-
公开(公告)号:CN109614522A
公开(公告)日:2019-04-12
申请号:CN201811534537.0
申请日:2018-12-14
Applicant: 北京工业大学
IPC: G06F16/901
Abstract: 本发明公开了一种基于八叉并运用于web的非结构化网格切割方法,具体采用八叉树数据结构存储网格数据时全新的数据插入方案,并在有限面切割网格时提取相交网格和去除重复网格的一种快速有效方法。先利用数据结构存储节点数据,并提出新的数据插入方式;然后给定任意平面对网格进行切割,切割过程中涉及到对切割面的确定、判断与切割面相交的四面体、修改网络拓扑,最后删除重复的四面体等一系列操作;本发明在几何切割方面提供了完整的解决方案,针对网格数据量大的特点,首先切割八叉树并从切割面穿过的节点中提取四面体,然后切割四面体再修改拓扑,大大减少了计算量。
-
公开(公告)号:CN108804586A
公开(公告)日:2018-11-13
申请号:CN201810518113.9
申请日:2018-05-27
Applicant: 北京工业大学
CPC classification number: G06N3/126
Abstract: 本发明公开了融合网格存优策略的多目标优化的个性化电影推荐方法,为了保持种群的收敛性和分布性,使用了自适应多目标正交交叉算子进行交叉操作。针对SMOCDE的多样性表现不好的问题,将网格存优策略融合到SMOCDE中,从而在保持准确性的情况下提高多样性。该方法以SMOCDE算法为基本框架,归档集利用ε支配进行网格划分,使归档集中的种群分布均匀。将该方法应用于个性化电影推荐中,并且和现有的推荐算法进行对比,验证了算法的通用性和有效性,提高了推荐结果的准确性、多样性。
-
公开(公告)号:CN104008375B
公开(公告)日:2017-08-25
申请号:CN201410245002.7
申请日:2014-06-04
Applicant: 北京工业大学
Abstract: 本发明属于模式识别技术领域,涉及基于特征融合的集成人脸识别方法。本发明采用PCA、SPP及简单投影方法提取图像的整体特征,采用子图像方法提取局部特征,将它们共同作为属性Bagging方法中的属性,并进行集成分类识别。本发明通过三庭五眼划分局部特征,一方面可以保留器官区域的完整性,另一方面减少了人工干预;通过整合整体特征和局部特征信息,降低人脸图像可能受到的光照、姿势、表情等各种因素的影响,提高了人脸识别正确率,且对外界因素变化具有很好的鲁棒性。实验表明,在AR数据库上,最好的情况下本发明所述方法比整体特征方法的识别率平均值提高了27%左右。
-
公开(公告)号:CN103246877B
公开(公告)日:2016-06-01
申请号:CN201310174152.9
申请日:2013-05-13
Applicant: 北京工业大学
Abstract: 本发明属于模式识别技术领域,涉及计算机技术、数字图象处理技术和生物特征识别技术等,公开了一种基于图像轮廓的人脸识别新方法。首先,利用二值化方法及数学形态学方法提取人脸图像轮廓,并将其进一步优化,得到尽可能少的内部边界的人脸轮廓,并计算每类训练样本的人脸轮廓能量图;然后,计算测试样本与每类人脸轮廓能量图的相似度;最终根据相似度标准对测试样本进行分类识别。基于图像轮廓的人脸识别方法,是一种相似度匹配方法,能够很好地利用图像结构信息,并且避免了传统方法中特征值求解问题以及基于欧氏距离的分类算法,将矩阵逻辑“与”运算应用于分类识别中,能够有效提高分类识别性能。
-
公开(公告)号:CN104700634A
公开(公告)日:2015-06-10
申请号:CN201510121744.3
申请日:2015-03-19
Applicant: 北京工业大学
IPC: G08G1/081
CPC classification number: G08G1/081
Abstract: 基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法,包括相邻交叉口干道协调控制模型的建立;进行个体编码、初始化数据,并设定参数;进行种群初始化;计算种群内个体的适应度值;对种群进行最小生成树聚类;选择种群内个体参加遗传操作;对选择的个体进行交叉和变异操作;重复迭代直到得到最佳个体。本发明以车辆总延误为性能指标通过分析车队到达路口前遇到的信号灯状态以及路口前车辆在放行期间是否完全放行建立了更完善的相邻交叉口干道协调控制模型,并采用改进的遗传算法作为优化算法,同时以周期长度、信号配时、相位差三个因素作为参数进行优化求解。
-
公开(公告)号:CN103246877A
公开(公告)日:2013-08-14
申请号:CN201310174152.9
申请日:2013-05-13
Applicant: 北京工业大学
