公开(公告)号：CN105205501A

公开(公告)日：2015-12-30

申请号：CN201510643148.1

申请日：2015-10-04

Applicant: 北京航空航天大学

Inventor： 李甲 ,  陈小武 ,  张宇 ,  赵沁平 ,  王晨

IPC: G06K9/62

CPC classification number: G06K9/6223

Abstract: 本发明是一种多分类器联合的弱标注图像对象检测方法，包括：输入M个不同标签的弱标注图像集，对其中的所有图片进行对象性分析，生成对象性区域集；对区域集生成图像特征，后对不同标签特征集分别进行聚类；根据聚类的结果，对每个聚类后区域集合训练中层区域分类器；每个分类器分别计算类别属性；输入测试图像，进行对象性分析得到区域块，生成区域特征。使用多分类器进行联合检测，判断出包含该类别对象的区域。本发明在多类别图像对象联合检测方面有良好的表现，可应用于图像对象自动标注，图像对象识别等领域。

公开(公告)号：CN104657418A

公开(公告)日：2015-05-27

申请号：CN201410801991.3

申请日：2014-12-18

Applicant: 北京航空航天大学

Inventor： 陈小武 ,  张恒源 ,  赵沁平 ,  李甲 ,  周彬

IPC: G06F17/30

CPC classification number: G06F17/3089 ,  G06Q50/01

Abstract: 本发明涉及一种基于隶属度传播的复杂网络模糊社团挖掘方法，首先，建立社团种子节点的选取框架，以社团种子节点的基本特征为依据，确定种子节点选取的测试顺序；然后，根据真实世界中各种复杂网络的客观规律，构建网络节点之间的隶属度传播模型，该模型将种子节点的社团隶属度传播至非种子节点；在此基础上，以优化社团划分结果的模块度为目标，确定社团种子节点的选取准则；最后，当社团种子节点选取完毕后，通过调整节点社团属性以及合并社团的方式，对模块度进行进一步优化，并修正各节点的社团隶属度，得到最终的模糊社团挖掘结果。本发明在稳定性、鲁棒性、有效性方面具有一定优势；该方法具备在计算开销与整体性能之间进行折衷的灵活性。