-
公开(公告)号：CN116955986A
公开(公告)日：2023-10-27
申请号：CN202310725057.7
申请日：2023-06-19
Applicant: 东南大学
IPC: G06F18/213 , G06F18/2413 , G06F18/10
Abstract: 本发明公开了一种面向含歧义标记样本的特征选择方法，该方法对具有噪声标记信息的样本进行特征筛选，以达到数据预处理的目的。改方法包括以下步骤：（1）基于含歧义标记的原始数据信息初始化标记置信度，以标记置信度方式刻画标记信息；（2）根据样本信息计算每个特征变量与标记变量之间的互信息值；（3）选择前个与标记变量具有最大互信息值的特征作为特征子集元素；（4）根据所选特征子集进行kNN聚合，更新样本示例的标记置信度；（5）若标记置信度不变，则转到步骤（6），否则转到步骤（2）；（6）根据所选特征子集构造低维数据集；（7）结束。
-
公开(公告)号：CN116579346A
公开(公告)日：2023-08-11
申请号：CN202211484402.4
申请日：2022-11-24
Applicant: 东南大学
IPC: G06F40/30 , G06F18/241 , G06F18/22
Abstract: 本发明公开了一种基于类属多语义度量学习的多义对象分类方法。本方法在学习阶段中首先计算所有标记对应的正负类样本集合，然后计算样本语义关系集合从而构建类属多语义度量学习目标函数，并通过梯度下降算法同时优化求解一个全局度量以及多个类属度量，其中全局度量作为基础度量作用于全部标记语义，而多个类属度量作为描述每个标记类别专属语义的个性度量作用于相应的单个标记语义。基于此，在分类阶段中，多义对象每个类标记潜在的语义相似性关系都能够通过联合全局度量与相应类属度量的方式度量，最后采用3近邻分类准则为多义对象进行分类。本发明进一步提高多义对象分类模型的分类性能与泛化能力。
-
公开(公告)号：CN110427973B
公开(公告)日：2023-07-18
申请号：CN201910614555.8
申请日：2019-07-09
Applicant: 东南大学
IPC: G06F18/2431 , G06F18/214
Abstract: 本发明公开了一种面向歧义标注样本的分类方法，适用于对标记集合中存在歧义的样本进行分类。该方法包括以下步骤：(1)用户从样本存储设备中选样本；(2)根据样本自身特性提取特征，并整理对应的标记集合；(3)采用标记成对比较方法，将原始样本集重构为多个多分类样本集，并学习对应分类器；(4)使用学习所得分类器，对待测样本进行分类，并对各个标记进行投票；(5)如果用户对上一步预测的结果满意则结束，否则从样本存储设备中选择更多的样本进行训练，并转到步骤(2)。
-
公开(公告)号：CN110427973A
公开(公告)日：2019-11-08
申请号：CN201910614555.8
申请日：2019-07-09
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种面向歧义标注样本的分类方法，适用于对标记集合中存在歧义的样本进行分类。该方法包括以下步骤：(1)用户从样本存储设备中选样本；(2)根据样本自身特性提取特征，并整理对应的标记集合；(3)采用标记成对比较方法，将原始样本集重构为多个多分类样本集，并学习对应分类器；(4)使用学习所得分类器，对待测样本进行分类，并对各个标记进行投票；(5)如果用户对上一步预测的结果满意则结束，否则从样本存储设备中选择更多的样本进行训练，并转到步骤(2)。
-
公开(公告)号：CN110377790A
公开(公告)日：2019-10-25
申请号：CN201910530231.6
申请日：2019-06-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于多模态私有特征的视频自动标注方法，对视频文件进行预处理和人工标注，并对人工标注结果进行过滤；利用生成对抗网络提取不同模态特征间的共性特征；将原始特征中的共性特征剥离，得到不同模态的私有特征；整合提取的共性特征与模态私有特征组成该视频的新特征，使用多标记算法进行学习，得到视频自动标注分类器；将待标注的视频样本送入分类器，得到分类结果，实现自动标注；对标注结果进行抽检。采用本发明可以训练出用于视频自动标注的分类模型，利用未知标注视频不同模态的私有特征，重新对视频视频特征进行整合，自动完成标注任务，可显著降低人工标注时间与成本。
-
Patent Agency Ranking
公开(公告)号：CN119673385A
公开(公告)日：2025-03-21
申请号：CN202411754451.4
申请日：2024-12-02
Applicant: 东南大学