Abstract: 本发明属于模式识别技术领域,涉及计算机技术、数字图象处理技术和生物特征识别技术等,公开了一种基于图像轮廓的人脸识别新方法。首先,利用二值化方法及数学形态学方法提取人脸图像轮廓,并将其进一步优化,得到尽可能少的内部边界的人脸轮廓,并计算每类训练样本的人脸轮廓能量图;然后,计算测试样本与每类人脸轮廓能量图的相似度;最终根据相似度标准对测试样本进行分类识别。基于图像轮廓的人脸识别方法,是一种相似度匹配方法,能够很好地利用图像结构信息,并且避免了传统方法中特征值求解问题以及基于欧氏距离的分类算法,将矩阵逻辑“与”运算应用于分类识别中,能够有效提高分类识别性能。
-
公开(公告)号:CN102222215A
公开(公告)日:2011-10-19
申请号:CN201110134970.7
申请日:2011-05-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种步态识别方法,特别是一种基于二级小波包分解和完全主成分分析的步态识别方法,属于模式识别技术领域。该方法的步骤包括:预处理(形态学处理、目标提取和图像归一化)、特征提取(步态周期、步态能量图、融合WPD+(2D)2PCA选择特征),最后根据最近邻分类原理把测试样品归到相应的类中。本发明利用步态能量图把周期帧整合到一张平均图,以消除周期帧数不同对特征抽取的影响,降低计算复杂度;另外本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征,解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题,具有更高的识别率和视角变化鲁棒性。
-
公开(公告)号:CN101571844A
公开(公告)日:2009-11-04
申请号:CN200910087153.3
申请日:2009-06-10
Applicant: 北京工业大学
Abstract: 本发明公开了一种用于模式分类的支持向量机训练方法,依次包括以下步骤:输入两类数据向量样本集合X和Y;从X中任选一个向量x*,从Y任选一个向量y*;然后在X的凸包中训练xα,使xα和y*之间的距离尽可能小于x*和y*之间的距离,接着在Y的凸包中训练yβ,使yβ和xα之间的距离尽可能小于xα和y*之间的距离,再把xα赋予x*,把yβ赋予y*,重复训练xα和yβ,直到xα和yβ之间的距离几乎等于x*和y*之间的距离;最后利用X的凸包和Y的凸包之间的近似最近点xα和yβ计算X和Y的支持向量机。本发明不需要求解二次规划问题,编程实现容易,运行效率较高,而且能够明确判定两类数据向量样本集合是否线性可分。
-
公开(公告)号:CN113627554B
公开(公告)日:2024-07-12
申请号:CN202110947526.0
申请日:2021-08-18
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明针对药品的近红外光谱数据的分类问题,提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM),此方法结合了AE和ELM两种方法的优点,使用AE提取药品的近红外光谱数据的二维特征,根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段:第一阶段,采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示;第二阶段,用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点,提高了药品分类的准确度及稳定性,并和其他方法相比,模型的训练时间大幅降低,且对训练集大小不敏感,鲁棒性更强。
-
公开(公告)号:CN118037743A
公开(公告)日:2024-05-14
申请号:CN202211402527.8
申请日:2022-11-10
Applicant: 北京工业大学
IPC: G06T7/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种结合层间信息和双注意力的ABVS图像序列肿块分割方法。包括ABVS图像数据预处理、构建深度神经网络模型、定义损失函数、模型训练及结果生成。在数据预处理中,将ABVS序列中包含肿块的当前帧图像与前后两帧图像组成三通道的单张2D图像,然后将图片进行裁剪,最终将图像大小都调整到224×224。在构建深度神经网络模型步骤中,基于U‑Net的设计架构,将其编码层全部换成sk‑block,在跳跃链接部分加上本发明改进的通道注意力模块。逐步变为本发明的网络结构。本发明提供了一种新的思路用于ABVS图像序列肿块智能分割,是在2D分割领域首次结合层间信息的发明。
-
-
-
-
-
-
-
-
-