-
公开(公告)号：CN106485205A
公开(公告)日：2017-03-08
申请号：CN201610836006.1
申请日：2016-09-20
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/0055
Abstract: 本发明公开了基于多层超限学习机的运动想象脑电信号分类方法，属于模式识别和脑-机接口领域。脑电信号的分类识别主要包括脑电信号的特征提取和特征分类两部分。首先，对每一样本的原始信号进行加窗分段，得到S段子信号；然后，分别对上步骤分段得到的S段子信号进行主成分分析和线性判别分析，并将最终的S个K-1维特征向量进行组合，得到S*(K-1)维的特征；最后，将所有样本的特征送入多层超限学习机分类器中，得到最后的分类结果。与现有技术相比，本发明的方法具有以下优点：传统的ELM算法是单隐层结构，对于提取复杂信号的特征有很大的局限性，本发明通过增加隐层个数提取深层信息，从而提高了分类正确率，并且保持了ELM低耗时的优势。
-
公开(公告)号：CN103927533B
公开(公告)日：2017-03-01
申请号：CN201410143919.6
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 一种针对早期专利文档扫描件中图文信息的智能处理方法属于计算机图像处理领域。本发明将输入的专利文档扫描图像转化为二值二维矩阵后去除扫描图像中的颗粒噪声，即用算法实现以矩形框圈取切割目标的操作，得到若干个粗块，对每个粗块进行分类，标记并得到若干个文本块和若干个非文本块。对非文本块进行进一步的细切割操作，得到若干个细块。对每个细块进行分类，标记并得到若干个标号块和若干个非标号块。对非标号块进行分类，标记并得到若干个杂质块和若干个附图块。对标号块以及附图块进行对应的匹配，即将指定附图和与其对应的附图标号相匹配。本发明更准确地切割附图、识别附图标号信息和匹配附图与附图标号的关系。
-
公开(公告)号：CN103440511B
公开(公告)日：2016-11-02
申请号：CN201310397701.9
申请日：2013-09-04
Applicant: 北京工业大学
IPC: G06K9/66
Abstract: 本发明属于图像处理领域，公开了一种基于三角剖分的图像分类方法，包括：步骤一，输入训练图像；步骤二，检测训练图像集中每幅图像的所有兴趣点，得到每幅图像的点集；步骤三，对兴趣点进行三角剖分，利用角度值及其相邻边比值描述特征点的空间关系，得到图像描述子；步骤四，用图像描述子训练分类器；步骤五，输入测试图像，提取测试图像的图像描述子；步骤六，将测试图像的图像描述子输入分类器进行判别。本发明通过提取局部兴趣点并利用三角剖分技术建立图像的全局关系，得到了全局图像描述子。使用全局图像描述子训练分类器，用训练好的分类器预测图像类别。与传统方法相比，本发明图像描述子构建简单，速度快，效果好。
-
公开(公告)号：CN105512609A
公开(公告)日：2016-04-20
申请号：CN201510829902.0
申请日：2015-11-25
Applicant: 北京工业大学
CPC classification number: G06K9/00885 , G06K9/00523 , G06K9/00536 , G06K9/66 , G06K2009/00939
Abstract: 本发明涉及一种基于核超限学习机的多模融合视频情感识别方法，对视频的图像信息和音频信息进行特征提取、特征选择，从而获得视频特征；将采集的多通道脑电信号进行预处理、特征提取、特征选择，从而获得脑电特征；建立基于核超限学习机的多模融合视频情感识别模型；将视频特征和脑电特征输入到基于核超限学习机的多模融合视频情感识别模型中进行视频情感识别，得出最终的分类正确率。本发明利用基于核超限学习机的多模融合视频情感识别模型，操作简单，识别速度快，对于三类视频情感数据分类正确率高。利用视频和脑电这两种模态的数据，使得描述视频内容更完整，比起利用单模进行视频情感识别，本发明方法的分类正确率更高。
-
公开(公告)号：CN105138672A
公开(公告)日：2015-12-09
申请号：CN201510564819.5
申请日：2015-09-07
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30247 , G06F17/3025 , G06F17/30256
Abstract: 本发明公开了一种多特征融合的图像检索方法，其包括，步骤一、输入待检索图像I；步骤二、构建图像I的颜色特征向量和SIFT特征向量；步骤三，训练查询图库中的图像获得颜色特征词典和SIFT特征词典，用所述视觉单词表示图库中的图像；步骤四、用所述视觉单词表示所述图像I，根据所述视觉单词从所述查询图库中调取候选图像集Q，计算相似度值score(Q,I)；步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K，计算相似度值scoresal(K,I)；步骤六、两个候选融合集的重叠图像集为D，融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I)；步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明具有降低了图像噪声，提高检索准确性的优点。