IPC: G16H20/70 , G16H20/30 , G16H20/60 , G16H40/67 , G16H50/30 , G06N5/04 , G06F16/3329 , G06F16/335
Abstract: 本发明公开了一种基于自我意识情绪识别的的共情式辅助健康行为干预对话机器人，至少包括健康行为信息采集模块、人机对话模块、自我意识情绪识别模块和行为干预模块。通过将自我意识情绪识别技术与大模型交互技术及行为干预心理模型相结合，该系统能够提升健康行为干预在情感理解方面的细粒度，进而实现更加精准和个性化的干预服务。该系统不仅能够促进健康行为的改变，还能提供普惠的干预服务，从而有效提高用户的健康管理能力，增强行为改变的持久性和效果。
-
公开(公告)号：CN118552801A
公开(公告)日：2024-08-27
申请号：CN202410606355.9
申请日：2024-05-16
Applicant: 东南大学
IPC: G06V10/77 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/64 , G06N3/0895 , G06N3/0499
Abstract: 本发明公开了一种基于2D‑3D增强变换的点云表征学习方法，旨在有效结合3D点云与2D多视图以实现深度特征学习和多模态对齐。该系统包括以下关键步骤：S1、2D多视图渲染；S2、3D点云图谱表示及其扰动处理，采用图谱分析技术提取点云谱表示并引入扰动以增加数据多样性；S3、2D视图的精细裁剪和控制，增强模型对复杂特征的识别能力；S4、多层次的2D多视图增强，通过不同类型和不同强度的增强变换改善样本质量；S5、多模态2D‑3D对比学习，通过模态内和跨模态对齐来改进对2D‑23D间的自监督学习。本发明显著提升了3D点云的表征能力，同时降低了对人工标注的依赖，增强了在实际应用中的泛化能力和鲁棒性。
-
公开(公告)号：CN115239991A
公开(公告)日：2022-10-25
申请号：CN202210768595.X
申请日：2022-07-01
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种面向标记噪声的深度度量学习算法；该方法包含以下步骤：（1）用户收集含有标记噪声的数据，包括样本特征和含有真实标记的候选标记集合；（2）为每个候选标记初始化置信度，并初始化神经网络参数；（3）计算损失函数，利用优化器对神经网络的参数进行更新，求得分类模型；（4）使用训练得到的分类模型对测试示例进行预测，得到每个样本的分类结果；（5）如果用户对预测结果满意，则结束，否则转到步骤（2），重新初始化标记置信度和神经网络参数。通过设计新型损失函数，将分类损失和度量学习损失统一在一个框架中。该方法不仅可以最小化模型输出结果和标记之间的差异，而且缩小了同类样本之间的距离并拉大异类样本之间的距离，从而可以实现含有标记噪声的情况下，特征表示能力的提升。
-
公开(公告)号：CN109102006B
公开(公告)日：2021-09-07
申请号：CN201810815313.0
申请日：2018-07-24
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开一种基于音频特征诱导信息增强的音乐自动标记方法，该方法通过MFCC、Beat、LPC、CQT组合生成音频属性特征向量；利用稀疏表示法学习训练集属性特征间的结构矩阵，并将该结构矩阵作为训练集样本相互关系的监督信息诱导标记空间进行重构，生成数值标记向量，完成标记信息增强；而后利用多元回归技术得到分类预测模型；将待标记音乐送入预测模型计算标记信息值，固定阈值进行分类，实现自动标记。本发明解决传统标记系统在训练过程中标记信息单一化的问题，利用信息增强技术有效提高训练集监督信息质量，进一步提高音乐自动标记系统的准确率和泛化性。
-
公开(公告)号：CN113344080A
公开(公告)日：2021-09-03
申请号：CN202110655504.7
申请日：2021-06-11
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种面向层次标记样本的隐多标记分类方法，该方法包括以下步骤：（1）用户从存储设备中选择训练样本；（2）根据训练样本，提取特征集合，标注层次标记集合；（3）根据编码规则，将训练样本的层次标记集合编码为隐多标记集合；（4）根据训练样本的特征集合与隐多标记集合，学习隐多标记分类器；（5）使用隐多标记分类器对测试样本进行分类；（6）根据解码规则，将测试样本的隐多标记集合解码为层次标记集合；（7）若用户对分类结果满意，则过程结束；否则，从存储设备中选择更多训练样本，转到步骤（2）。本发明适用于对以标记树中的标记路径作为标记集合的样本进行分类。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.019 seconds)
