“分类阶段”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448710个，建议您升级VIP下载更多相关专利

[发明专利]一种基于RLID3的增量集成学习的数据分类方法-CN201610416291.1在审
发明人：王红滨;李华峰;刘红丽;王世鹏;冯梦园;张玉鹏;杨楠;刘广强;刘天宇;徐琳 -专利权人：哈尔滨工程大学
申请日： 2016-06-08 - 公布日： 2016-08-10 - 主分类号： G06F17/30 文献下载
摘要：一种基于RLID3的增量集成学习的数据分类方法，属于数据分类领域，尤其涉及一种基于RLID3的增量集成学习的数据分类方法。本发明要为解决现有分类方法中存在准确率不高的问题。本发明所述方法按以下步骤进行：1、初始阶段：①第1阶段包括训练基分类器以及计算基分类器的权重；②第2个阶段是组合所有基分类器的预测结果，对预分类样本数据进行分类结果的预测；2、增量阶段：①第1阶段输入增量数据集和初始阶段的所有基分类器，输出调整后的基分类器；②第2个阶段组合所有调整后的基分类器的预测结果，对预分类样本数据进行分类结果的预测。基于RLID3的增量集成方法具有较好的分类准确率。本发明所述方法可应用于数据分类领域。
一种基于 rlid3 增量集成学习数据分类方法

[发明专利]一种基于特征增强和决策融合的花卉图像分类算法-CN202210275922.8在审
发明人：贾连印;翟红淞;丁家满;李润鑫;李晓武;游进国 -专利权人：昆明理工大学
申请日： 2022-03-21 - 公布日： 2022-09-23 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于特征增强和决策融合的花卉图像分类算法，属于图像分类技术领域。包括数据预处理阶段、特征提取与增强阶段、训练阶段和决策融合分类阶段。数据预处理阶段对数据集进行相应的裁剪、缩放、归一化等操作；特征提取与增强阶段将预处理过后的数据送入由ImageNet预训练好的VGG16模型提取多层深度图像特征，引入特征增强策略自适应分配特征权值；训练阶段使用前一阶段的多组特征训练多个自定义softmax分类器；决策融合分类阶段引入信息熵来表示各个分类器的确定性程度，依据信息熵确定融合权值，融合决策实现分类。本发明经过自适应增强的特征具有更强的表述能力，相比以往的softmax分类器具有更强的分类能力。
一种基于特征增强决策融合花卉图像分类算法

[发明专利]一种基于增量学习的图像分类模型训练方法及分类方法-CN202210984120.4在审
发明人：秦维泽;肖俊敏;谭光明 -专利权人：中国科学院计算技术研究所
申请日： 2022-08-17 - 公布日： 2022-11-18 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于增量学习的图像分类模型训练方法，所述图像分类模型包括特征提取网络和分类器，所述方法包括对图像分类模型进行多阶段训练直至图像分类模型的准确率达到预设准确率要求，每个阶段训练后获得一个该阶段对应的图像分类模型，每个阶段使用不同类别的图像数据集，每个图像数据集中包含多个图像以及图像对应的分类标签，其中，每阶段训练包括：S1、以上一阶段训练后的图像分类模型的特征提取网络的参数，初始化本阶段训练的图像分类模型对应的特征提取网络；S2、采用本阶段的图像数据集将经步骤S1初始化特征提取网络后的图像分类模型训练至收敛。
一种基于增量学习图像分类模型训练方法

[发明专利]电子血压计显示与警示方法及其装置-CN200410077885.1无效
发明人：许瑜真 -专利权人：优盛医学科技股份有限公司
申请日： 2004-09-16 - 公布日： 2006-03-22 - 主分类号： A61B5/021 文献下载
摘要：本发明提供一种电子血压计显示与警示方法及其装置，将电子血压计测量所得血压值，根据阶段分类基准通过该装置中的判断装置逐项判断属于何种阶段分类，并将判断属于所述的阶段分类用集聚显示区块显示，或进一步配合阶段分类符号、显示区块闪烁、声响和/或振动组成的警示方式，在该装置中的显示装置上进行显示与警示不同的血压值阶段分类；由此可令使用者清楚了解即时的血压测量的血压阶段分类结果。
电子血压计显示警示方法及其装置

