-
公开(公告)号：CN106651778A
公开(公告)日：2017-05-10
申请号：CN201610349594.6
申请日：2016-05-25
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基于自适应耦合观测与非线性压缩学习的光谱成像方法，主要解决现有技术无法保证观测矩阵与学习得到的字典不相关的问题。其实现步骤为：1.把原始空间中的信号投影到特征空间上；2.利用KPCA的方法，在特征空间中进行字典学习，求得稀疏字典；3.随机初始化观测矩阵，对由稀疏字典和初始观测矩阵的乘积组成的感知矩阵进行迭代训练，得到经过耦合优化的观测矩阵；4.通过核压缩感知的方法实现非线性压缩感知光谱成像；5.利用pre‑image方法恢复出原信号。实验结果表明：在不同的采样率下，本发明与现有以高斯随机矩阵作为观测矩阵的方法相比，其重构效果较好，可用于高光谱图像的低成本与高质量获取。
-
公开(公告)号：CN103218405A
公开(公告)日：2013-07-24
申请号：CN201310090096.0
申请日：2013-03-20
Applicant: 西安电子科技大学 , 西安电子科技大学昆山创新研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于维数约简的集成迁移文本分类方法，包括步骤：1.入源域文本数据和目标域文本数据，进行预处理，将文本数据转化为单词向量形式；2.标记的源域数据集进行Boostrap随机采样遍，获取相应的个源域子集，再别与目标域测试样本组合成新的数据子集；3.个新的数据子集进行SVD分解并降维，投影到低维空间；4.低维空间中，采用近邻分类器作为基本分类器，由降维后的源域样本预测目标域测试样本的标签,每个测试样本得到个预测标签；5.多数投票的集成方式，得到测试文本数据的最终预测标签。本发明利用过期的源域样本对目标域文本分类，经维数约简后集成，大大提高了分类的正确率，并减少分类时间，降低分类复杂度。
-
公开(公告)号：CN105844591A
公开(公告)日：2016-08-10
申请号：CN201610015219.8
申请日：2016-01-11
Applicant: 西安电子科技大学昆山创新研究院
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre?image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。
-
公开(公告)号：CN105844591B
公开(公告)日：2018-08-21
申请号：CN201610015219.8
申请日：2016-01-11
Applicant: 西安电子科技大学昆山创新研究院
IPC: G06T5/00
Abstract: 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre‑image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。
-
公开(公告)号：CN118486732A
公开(公告)日：2024-08-13
申请号：CN202410679734.0
申请日：2024-05-29
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: H01L29/78 , H01L29/167 , H01L29/06 , H01L21/336
Abstract: 本发明公开一种基于SiGe材料的SJ‑VDMOS及其制备方法，该集成式器件包括源极，栅绝缘层，半绝缘多晶硅层，栅电极，绝缘体，漏电极，衬底漏区，外延层N型漂移区，外延层P型漂移区，基区，沟道衬底接触，源区。通过在外延层P型漂移区中引入锗硅材料，利用锗原子在硅晶格中产生的内部应力来优化电子的迁移率。使得该场效应管控制电流导通的效率更高能耗更低。由于引入的锗硅扩展了器件的工作温度范围，提高了热导率，可适用于高功率、高温工作环境。本发明的制备工艺由于场效应管引入的锗硅材料可以利用现有的硅基工艺平台制备，硅锗技术与现有的集成电路工艺兼容性良好，在不改变现有生产线的情况下，实现技术的升级和转换。
-
Patent Agency Ranking
公开(公告)号：CN118395214A
公开(公告)日：2024-07-26
申请号：CN202410579866.6
申请日：2024-05-11
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06F18/23 , G06F18/22 , G06N3/0442 , G06N3/08 , G06N3/06
Abstract: 本发明公开了一种基于SOM‑SNN和Spiking‑SOM算法的事件流聚类方法，主要解决现有技术难以有效利用事件流中的历史脉冲信息和脉冲达到顺序信息造成的聚类速度慢、聚类效果差的问题。本发明构建的SOM‑SNN网络包含一层记忆层，将事件流中离散的脉冲转换为信息向量并存储，在每个时间窗口不断更新与累加。本发明提出的Spiking‑SOM算法通过空间相似度与分布相似度计算事件流脉冲信息与网络权值之间的相似性，分布相似度利用了事件流中脉冲到达的顺序信息。本发明有效利用了事件流中的历史脉冲信息和脉冲到达的顺序信息，以更快的速度实现了更好的事件流聚类效果。
