-
公开(公告)号:CN111916144B
公开(公告)日:2024-02-09
申请号:CN202010730960.9
申请日:2020-07-27
Applicant: 西安电子科技大学
IPC: G16B40/00 , G16B15/00 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于自注意力神经网络和粗化算法的蛋白质分类方法。其步骤为:(1)构建自注意力神经网络;(2)生成蛋白质训练集;普拉斯矩阵计算公式,计算粗化后图结构的正则化拉普拉斯特征矩阵中的每个元素值;(5)训练自注意力神经网络;(6)对无标签蛋白质样本进行识别。本发明搭建并训练了一个自注意力神经网络,能更好地捕获蛋白质的层次结构信息,采用粗化算法使得本发明在处理大型蛋白质分子时有着较短的处理时间和较大的空间利用率。(3)利用粗化算法粗化图结构;(4)利用正则化拉
-
公开(公告)号:CN117523291A
公开(公告)日:2024-02-06
申请号:CN202311524190.2
申请日:2023-11-15
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/09 , G06N3/098
Abstract: 本发明公开一种基于联邦知识蒸馏和集成学习的图像分类方法,其步骤为:服务器生成训练数据集和辅助数据集,构建联邦学习全局模型并进行初始化,将其下发至选择的客户端。客户端基于有监督损失和一致性约束损失训练本地模型,完成后将模型参数上传至服务器。服务器对接收到的模型进行加权聚合,利用辅助数据集进行基于集成学习的模型分段知识蒸馏过程,将客户端模型的知识融合到全局模型。本发明提升了全局模型的图像分类泛化性能,增强了客户端模型的分类精度,提高了系统对异质数据的鲁棒性。
-
公开(公告)号:CN114882338A
公开(公告)日:2022-08-09
申请号:CN202210604896.9
申请日:2022-05-30
Applicant: 西安电子科技大学
IPC: G06V10/86 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的图像关键点匹配方法,其步骤为:构建分层注意力图神经网络;生成训练集;训练分层注意力图神经网络;对待预测的图像关键点进行匹配。本发明根据图像中的关键点坐标构造图结构数据,利用分层注意力图神经网络自适应地融合来自不同邻域范围的节点特征,使得匹配模型能够学习到更为通用的层次结构特征。本发明利用图数据增强方法,对待匹配图的节点特征进行随机遮掩来生成增强视图,并利用增强视图和原始视图之间交互式的匹配对模型进行训练,使得本发明具有较强的抗噪能力和准确的匹配精度。
-
公开(公告)号:CN109634600B
公开(公告)日:2021-05-04
申请号:CN201811273773.1
申请日:2018-10-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于安全扩展SysML和AADL模型的代码生成方法,用于在面对实现高安全性的实时响应系统时,利用安全扩展的SysML以及AADL模型将待转换的系统需求转换为结构化语言代码,本发明提供的方法首先对SysML进行安全性扩展,支持嵌入式实时系统对安全性的描述;加入了形式化验证方法,尽可能提早发现错误并及时更正,避免将设计错误传播到下一个阶段;通过本发明提供的方法进行代码转换,提高了代码转换的准确率并节省了人力。
-
公开(公告)号:CN101719216B
公开(公告)日:2012-01-04
申请号:CN200910254419.9
申请日:2009-12-21
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明是一种基于模板匹配的运动人体异常行为识别方法。主要包括视频图像的获取,行为特征提取,基于样本的统计学习与模式识别技术。利用计算机视觉技术分析和理解人的运动,直接基于运动区域的几何计算进行行为识别并进行记录和报警,运用了高斯滤波去噪和邻域去噪相结合实现去噪,提高了智能监控系统的自主分析性能和智能监控能力,对异常行为有较高的识别准确性,能有效去除视觉采集图像的复杂背景和噪声,提高了检测算法的效率和鲁棒性。本发明建模简单,简练算法,检测准确,可广泛用于银行、博物馆等场所。也有助于改善公共场所的安全监控水平。
-
公开(公告)号:CN101719216A
公开(公告)日:2010-06-02
申请号:CN200910254419.9
申请日:2009-12-21