[发明专利]一种基于类中心正交的图像分类方法-CN202211432602.5在审
发明人：冯毅;邹海;陶模;汪伟;黄崇海;李邦明;陈凯;马灿;代路;宋苹;郑召利 -专利权人：中国船舶重工集团公司第七一九研究所
申请日： 2022-11-16 - 公布日： 2023-03-07 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于类中心正交的图像分类方法，上述方法包括如下步骤：提取已知类样本的特征，获取第一阶段分类损失，及第一阶段中心收敛损失；已知类执行正交初始化运算，获取第一阶段中心正交损失；使用训练中更新的第一阶段分类损失、训练中更新的第一阶段中心收敛损失及训练中固定的第一阶段中心正交损失执行样本第一阶段训练；更新第一阶段中心正交损失获取第二阶段中心正交损失，执行第二阶段训练以实现图像分类。按照本发明实现的图像分类方法，使得图像分类的模型训练更加稳定，并且提升了分类的稳定性。
一种基于中心正交图像分类方法

[发明专利]一种基于KNN的标签数据分类方法-CN201911012573.5有效
发明人：卢清华;陈奎;刘哲 -专利权人：佛山科学技术学院
申请日： 2019-10-23 - 公布日： 2023-03-07 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于KNN的标签数据分类方法，其特征在于：包括调试阶段和应用阶段；调试阶段包括如下步骤：载入调试图像、预处理、blob分析、制作分类标签、调试特征数据与分类标签绑定、设定参数、训练数据、判断分类准确率；应用阶段包括如下步骤：载入采集图像、预处理、blob分析、数据分类。该分类方法针对工业产品检测所得数据分类，可减少运算量，提高响应速度，并可提高分类准确率。
一种基于 knn 标签数据分类方法

[发明专利]甲状腺超声图像分类和分割网络、训练方法、装置及介质-CN202110656118.X在审
发明人：程栋梁;王晨;何年安;谢蠡;刘振 -专利权人：合肥合滨智能机器人有限公司
申请日： 2021-06-11 - 公布日： 2021-09-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了甲状腺超声图像分类和分割网络、训练方法、装置及介质，属于医疗信息技术领域。网络包括编码阶段和解码阶段，以及编码阶段和解码阶段之间的跳跃连接，在编码阶段设置有注意力机制模块，使得网络更关注甲状腺结构同周围组织的区别，在网络的编码阶段将输出特征图作为分类网络的输入，使得分割和分类任务能够进行特征共享，从而实现同一网络同时对甲状腺超声图像进行分类以及分割，在训练中，同时进行分类和分割任务的训练，提高分割和分类的准确性。
甲状腺超声图像分类分割网络训练方法装置介质

[发明专利]一种具有时间适应性的分类方法及装置-CN201610685180.0在审
发明人：李寿山;张栋;周国栋 -专利权人：苏州大学
申请日： 2016-08-18 - 公布日： 2016-11-16 - 主分类号： G06F17/30 文献下载
摘要：本申请公开一种具有时间适应性的分类方法和装置，所述方法通过将已标注的历史样本集作为训练样本训练一基础分类器，并基于基础分类器采用迭代方式对现阶段的预定未标注样本集进行标注，在此基础上，结合利用所述历史样本集及现阶段已标注的样本，来训练得到一目标分类器，后续可利用该目标分类器对待测样本进行分类。由于在训练目标分类器时，向历史样本集中添加了现阶段的样本，从而使得在利用已标注的历史样本训练分类器时还结合考虑了现阶段样本的特征，进而使得最终训练得出的分类器能够适应现阶段样本的分类任务，具有较高的时间适应性，且由于充分利用已标注的历史样本来预测现阶段样本的类别标签，从而大大减少了现阶段样本的标注工作。
一种具有时间适应性分类方法装置

