伪造人脸图像的检测方法和系统，检测方法包括如下步骤：建立遮罩生成模型、遮罩融合模型和鉴别模型，采用已知人脸遮罩区域和已知是否为伪造的图像对模型进行训练，直到该模型的损失小于设定损失；建立区块链预言机，通过预言机采集未知是否为伪造的人脸图像，将其输入遮罩生成模型，得到遮罩数据；将遮罩数据和人脸图像输入遮罩融合模型，得到特征数据；将特征数据输入鉴别模型，得到是否为伪造人脸的鉴别结果；如果鉴别结果为真实，则该人脸图像可以被预言机采用，如果鉴别结果为伪造，则该人脸图像不可以被预言机采用。
一种区块预言伪造图像检测方法系统

[发明专利]一种身份鉴别方法及装置-CN201811610585.3有效
发明人：范小龙 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-12-27 - 公布日： 2023-05-12 - 主分类号： G06F21/31 文献下载
摘要：本发明涉及一种身份鉴别方法及装置，所述方法包括：根据被登录账号的标识加载对应的身份鉴别模型，其中，所述身份鉴别模型包括：行为特征模型、环境特征模型和综合判断模型；获取当前操作用户的行为特征，将所述行为特征输入到所述行为特征模型，得到所述当前操作用户的身份概率信息；获取当前的操作环境特征，将所述操作环境特征输入到所述环境特征模型，得到环境异常概率信息；根据所述身份概率信息和所述环境异常概率信息，通过所述综合判断模型得到所述当前操作用户的身份鉴别结果本发明能够根据当前操作用户的行为特征和当前的操作环境特征，来综合判别当前操作用户是否为合法用户，实现了无感知的身份鉴别，提升了安全性和可靠性。
一种身份鉴别方法装置

[发明专利]一种鉴别玉米单倍体的方法-CN201510289705.4有效
发明人：陈绍江;刘金;郭婷婷;贾仕强;李浩川;严衍禄;安东;张垚 -专利权人：中国农业大学
申请日： 2015-05-29 - 公布日： 2018-01-02 - 主分类号： G01N21/31 文献下载
摘要：本发明公开了一种鉴别玉米单倍体的方法。本发明所公开的鉴别玉米单倍体的方法是利用可见光漫透射光谱鉴别玉米单倍体的方法，包括如下步骤(1)以若干个玉米单倍体籽粒和玉米杂交二倍体籽粒作为模型训练样本，采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱，对所采集的原始光谱数据进行平滑、矢量归一化预处理；将所得预处理数据进行主成分分析，然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型；(2)利用步骤(1)建立的鉴别模型鉴别待测玉米籽粒是否为单倍体该方法可以鉴别来自不同遗传背景单倍体的模型。同时，为基于可见光光谱技术开发单倍体自动筛选系统提供理论指导，满足DH育种的工程化需求。
一种鉴别玉米单倍体方法

[发明专利]基于三维卷积神经网络模型的木材鉴别方法、装置-CN202011473674.5在审
发明人：李啟彬;须颖;石锦洋 -专利权人：广东工业大学
申请日： 2020-12-15 - 公布日： 2021-04-23 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及木材鉴别技术领域，具体涉及一种基于三维卷积神经网络模型的木材鉴别方法、装置、计算机设备和存储介质。所述方法包括：获取多张木材的三维图像作为样本图像集；根据样本图像集获得验证样本集和训练样本集；创建初始三维卷积神经网络模型，根据验证样本集和训练样本集对初始三维卷积神经网络模型进行训练，得到训练好的三维卷积神经网络模型；通过X射线三维显微CT获取待鉴别木材的三维图像；根据三维卷积神经网络模型对待鉴别木材的三维图像进行处理，得到待鉴别木材的鉴别结果。本发明实施例能够提高木材的鉴别准确率。
基于三维卷积神经网络模型木材鉴别方法装置

[发明专利]当归和酒当归的近红外定性鉴别模型的构建方法及鉴别方法-CN202210388996.2在审
发明人：黄瑶;沈斌斌;纪玉华;洪婉敏;魏梅;王文丽;梁志毅;曾昭君;汪梅 -专利权人：广东一方制药有限公司
申请日： 2022-04-14 - 公布日： 2022-08-12 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种当归和酒当归的近红外定性鉴别模型的构建方法及鉴别方法。所述当归和酒当归的近红外定性鉴别模型的构建方法，包括如下步骤：采集当归和酒当归的近红外光谱，分为总参考光谱集和总测试光谱集；在近红外光谱范围，采用预选处理方法对所述总参考光谱集进行预处理，采用因子化法构建近红外定性预选鉴别模型，将所述总参考光谱集和所述总测试光谱集导入所述近红外定性预选鉴别模型，以识别准确率为指标，选择预处理的方法以及近红外光谱范围，确定近红外定性鉴别模型。该方法可以快速鉴别当归及其炮制品酒当归，在生产上为酒当归的炮制终点提供合理依据，且制样过程简便、不破坏样品、无化学试剂污染。
当归红外定性鉴别模型构建方法鉴别方法

