-
公开(公告)号：CN109035258B
公开(公告)日：2021-08-13
申请号：CN201810806452.7
申请日：2018-07-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于有向交叉遗传算法和二维最大熵阈值分割算法的图像分割方法，方法包括以下步骤：获取图像并计算二维直方图；生成初始种群；计算适应度值并保存精英个体；设置算法参数；对种群进行遗传操作包括选择选择操作、有向交叉、变异操作，并计算变异个体适应度值；保留精英个体；判断是否满足终止条件，若满足条件即获取最优个体作为阈值进行图像分割，若不满足条件返回遗传操作步骤。本发明将有向交叉遗传算法推广到二维情形并与二维最大熵图像分割相结合，解决了遗传算法在图像阈值寻优时具有盲目性的问题，极大提高了使用遗传算法进行图像分割的速度和准确率。
-
公开(公告)号：CN113064967A
公开(公告)日：2021-07-02
申请号：CN202110310932.6
申请日：2021-03-23
Applicant: 北京工业大学
IPC: G06F16/33 , G06F40/289 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度迁移网络的投诉举报可信度分析方法，属人工智能技术领域。具体包括以下步骤：首先，微博文本、投诉举报文本、微博文本混合投诉举报文本分别经过Word2vec文本向量化模型表示为矩阵；然后，将向量化之后的文本输入到三组双向LSTM网络中进行特征提取，分别提取出源域私有特征向量、源域目标域共享特征向量、目标域私有特征向量；接着，将共享特征分别与源域和目标域私有特征通过自注意力机制进行特征融合，得到最终的源域特征和目标域特征；最后，将源域特征和目标域特征输入到多层感知机输出最后的分类结果。该方法解决了投诉举报可信度分析中人工分析难、缺乏有效数据标注的问题，为环境类投诉举报可信度分析提供了思路。
-
公开(公告)号：CN111753083A
公开(公告)日：2020-10-09
申请号：CN202010389257.6
申请日：2020-05-10
Applicant: 北京工业大学
IPC: G06F16/35 , G06F16/33 , G06F40/216 , G06F40/284 , G06N3/00
Abstract: 本发明公开了一种对投诉举报文本进行自动分类的方法，旨在提高分类精度和人员的工作效率。该发明的实施包含以下几个步骤：获取一定数量的带类别标签的投诉举报文本，将其划分为训练集文本与测试集文本两个部分；对文本进行词语切分、去除停用词；构建文本模型并对其进行特征提取、降维；利用训练集文本模型对支持向量机(SVM)进行训练；采用经过改进的果蝇优化算法(IFOA)，根据SVM对测试集文本的分类准确率对其参数进行动态优化，得到SVM的最佳参数值；将待分类的投诉举报文本进行预处理，输入经过参数优化的SVM当中，即可实现自动分类。本发明适用于各类投诉举报文本的自动分类问题，具有较高的分类精度，解决了人工分类精度低且效率低的问题。
-
公开(公告)号：CN104536562A
公开(公告)日：2015-04-22
申请号：CN201410767401.X
申请日：2014-12-11
Applicant: 北京工业大学
IPC: G06F3/01 , G06F3/0487 , H04L29/08
CPC classification number: G06F3/017
Abstract: 本发明涉及一种基于体感技术及云计算的文件传输方法。所述方法包括体感操作和网络云文件传输。体感操作包括：Kinect设备初始化；跟踪人体骨骼数据，选择最近的人体骨架作为主控者；根据人体头部位置和双手位置进行空间坐标转换，使手部移动范围可以铺满整个屏幕；跟踪双手位置变化，切换左右手模式；识别手势实现主控手做出抓取或放开的动作；将人手的动作与鼠标功能对应。网络云文件传输包括：向用户使用的网盘服务上进行第三方应用授权，获得对用户网络文件的操作权限；登陆网盘获取文件列表；上传文件；下载和打开文件。应用本发明可以通过手势操控电脑，通过特定的肢体动作进入到用户个人的网络云空间中进行上传和下载。
-
公开(公告)号：CN114969321B
公开(公告)日：2024-03-22
申请号：CN202210249762.X
申请日：2022-03-14
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/216
Abstract: 基于多权重自训练模型得环境类投诉举报文本分类方法，属于人工智能技术领域。具体包括以下步骤：首先使用基于HowNet语料库的相似度计算方法赋予每个无标签数据第一权重；然后使用自训练的方法为每个无标签数据添加第二权重；接着通过权重融合和阈值筛选为每个无标签数据赋予伪标签并利用其参与训练。最后使用训练好的分类器进行投诉举报文本分类。本文所使用的基于多权重自训练模型的环境类投诉举报文本分类方法，在解决投诉举报少样本分类的问题上取得显著效果。