-
Patent Agency Ranking
公开(公告)号：CN103093236B
公开(公告)日：2015-11-04
申请号：CN201310013947.1
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种在移动设备上基于图像语义分析的敏感区域检测方法，实现了在训练分类器的预处理阶段加入自顶向下的视觉注意机制来增强分类器训练的性能和效果，用训练好的分类器对图像进行分类。包括：输入训练图像；提取输入训练图像的特征；将提取的特征训练多个弱分类器，并级联形成最终需要的强分类器；输入测试图像，对测试图像进行预处理，通过视觉注意机制对图像中敏感区域可能的位置进行标定；进行敏感图像检测；输出敏感图像检测结果。在敏感图像检测前进行自顶向下注意机制的显著图提取，可以提高运算效率，缩短运算时间，显著提高检测速度；也使正检率明显提高，误检率明显降低。
-
公开(公告)号：CN104361345A
公开(公告)日：2015-02-18
申请号：CN201410529244.9
申请日：2014-10-10
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/00523 , G06K9/00536
Abstract: 本发明涉及一种基于约束极速学习机的脑电信号分类方法，包括采用固定的滑动时间窗将原始运动想象脑电信号平均分为S段子信号；对每一段子信号通过主成分分析方法进行降维；对降维后的特征向量通过线性判别分析方法再次降维，对于K种类别的脑电数据，得到K-1维的特征向量；对每一段子信号进行处理，得到S个K-1维的特征向量，组合后得到S*(K-1)维的特征；将S*(K-1)维特征送入约束极速学习机(CELM)进行分类。本发明应用CELM通过改变输入层节点与隐层节点之间的权重的选取方式，限制权重参数的随机性，从而既能提高运动想象脑电信号的分类准确率，又能保持ELM训练速度快的优势。
-
公开(公告)号：CN103744786A
公开(公告)日：2014-04-23
申请号：CN201410018348.3
申请日：2014-01-16
Applicant: 北京工业大学
IPC: G06F11/36
Abstract: 本发明是一种基于软件功能层对软件异常行为溯源的方法。首先，截取软件功能的系统调用序列，求出每个软件功能状态序列的标准操作序列；然后，以软件功能为做程序切片的兴趣点，并且建立每一个软件功能的程序切片准则；其次，建立软件正常运行时的软件功能转移图；最后，得到检测序列中每个软件功能的测试序列，并和标准操作序列相匹配，检测异常软件行为。该模型从系统调用的基础上抽取出更高层的软件状态模型，并根据软件的功能转移方式对软件建模，通过检测出功能状态序列的偏差判断软件功能是否为异常，对软件异常操作做程序切片，达到对软件溯源的目的。本发明从根源上找出了软件行为异常的原因，提高了对软件行为可信性的控制。
-
公开(公告)号：CN102622338B
公开(公告)日：2014-02-26
申请号：CN201210045699.4
申请日：2012-02-24
Applicant: 北京工业大学
IPC: G06F17/27
Abstract: 一种短文本间语义距离的计算方法属于汉语文字信息处理技术领域，其特征在于把两个短文本间的语义距离定义为句法结构距离和单元语义距离之和进行计算：在对文本进行包括去除网页标记、变异短文本处理以及分词处理以后得到的一系列词串，根据词语相似度矩阵对两个短文本中的对应的词串进行语义对齐，根据对其过程中的词语调节次数得到了句法结构距离；再利用《同义词词林扩展版》中词语的五级结构，同时引入中文关键词和近义词概念，以便在语义对齐的基础上，用词语为单位，对各词语进行包括插入、删除或替换等五种操作，加入权重后的各种操作次数之和的权值来表示词语串之间的单元语义距离。本发明的文本语义距离的相对正确率要高于经典的编辑距离算法。
-
公开(公告)号：CN102129531B
公开(公告)日：2013-07-24
申请号：CN201110069923.9
申请日：2011-03-22
Applicant: 北京工业大学
IPC: G06F21/56
Abstract: 一种基于虚拟机Xen的主动防御方法，该方法首先使用Xen为用户生成一个虚拟机，使用户所有的操作都在虚拟机中，同时系统将传统的需要安装在虚拟机内部的安全程序剥离出并置于虚拟机外部，使得安全程序核心模块对恶意程序不可见，另外通过在用户虚拟机内部设置前端驱动，使得在虚拟机外部的安全模块可以扫描并干预虚拟机内部操作，同时由虚拟机监视器层的内存保护模块对前端驱动进行保护，防止恶意程序攻击前端驱动。本发明由于核心组件置于虚拟机外部，对恶意程序不可见，从而提供较传统类安全程序部署方法更高的安全性，另通过引入基于准虚拟化输前后/端驱动通讯方式，大大降低了由虚拟化带来的系统开销，使得该方法具有很高的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.033 seconds)