[发明专利]相机来源鉴别方法、系统、存储介质和计算设备-CN201910512236.6在审
发明人：綦科;胡敏;苏忠群 -专利权人：广州大学
申请日： 2019-06-13 - 公布日： 2019-10-18 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了相机来源鉴别方法、系统、存储介质和计算设备，首先构建训练样本集、生成网络和判别器网络；将各训练样本输入到生成网络中，同时将各训练样本中提取的相机模式噪声特征输入到判别器网络中，对生成网络和判别器网络进行训练，得到相机来源鉴别模型；针对于要检测相机来源的待测图像，将待测图像输入到相机来源鉴别模型的生成网络中，将待测图像所提取到的相机模式噪声特征输入到相机来源鉴别模型的判别器网络中，通过相机来源鉴别模型的判别器网络最终输出相机来源鉴别结果本发明将神经网络和图像相机来源鉴别相结合，应用神经网络所具备的可扩展、可训练、鲁棒性和非线性映射能力，提高了图像相机来源鉴别的准确度和泛化性。
来源鉴别相机判别器网络待测图像存储介质计算设备相机模式训练样本噪声特征非线性映射能力应用神经网络图像训练样本集准确度神经网络泛化性可扩展可训练鲁棒性构建输出检测

[发明专利]一种基于区块链的艺术品鉴别方法及装置-CN202111653748.8在审
发明人：梁刚;唐风燕;洪从庆;刘海祥 -专利权人：上海藏研网络科技有限公司
申请日： 2021-12-30 - 公布日： 2022-04-29 - 主分类号： G06Q30/00 文献下载
摘要：本发明涉及艺术品鉴别技术领域，具体提供了一种基于区块链的艺术品鉴别方法及装置，方法具体包括：响应于至少一个的鉴别请求，根据预设的艺术品鉴别请求响应模型确定待鉴定的艺术品特征信息在多个预设的响应方位上的特征响应结果；基于构建的响应度匹配模型创建响应度虚拟鉴别模型获取所述特征响应结果以及多个预设的响应方位确定艺术品的特征信息特征响应度；加载预配置的鉴别分类数据库，基于预设的鉴别分类训练模型多次训练所述特征响应结果；本发明实施例将鉴别分类数据库导入艺术品分析报告生成模块，方便用户获取实时分析结果，不需要人工操作就可以实现对艺术品种类、年代以及真伪进行分析检测，提高了检测的准确度。
一种基于区块艺术品鉴别方法装置

[发明专利]种子的光谱图像无损鉴别模型建立方法及种子鉴别方法-CN201510355690.7有效
发明人：安冬;冉航;贾仕强 -专利权人：中国农业大学
申请日： 2015-06-24 - 公布日： 2017-09-29 - 主分类号： G01N21/359 文献下载
摘要：本发明提供了一种种子的光谱图像无损鉴别模型建立方法及种子鉴别方法，该种子鉴别方法包括采用不同波长的近红外光得到各类别的种子籽粒的透射光谱图像，通过对多波段图像做差运算等预处理后，用多种图像特征提取方法提取图像特征，对每一种图像特征进行降维，获得多组特征数据，计算每一组特征数据的可分性，得出最佳的特征数据和相应的最佳图像特征提取方法，利用最佳特征数据建立种子的光谱图像无损鉴别模型，然后采集待鉴别种子图像，利用所得模型进行鉴别本发明采用短波近红外透射成像建立种子的光谱图像无损鉴别模型，实现对种子的无损鉴别，可采集到样本深度信息，提高检测精度，并且图像样本采集速度快，大大提高检测效率。
种子光谱图像无损鉴别模型建立方法鉴别方法

[发明专利]一种基于嵌入式的茶叶产地鉴别装置及其应用-CN201710462735.X有效
发明人：王丽丽;王果山 -专利权人：山东大学
申请日： 2017-06-19 - 公布日： 2020-02-11 - 主分类号： G01N21/3563 文献下载
摘要：本发明涉及一种基于嵌入式的茶叶产地鉴别装置及其应用。本发明根据不同的实际需求建立所述茶叶产地模型和进行模型内嵌；选择茶叶样本进行实验，得出模型相应的数学公式，在软件编程时封装在程序中实现产地鉴别的需求。根据具体鉴别要求，建立相应的模型，满足不同的应用需求。
一种基于嵌入式茶叶产地鉴别装置及其应用

[发明专利]一种基于构造特征图像深度学习的木材鉴别方法和系统-CN201810800080.7在审
发明人：殷亚方;何拓;焦立超;张毛毛;韩刘杨;陆杨;张永刚;李仁 -专利权人：中国林业科学研究院木材工业研究所
申请日： 2018-07-20 - 公布日： 2018-12-21 - 主分类号： G06K9/46 文献下载
摘要：本发明实施例涉及一种基于构造特征图像深度学习的木材鉴别方法和系统，所述方法包括：采集木材横切面构造图像数据；将所述图像数据分割为多个大小一致的图像块；根据多个所述图像块建立所述图像数据对应的训练集和测试集；构建木材图像鉴别多层卷积神经网络；采用所述训练集对所述木材图像鉴别多层卷积神经网络进行深度学习；采用所述测试集对深度学习的模型进行测试，根据测试结果优化模型参数，生成木材图像鉴别深度学习算法模型；根据所述图像识别深度学习算法模型对待鉴别木材图像数据进行识别由此，可以实现对待鉴别木材树种的准确快速识别。
木材图像鉴别鉴别卷积神经网络构造特征图像数据学习算法测试集图像块训练集多层学习图像图像数据分割大小一致构造图像快速识别木材树种图像识别优化模型横切面构建采集测试