-
Patent Agency Ranking
公开(公告)号：CN116628496A
公开(公告)日：2023-08-22
申请号：CN202310571654.9
申请日：2023-05-21
Applicant: 北京工业大学
IPC: G06F18/214 , G06F18/24 , G06F40/247 , G06N3/084
Abstract: 一种基于双通道特征对比学习的投诉举报虚假信息检测方法，属人工智能领域。将原始数据分成有标签数据集和无标签数据集，并且将无标签数据集输入到预训练模型中预训练；将训练集中数据先进行分字处理，并且建立词表，得到对应向量；将对应向量输入到带dropout的预训练模型中，生成相应的文本特征，并将文本特征输入到双通道分类器中得到不同的二维向量特征；将通过双通道得到不同的二维向量特征，得到KL散度损失值；将文本特征和分类器特征进行对比学习，得到对比损失和交叉熵损失,并将总损失值进行反向传播和更新模型权重；将相应特征输入到归一化函数中输出二分类结果。该方法解决了投诉举报可信特征不明显和正负样本不均衡的问题。
-
公开(公告)号：CN115049689A
公开(公告)日：2022-09-13
申请号：CN202210496160.4
申请日：2022-05-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于轮廓检测技术的乒乓球识别方法，用轮廓检测的方法来提高识别乒乓球的准确率和速度。包括以下步骤：首先，图像色彩空间转换；其次，乒乓球颜色特征提取；然后，图像进行腐蚀和膨胀化处理；再然后，检测乒乓球轮廓；接着，进行乒乓球标记；最后，乒乓球识别的特殊处理以及相关参数的设置。相比于现有技术，捡乒乓球机器人可以通过视觉传感器在不同场景下，实时的高效识别乒乓球。
-
公开(公告)号：CN114692623A
公开(公告)日：2022-07-01
申请号：CN202210196099.1
申请日：2022-02-12
Applicant: 北京工业大学
IPC: G06F40/289 , G06F16/35 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 一种环境类网络舆情的情感分析方法属于人工智能技术领域方法。具体包括以下步骤：首先将网络平台爬取到的网络舆情文本作为数据来源，使用舆情文本数据作为语料库对word2vec词向量模型进行重新训练，得到更加适用于环境类领域的词向量化模型。其次使用Word2vec文本向量化模型将文本表示为词向量，对词向量矩阵添加注意力机制，使用每个词在句子中拥有不同的权重。将添加注意力机制的词向量输入到特征提取层中进行特征提取，CNN具有提取局部特征，LSTM具有提取上下文特征的特点，将CNN和LSTN提取特征进行位置融合,最终实现文本的情感分类。该方法解决了现有模型在环境类舆情文本的情感分类中性能差、不适配的问题。
-
公开(公告)号：CN111346351A
公开(公告)日：2020-06-30
申请号：CN202010261876.7
申请日：2020-04-05
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于摩擦轮的捡乒乓球机器人及其自动捡乒乓球方法，所述捡乒乓球机器人包括行走机构、聚拢装置、捡球机构、储球机构、可拆卸电路板机构、可拆卸外壳机构、控制系统、地图建模系统、视觉系统。所述捡球机构包括摩擦轮、无刷电机、斜坡、电调构成。行走机构为四个麦克纳姆轮和一个底盘。储球机构由一个可拆卸的储球盒及其固定装置构成。本发明利用乒乓球聚拢装置将机器人行进路线上的乒乓球聚集到两只摩擦轮中间，利用转动方向相反的摩擦轮通过挤压乒乓球来给予乒乓球一个初速度，能够令乒乓球沿着斜面滚动从而进入乒乓球的收集装置。本发明能通过精巧的结构将地面上散落的乒乓球进行收集。
-
公开(公告)号：CN110866903A
公开(公告)日：2020-03-06
申请号：CN201911086761.2
申请日：2019-11-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于霍夫圆变换技术的乒乓球识别方法，用梯度Hough变换的方法来提高识别速度。包括以下步骤，1)图像灰度化处理；2)滤波处理；3)边缘提取；4)乒乓球标记；5)乒乓球识别的特殊处理及关参数的设置。相比于现有技术，本发明对于摄像头中读入的图片，可以实现实时识别每帧图片中所包含的乒乓球，能在复杂情况下准确识别乒乓球。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.055 seconds)
