-
公开(公告)号：CN111738315B
公开(公告)日：2022-08-12
申请号：CN202010521228.0
申请日：2020-06-10
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对抗融合多源迁移学习的图像分类方法，主要解决现有技术图像分类准确率低的问题。其实现方案是：1)建立特征提取网络，从原始图像文件中提取图像特征；2)将图像特征输入特定的域判别器及分类器，计算得到域判别损失及目标域数据的伪标记、源域数据的分类损失；3)利用目标域样本伪标记与源域样本标记，计算得到源域与目标域中所有类别的MMD距离之和；4)利用域判别损失、分类损失及MMD距离之和对特征提取网络、域判别器及分类器进行训练；5)将待测样本依次输入到训练后的特征提取网络、域判别器及分类器，输出待测样本的类别标记。本发明能有效提高各类图像的分类准确率，可用于训练数据标记缺失下的图像分类。
-
公开(公告)号：CN113111938A
公开(公告)日：2021-07-13
申请号：CN202110384418.7
申请日：2021-04-09
Applicant: 中国工程物理研究院电子工程研究所 , 西安电子科技大学
Abstract: 本发明公开了一种基于数字高程模型数据的地形分类方法，其方案是：构建训练集及测试集；构建特征提取网络及识别网络；对训练样本进行剪裁增强，并将其依次输入到特征提取网络和识别网络，得到训练样本预测类别向量；利用训练样本真实标签及预测类别向量获取交叉熵损失；通过最小化交叉熵损失对特征提取网络及识别网络进行训练；将测试样本随机剪裁并输入到训练好的特征提取网络中，得到测试样本的样本特征；将测试样本特征输入到训练好的识别网络中，得到测试样本预测类别向量；测试样本预测类别向量中最大元素所对应的类别标签即为测试样本预测类别标签。本发明只需待分类样本就可区分山地、丘陵、盆地及平原地形，可用于数字高程模型地形分类。
-
公开(公告)号：CN111738315A
公开(公告)日：2020-10-02
申请号：CN202010521228.0
申请日：2020-06-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于对抗融合多源迁移学习的图像分类方法，主要解决现有技术图像分类准确率低的问题。其实现方案是：1)建立特征提取网络，从原始图像文件中提取图像特征；2)将图像特征输入特定的域判别器及分类器，计算得到域判别损失及目标域数据的伪标记、源域数据的分类损失；3)利用目标域样本伪标记与源域样本标记，计算得到源域与目标域中所有类别的MMD距离之和；4)利用域判别损失、分类损失及MMD距离之和对特征提取网络、域判别器及分类器进行训练；5)将待测样本依次输入到训练后的特征提取网络、域判别器及分类器，输出待测样本的类别标记。本发明能有效提高各类图像的分类准确率，可用于训练数据标记缺失下的图像分类。
-
公开(公告)号：CN106204638B
公开(公告)日：2019-04-19
申请号：CN201610496005.7
申请日：2016-06-29
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开一种基于尺度自适应和遮挡处理的航拍视频跟踪方法。步骤包括：对于航拍视频的每一帧输入图像，计算在当前尺度下KCF跟踪器响应函数的峰值，判断目标是否受到遮挡，若受到遮挡，就停止对跟踪器参数的更新，若没有受到遮挡，则继续进行尺度变化的探测；通过阈值限定的方法每次去计算一个大的尺度或一个小的尺度，探测出描述当前目标状态的最佳尺度，并更新当前尺度和跟踪器的参数。本发明在对航拍视频中的目标进行跟踪的过程中具有很好的鲁棒性和实时性，可以实现对航拍目标的准确持续跟踪。
-
公开(公告)号：CN107932508A
公开(公告)日：2018-04-20
申请号：CN201711144615.1
申请日：2017-11-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于态势评估技术的移动机器人行为选择方法，其实现步骤为：(1)建立移动机器人坐标系；(2)获取目标数据；(3)提取环境态势要素；(4)建立贝叶斯网络模型；(5)进行贝叶斯网络模型的推理；(6)输出结果。本发明利用态势评估技术提取移动机器人的环境态势要素，能够使移动机器人对其周围环境获得一定的认知，自主选择下一步的行为。本发明在建立贝叶斯网络模型时表现的更为明显，使一些移动机器人行为选择的经验知识融入到贝叶斯网络中，使得移动机器人行为的选择更加准确。
-
Patent Agency Ranking
公开(公告)号：CN107453947A
公开(公告)日：2017-12-08
申请号：CN201710602139.7
申请日：2017-07-21
Applicant: 西安电子科技大学