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明是一种基于模板匹配的运动人体异常行为识别方法。主要包括视频图像的获取,行为特征提取,基于样本的统计学习与模式识别技术。利用计算机视觉技术分析和理解人的运动,直接基于运动区域的几何计算进行行为识别并进行记录和报警,运用了高斯滤波去噪和邻域去噪相结合实现去噪,提高了智能监控系统的自主分析性能和智能监控能力,对异常行为有较高的识别准确性,能有效去除视觉采集图像的复杂背景和噪声,提高了检测算法的效率和鲁棒性。本发明建模简单,简练算法,检测准确,可广泛用于银行、博物馆等场所。也有助于改善公共场所的安全监控水平。
-
公开(公告)号:CN119760458A
公开(公告)日:2025-04-04
申请号:CN202411824428.8
申请日:2024-12-12
Applicant: 西安电子科技大学
IPC: G06F18/23213 , G06F18/214 , G06F18/241 , G06F18/22 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开一种基于原型对比学习的跨域轴承故障诊断方法,其实现步骤为:基于原始训练集生成源域和目标域的跨域训练集,构建由残差子网络与分类器串联而成的跨域轴承故障诊断网络,将跨域训练集输入到残差子网络中,使用K‑means聚类将残差子网络输出的特征划分到不同簇,基于跨域原型对比学习将源域和目标域中同一簇的特征匹配到另一个域中相同的簇,基于伪标签更新分类器的分类权重,当故障诊断网络的损失函数收敛时结束训练。本发明的方法以簇为单位准确匹配源域和目标域的特征,同时使用更少的源域标签,提高了跨域轴承故障诊断的精度。
-
公开(公告)号:CN114882338B
公开(公告)日:2024-10-25
申请号:CN202210604896.9
申请日:2022-05-30
Applicant: 西安电子科技大学
IPC: G06V10/86 , G06V10/75 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络的图像关键点匹配方法,其步骤为:构建分层注意力图神经网络;生成训练集;训练分层注意力图神经网络;对待预测的图像关键点进行匹配。本发明根据图像中的关键点坐标构造图结构数据,利用分层注意力图神经网络自适应地融合来自不同邻域范围的节点特征,使得匹配模型能够学习到更为通用的层次结构特征。本发明利用图数据增强方法,对待匹配图的节点特征进行随机遮掩来生成增强视图,并利用增强视图和原始视图之间交互式的匹配对模型进行训练,使得本发明具有较强的抗噪能力和准确的匹配精度。
-
公开(公告)号:CN117975132A
公开(公告)日:2024-05-03
申请号:CN202410127098.0
申请日:2024-01-30
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/94 , G06N3/0464
Abstract: 一种基于原型一致性和自标记的联邦无监督模型训练及分类方法,客户端对本地数据进行聚类,获得伪标签和本地类原型;客户端约束同一样本不同增强视图之间的一致性以及批次类原型与本地类原型之间的一致性,克服了使用正负样本进行对比学习导致的类别冲突问题;通过相邻样本之间的一致性选择高置信度样本与本地类原型进行对比学习,对学习到的无监督表示进行优化,提高了模型鲁棒性;客户端按照设计的模型更新公式利用全局模型更新本地模型,缓解了数据非独立同分布问题,提高了模型泛化性能。本发明解决了联邦对比学习方法中存在的类别冲突问题和客户端数据非独立同分布问题,提高了模型性能。
-
公开(公告)号:CN115081532A
公开(公告)日:2022-09-20
申请号:CN202210775381.5
申请日:2022-07-01
Applicant: 西安电子科技大学
Abstract: 一种基于记忆重放和差分隐私的联邦持续学习训练方法,其步骤为:中央服务器对生成对抗网络进行训练,生成一组伪图像组成伪样本集,将伪样本集与联邦学习全局网络下发给每个客户端,客户端使用记忆重放方法将下发的伪样本集与本地样本集混合训练,将训练好的联邦学习全局网络与添加差分隐私噪声的本地样本集异步地上传至中央服务器,中央服务器对上传的本地网络参数进行加权聚合并更新联邦学习全局网络,当没有新任务到达时结束训练。本发明的方法在不加重客户端计算负担的前提下,降低了客户端对旧任务知识的遗忘,保护了客户端的隐私,提高了联邦学习全局模型的训练效率。
-
-
-
-
-
-
-
-
-