[发明专利]一种基于深度学习的机器故障的预测和分类方法-CN202010668783.6在审
发明人：顾寄南;彭伟;王文波 -专利权人：江苏大学
申请日： 2020-07-13 - 公布日： 2020-11-13 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于深度学习的机器故障的预测和分类方法，包括：数据预处理阶段，特征提取阶段，建立基于CNN的自动编码器的特征提取模型，提取预处理后的数据集的特征；预测模型训练阶段，构建基于双向LSTM的预测模型，利用特征提取阶段得到的特征训练所述预测模型；分类模型训练阶段，利用特征提取阶段得到的特征并采用有监督学习的方式训练基于自动编码器的DNN分类模型；及模型使用阶段，利用训练后的预测模型来预测故障发生的时间，并且利用训练后的分类模型对即将发生的故障进行模式分类、故障类别分类、故障源定位和故障程度划分，本发明能够预测故障的发生，且在预测故障发生的同时对将要发生的故障进行分类。
一种基于深度学习机器故障预测分类方法

[发明专利]一种用于训练睡眠阶段分类模型的方法-CN202310446421.6在审
发明人：陈益强;马硕;张迎伟 -专利权人：中国科学院计算技术研究所
申请日： 2023-04-24 - 公布日： 2023-06-23 - 主分类号： G06F18/241 文献下载
摘要：本发明提供了一种用于训练睡眠阶段分类模型的方法，包括：获取训练集，其包括多个样本、每个样本对应的指示睡眠阶段类别的类别标签以及指示每个样本所属域的域标签，其中，样本为多模态生理时序信号，所述域与用户或者用户分组相关；利用所述训练集对基于神经网络的睡眠阶段分类模型和域鉴别器进行对抗训练，其中，所述睡眠阶段分类模型被配置为根据样本提取样本特征并根据样本特征识别样本对应的睡眠阶段类别，所述域鉴别器被配置为根据所述样本特征识别样本的域，对抗训练时基于类别标签确定的睡眠阶段分类损失和基于域标签确定的域分类损失更新睡眠阶段分类模型的参数，以及根据所述域分类损失更新域鉴别器的参数。
一种用于训练睡眠阶段分类模型方法

[发明专利]一种基于Softmax回归多分类识别器的多楼层室内定位方法-CN201910544573.3有效
发明人：罗娟;王纯;章翠君 -专利权人：湖南大学
申请日： 2019-06-21 - 公布日： 2021-03-02 - 主分类号： H04W64/00 文献下载
摘要：本发明公开了一种基于Softmax回归多分类识别器的多楼层室内定位方法，包括离线阶段和在线阶段。离线阶段包括离线指纹库采集阶段和离线多楼层判别分类器构建阶段，离线指纹库采集阶段，通过获取各采样点感知的各AP的RSS值，建立离线RSS指纹库；离线多楼层判别分类器构建阶段对多楼层判别分类器进行训练，通过梯度下降算法最小化多楼层判别分类器的交叉熵损失函数，利用最小交叉熵损失函数值对应的模型参数构建最佳多楼层判别分类器。在线阶段在进行待定位目标定位时，首先采用多楼层判别分类器计算出目标属于每一楼层的概率，最大概率对应楼层即为待定位目标所在楼层，再利用改进的KNN算法计算出待定位目标所在坐标位置。
一种基于 softmax 回归分类识别楼层室内定位方法