IPC: H04L12/26 , H04L12/721 , H04L12/741
Abstract: 本发明公开了一种基于模糊推理的车载网络路由建立方法，主要解决现有技术未选择可靠通信链路而造成数据传输性能较低的问题。其方案是：1)对网络进行初始化；2)获取邻居节点运动信息；3)源节点发送路由请求包；4)根据2)利用模糊推理计算节点间的链路可靠值，并更新链路可靠值；5)判断当前节点是否为目的节点：若是，则执行步骤6)；否则，返回步骤4)；6)目的节点选择可靠值最高的通信链路，并发送路由回复包；7)判断路由回复数据包是否到达源节点：若是，则建立路由路径，完成数据传输；否则，返回步骤6)。本发明提高了网络的数据包投递成功率，降低了网络传输时延，保证了通信链路的稳定性及高效性，可应用于数据通信。
-
公开(公告)号：CN101419643A
公开(公告)日：2009-04-29
申请号：CN200810231787.7
申请日：2008-10-17
Applicant: 西安电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种利用数学形态学优化集成电路版图的方法，主要解决现有优化方法精确度低和非直观性的问题。本发明采用对不同类型的缺陷使用不同的版图优化方法，具体过程是：将待估计的集成电路各层平面版图按线网编号；对于冗余物缺陷，提取短路带权关键面积；对短路带权关键面积按线网对排序，根据排序结果，对版图进行第一次优化；对于丢失物缺陷，提取开路带权关键面积；对于开路带权关键面积，按线网排序，根据排序结果，对版图进行第二次优化。本发明具有版图优化精确度高简单易行的优点，可用于在微电子技术领域对集成电路版图的优化，进一步提升集成电路的成品率。
-
公开(公告)号：CN107454650B
公开(公告)日：2019-12-24
申请号：CN201710667789.X
申请日：2017-08-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种车载自组织网络中基于Q学习和电子地图的路由方法，主要解决现有技术无法动态选择最优路由路径而造成数据传输性能较低的问题。其方案是：1)网络初始化；2)广播问候数据包并维护节点Q值表；3)源节点生成并广播路由请求包；4)中间节点接收路由请求包并更新Q值表；5)判断当前节点是否为目的节点：若是，则执行步骤6)；否则，返回步骤4)；6)目的节点生成路由回复包，并根据Q值表反向传回源节点；7)判断路由回复包是否到达源节点：若是，则建立路由路径，进行数据传输；否则，继续转发路由回复包。本发明可提高数据包的投递成功率，降低网络传输时延，并减少路由控制开销，可用于车载自组织网络的数据通信。
-
公开(公告)号：CN104684040B
公开(公告)日：2018-05-25
申请号：CN201510103439.1
申请日：2015-03-09
Applicant: 西安电子科技大学
Abstract: 一种基于模糊推理的Q学习车载网建立路由路径的方法，具体步骤包括：(1)网络初始化；(2)广播发送问候数据包；(3)源网络节点开始发送请求报文；(4)计算中间网络节点的信道等级；(5)更新路由请求数据包中的Q值；(6)判断当前网络节点s是否为目的网络节点，如果是，则执行步骤(7)，否则，执行步骤(4)；(7)建立正向路由信息；(8)判断路由回复数据包是否到达源网络节点，如果是，则执行步骤(9)，否则，执行步骤(7)；(9)发送数据包。本发明实现了模糊推理技术和路由技术的结合，根据模糊推理计算Q学习方法中的折扣率，能够依据车载网网络环境状态动态调整折扣率，从而加快建立车载网路由的速度。
-
公开(公告)号：CN105069010B
公开(公告)日：2018-04-17
申请号：CN201510394107.3
申请日：2015-07-07
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于多Agent的资源聚合方法，是针对计算机与网络技术的广泛应用中分散在复杂异构网络中的资源越来越多，解决分布式环境中将分散资源进行有效聚合的技术问题。其实现步骤为：在分布式系统中对基于Agent的资源聚合方法进行配置；根据用户输入的任务需求，任务Agent对其进行分解和描述；根据任务描述信息，决策Agent将任务分发给相应的服务Agent；服务Agent在Agent联盟内选择资源Agent执行任务，任务的执行结果反馈给用户Agent，并显示在用户界面中。本发明服务Agent和资源Agent之间的通信遵循扩展合同网协议，降低了Agent之间通信量，能够快速响应用户的任务需求。资源Agent能够选择加入和退出Agent联盟，具备动态特性，增强了资源聚合方法的灵活性、可扩展性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.034 seconds)