-
公开(公告)号：CN118464812A
公开(公告)日：2024-08-09
申请号：CN202410534869.8
申请日：2024-04-30
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G01N21/27 , G06F18/213 , G06F18/214 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于脉冲神经网络的水果内部品质检测方法，实现步骤为：获取训练样本集和测试样本集；构建脉冲神经网络模型；对脉冲神经网络模型进行迭代训练；获取水果内部品质检测结果。本发明在对水果内部品质检测网络模型进行训练以及获取水果内部品质检测结果的过程中，脉冲神经网络中的特征提取模块利用卷积对电压脉冲序列进行特征提取，脉冲神经元层对线性预测结果进行脉冲激活实现非线性拟合，避免了现有技术采用单一的多元线性回归模型拟合能力弱的缺点。同时脉冲神经网络利用对输入脉冲序列进行多个时间步长的处理，轻微噪声对其检测结果影响小，对于电压信号具有更强的抗干扰能力和鲁棒性，有效提高了检测精度。
-
公开(公告)号：CN115761335B
公开(公告)日：2025-05-16
申请号：CN202211440677.8
申请日：2022-11-17
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V20/13 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态决策融合的滑坡风险点分类方法，主要解决现有方法无法从少量样本情况中获得数字高程数据所蕴含的信息，进而导致滑坡风险点分类精度提升不稳定的问题。其实现方案是：对待检测高分遥感图像对应的数字高程模型进行提取；将提取后的数字高程模型按照“平地”、“山地”进行划分；对高分遥感影像按照是否含有滑坡风险点进行训练；对数字高程模型按照是“山地”还是“平地”进行训练；利用高分遥感影像分类模型区分待检测样本是否是为滑坡风险点；利用数字高程模型分类模型的地形分类结果对高分遥感影像分类结果进行筛选，得到最终的分类结果。本发明提高了滑坡风险点检测的分类精度，可以用于地质灾害检测与预警。
-
公开(公告)号：CN119943252A
公开(公告)日：2025-05-06
申请号：CN202510119149.X
申请日：2025-01-24
Applicant: 西安电子科技大学
IPC: G16H15/00 , G16H30/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/74 , G06F40/289 , G06F40/284 , G06F40/186 , G06N3/0895 , G06N3/098 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06F17/18
Abstract: 本发明公开了重建混合策略的三维医学图像视觉语言模型预训练方法，属于医学影像计算技术领域，包括构建医学图像文本对数据集，语言文本掩码重建策略，视觉图像掩码重建策略，语义感知融合策略，多任务联合学习；本发明对大语言模型进行微调，使用微调的大语言模型提取医学报告中的诊断及属性信息并生成高效的提示，并且大语言模型具有较强的泛化能力，大大节省了人工标注的成本；本发明的语义感知融合策略，是将文本编码器得到的文本特征和图像编码器得到的图像特征相结合得到新的文本特征，使文本提前感知图像的诊断及属性信息，进一步优化图像和文本在嵌入空间中的对齐，提升了预训练的效率。
-
公开(公告)号：CN116824694B
公开(公告)日：2025-04-29
申请号：CN202310663302.6
申请日：2023-06-06
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/42
Abstract: 基于时序聚合和门控Transformer的动作识别系统及方法，系统包括：依次连接的特征提取模块、第一3D‑ResNet网络、第一下采样模块、第二3D‑ResNet网络、第二下采样模块、第一Transformer网络、第三下采样模块、第二Transformer网络、全局平均池化模块和全连接层；方法包括：特征提取；局部特征增强；全局特征增强；动作识别；本发明通过在浅层网络引入深度可分离卷积模块，并设计卷积算子，同时在深层网络引入门控单元，有效地将卷积神经网络和Transformer网络的优势融合，建立兼顾局部时空关系和全局时空关系的动作识别系统，实现对视频动作外观特征和运动特征的有效提取，具有减少背景信息干扰，降低模型计算量，提高动作识别准确率的特点。
-
-
-
-
-
-
-
-
-
Search Results
2741
records
(took 0.085 seconds)