[发明专利]一种基于双阶段判定的加密流量分类方法-CN201910673679.3有效
发明人：马小博;师马玮;安冰玉;刘文懋;樊志甲;赵粤征 -专利权人：西安交通大学;北京神州绿盟信息安全科技股份有限公司
申请日： 2019-07-24 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于双阶段判定的加密流量分类方法，将随机森林分类器分类的输出作为K近邻分类器的输入，最后对两种分类器结果进行融合比对，完成对流量数据的分类。本方法充分利用了随机森林算法的输出特性和双阶段判定的可靠性保证，可提高分类的准确率。本发明是基于双阶段的判定的加密流量分类算法。第一步将元特征序列通过训练之后可以得到第一阶段分类模型，即一个包含有k棵树的随机森林模型，然后取每一棵树的输出的标签作为一个新的复合特征向量，输入到K近邻分类器中进行第二阶段的分类，并且将两次分类之后的结果进行比对，只有两次分类的结果相同才算分类成功。这样的双阶段判定模型会使得最后的分类准确率显著提高。
一种基于阶段判定加密流量分类方法

[发明专利]一种快速、准确的加密流量分类方法及系统-CN202110999637.6在审
发明人：王一鹏;贺慧杰;赖英旭;云晓春 -专利权人：北京工业大学;国家计算机网络与信息安全管理中心
申请日： 2021-08-29 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种快速、准确的加密流量分类方法及系统，该方法包括模型构建阶段1、模型构建阶段2以及分类阶段。模型构建阶段1包括：对流序列进行短序列预处理；对短序列训练数据进行模型构建，生成早期快速检测模型。模型构建阶段2包括：对流序列进行长序列预处理；对长序列训练数据进行模型构建，生成细粒度分类模型。根据模型构建阶段2生成的细粒度分类模型对不能早期分类的流进行精细化分类，并输出其预测标签。本发明使用较多的数据报文将不能早期分类的流进行精细化分类，在网络流量分类过程既保证了高精度的同时又极大的减少了所有流等待数据报文所花费的时间，因此，能够同时满足高速与高精度的分类需求。
一种快速准确加密流量分类方法系统

[发明专利]一种基于对称性理论的医学图像多阶段分类方法-CN201410409810.2有效
发明人：潘海为;荣晶施;韩启龙;高琳琳;战宇;吴枰 -专利权人：哈尔滨工程大学
申请日： 2014-08-20 - 公布日： 2018-04-27 - 主分类号： G06K9/62 文献下载
摘要：本发明属于医疗信息技术领域，具体涉及一种基于对称性理论的医学图像多阶段分类方法。本发明包括待分类图像提出分类请求,待分类图像应为原始医学图像数据；图像预处理过程图像建模；多阶段分类；展示结果。提出弱对称性判定算法和强对称性判定算法实现医学图像的多阶段的分类。这种多阶段分类的分类准确率很高，每一个阶段直接的衔接逐层深入，从而提高医生的诊断精度和缩短诊断时间。采用对称性理论实现医学图像的分类，使基于对称性理论的医学图像多阶段分类方法具有更高的准确性。
一种基于对称性理论医学图像阶段分类方法

[发明专利]一种种鸭饲养方法-CN201911283614.4在审
发明人：尹玉哲 -专利权人：山东智诚农牧发展科技股份有限公司
申请日： 2019-12-13 - 公布日： 2020-06-16 - 主分类号： A01K67/02 文献下载
摘要：本发明公开了一种种鸭饲养方法，第一阶段10天出壳后饲养阶段，饲养笼分割为多个独立小隔断，饲养笼左右两侧分别设有水槽和食槽，饲养笼一侧设有点水区，第二阶段10天分类后饲养阶段根据上一阶段种鸭活动情况，调整饲养笼的隔断，将种鸭分类为体质强、普通体质和体质弱三类，体质强分类将饲养笼10只一平方，普通体质分类将饲养笼12只一平方，体质弱分类将饲养笼14只一平方，第二阶段注射鸭瘟疫苗，第三阶段10天放牧前饲养阶段根据第二阶段种鸭活动情况，体质强分类将饲养笼8只一平方，普通体质分类将饲养笼9只一平方，体质弱分类将饲养笼10只一平方。通过分段式的饲养，在最初混养，在水槽内添加必要的葡萄糖等药剂，根据不同种鸭，在第二阶段分类饲养，保证活动空间和取暖的效果。
种种饲养方法

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