-
公开(公告)号：CN103984818A
公开(公告)日：2014-08-13
申请号：CN201410206634.2
申请日：2014-05-16
Applicant: 大连理工大学
Abstract: 一种基于Flex技术的AUV设计流程可视化建模方法，包括客户端的可视化建模和服务器端的设计流程引擎。客户端的可视化建模是指设计人员采用可视化图元拖拽方式，将AUV设计流程以图形化形式显示在客户端浏览器上，实现AUV复杂设计流程建模。服务器端的设计流程引擎与Web服务层、RMI中间件、移动Agent层以及数据库整合在一起，通过令牌技术驱动流程的运转。本发明能够提高平台的易用性和可视化程度，增强设计人员对于设计流程的管理控制能力，方便流程的设计、修改、复用和监控。同时，由于流程可视化，不同部门在进行协同设计时可节约沟通成本。本发明的方法不仅适用于AUV设计流程的可视化建模，对其它装备制造业的设计流程可视化建模也具有借鉴价值。
-
公开(公告)号：CN114741530A
公开(公告)日：2022-07-12
申请号：CN202210388163.6
申请日：2022-04-14
Applicant: 大连理工大学
Abstract: 本发明属于知识表示技术领域，提供一种基于对比学习的知识图谱嵌入模型训练方法。通过训练输入三元组得分最小化，实现正样本特征对齐；通过对一部分采样三元组进行全负样本训练，实现全局实体向量分布均匀性；通过关系特异性非线性函数，实现难易样本权重分配。该训练框架可以为实体向量参数提供稳定的训练目标，帮助知识图谱嵌入模型专注于困难实例并加快收敛速度。在大规模知识图谱构建和维护工程中，本发明大幅度降低知识图谱嵌入模型的训练成本，有效提高知识图谱表示的更新效率，使得知识图谱可以保持高质量知识表征。
-
Patent Agency Ranking
公开(公告)号：CN108229501B
公开(公告)日：2021-09-28
申请号：CN201711379401.2
申请日：2017-12-20
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉领域，公开了一种融合纹理特征与形状特征的时序性的草图识别方法。首先，按照草图的笔画顺序获取一个图像序列；其次，提取每个图像的纹理特征和形状特征，形成对应于图像序列的特征序列；然后，将特征输入到包含两个阶段的网络中进行学习，第一阶段的两个循环神经网络分别接受图像的纹理特征和形状特征，第二阶段首先融合上一阶段的输出，然后输入到第三个循环神经网络，最后通过分类器得到结果，如此，按照序列中的顺序进行迭代学习。优点：将几何描述子用于草图识别，同时采用循环神经网络对草图的时序特征进行有效学习，从而显著改善原有识别模型忽视草图形状特征与时序性特征的缺陷，较好地提升草图识别率。
-
公开(公告)号：CN112967217B
公开(公告)日：2024-02-06
申请号：CN202110263577.1
申请日：2021-03-11
Applicant: 大连理工大学
Abstract: 本发明涉及计算机视觉图像拼接领域，提供一种基于直线特征匹配及约束的图像拼接方法，包括步骤100，将两幅图像划分为目标图像和参考图像，提取并匹配两幅图像中的特征点，筛选正确的匹配点，提取两幅图像中的特征直线；步骤200，利用点线不变量匹配两幅图像中的特征直线，根据几何关系重构匹配直线邻域内的特征点以增加匹配特征点的数量，最后筛选正确的匹配点；步骤300，估计全局单应性矩阵；步骤400，为目标图像划分均匀网格，构造能量函数的约束项，通过最小化能量函数计算扭曲网格的顶点坐标；步骤500，将扭曲的目标图像与参考图像融合，形成最终的拼接图像。本发明能够在保持全局直线的同时大幅度减少拼接图像的失真情况。
-
公开(公告)号：CN113656598A
公开(公告)日：2021-11-16
申请号：CN202110952568.3
申请日：2021-08-19
Applicant: 大连理工大学
IPC: G06F16/36 , G06F16/901 , G06F40/205
Abstract: 一种基于全局图注意力和局部图注意力的论文摘要生成方法，从输入的知识图中，通过全局图注意力和局部图注意力提取图结构特征，应用于指导论文摘要生成，该方法可以更好抓住各个实体间的关系，提高论文摘要生成效果。该方法主要包括：图结构转换、特征提取、解码生成。将知识图的每一条边，替换成两个表示关系方向的节点，将原图转换成连通无向图；通过多头自注意力计算顶点与图中其它顶点的注意力分布更新节点向量，获取全局特征表示；之后通过多头自注意力计算顶点与直接相连顶点的注意力分布更新节点向量，获取局部细节特征；最后在解码生成部分使用复制机制，从知识图中复制输入信息作为输出。
-
公开(公告)号：CN113656597A
公开(公告)日：2021-11-16
申请号：CN202110952561.1
申请日：2021-08-19
Applicant: 大连理工大学
Abstract: 一种基于因果干预的知识表示学习模型置信度测量方法。该方法主动干预输入实体的向量维度数值，构造输入实体向量的多个邻域干预向量,从而有效地估计每个预测三元组的置信度。通过将原始实体向量和邻域干预向量分别输入到知识表示学习模型中，得到模型输出的预测结果。进而计算邻域干预向量的预测结果一致性系数，通过评估干预前后预测结果的稳健性来推断预测置信度。在大规模知识图谱构建和维护工程中，该方法可以大幅度降低知识三元组判别工作中的人工成本，有效提高知识图谱补全和更新的精度和效率，使得知识图谱可以保持高质量知识表征，在人工智能、学术分析、社交网络等多个领域具有较高的应用前景。
-
公开(公告)号：CN103914690B
公开(公告)日：2017-02-15
申请号：CN201410143546.2
申请日：2014-04-11
Applicant: 大连理工大学
Abstract: 区分效果。本发明属于计算机视觉领域，涉及到一种射影不变形状特征描述符的构造及匹配方法。本发明构造了一种层次化的射影不变特征描述符，可用于射影变化下的形状识别问题。本方法中每个采样点都采用由粗到精的取点过程构成该点的特征描述符，这样既保证了全局几何信息又保留了轮廓的上下文信息。并进一步在此框架下提出了基于传统的射影不变量交比及最新发现的射影不变量特征数的5点特征描述符。通过引入外点和比值提高了描述符的稳定性及抗噪性。实验(56)对比文件Xinggang Wang et al..Bag of contourfragments for robust shape classification《.Pattern Recognition》.2014,Pedro F.Felzenszwalb etal..Hierarchical M atching of D eformableShapes《.2007 IEEE Conference on ComputerVision and Pattern Recogniton》.2007,
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
