-
公开(公告)号：CN106408562B
公开(公告)日：2019-04-09
申请号：CN201610844032.9
申请日：2016-09-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的眼底图像视网膜血管分割方法及系统，包括：对训练集进行数据扩增，并对图像进行增强，用训练集训练卷积神经网络，先使用卷积神经网络分割模型对图像进行分割得到一个分割结果，用卷积神经网络的特征训练随机森林分类器，从卷积神经网络模型中抽取最后一层卷积层输出，并作为随机森林分类器的输入进行像素分类，得到另外一个分割结果，对两个分割结果进行融合得到最终的分割图像，与传统的血管分割方法相比，本方法用很深的卷积神经网络进行特征提取，提取的特征更加充分，分割的准确率和效率也更高。
-
公开(公告)号：CN107169511A
公开(公告)日：2017-09-15
申请号：CN201710286474.0
申请日：2017-04-27
Applicant: 华南理工大学
IPC: G06K9/62
CPC classification number: G06K9/622 , G06K9/6292
Abstract: 本发明公开了一种基于混合聚类集成选择策略的聚类集成方法，步骤包括：输入测试数据集样本矩阵X；对数据集样本矩阵X进行聚类操作，生成基础聚类结果集合；将基础聚类结果集合转换到新特征空间，且基础聚类结果集合中的每一个聚类结果作为新特征空间的每一个特征；使用特征选择技术对特征进行聚类集成选择，得到聚类结果子集；对聚类结果子集使用赋权函数获得最终聚类结果子集；集成最终聚类结果子集，得到最终聚类结果。本发明将聚类集成选择问题转化为特征选择问题，具有创新性；从多角度生成基础聚类结果，更具多样性；利用特征选择算法进行优化，避免人为因素及冗余度问题；考虑了局部和全局权重，有机结合各聚类结果子集，提升聚类准确性。
-
公开(公告)号：CN106778832A
公开(公告)日：2017-05-31
申请号：CN201611064898.4
申请日：2016-11-28
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多目标优化的高维数据半监督集成分类方法，涉及人工智能集成学习领域，主要解决现有技术中对子空间优化和选择以及半监督信息利用的问题。该高维数据半监督集成分类方法包括下列步骤：S1、输入训练数据集；S2、对输入的上述训练数据集进行数据归一化；S3、产生随机子空间集合；S4、多目标优化选取子空间集合；S5、寻找特征子空间中最优半监督分类器；S6、对测试样本进行分类；S7、计算分类准确率。本发明利用随机子空间解决了高维数据难处理的问题；利用多目标优化的解决方法，充分优化子空间的选择来提高子空间的鲁棒性；并充分利用无标签和有标签的信息来优化子空间的分类器，提高分类器的泛化能力。
-
公开(公告)号：CN113033641A
公开(公告)日：2021-06-25
申请号：CN202110285595.X
申请日：2021-03-17
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种高维数据半监督分类方法，涉及人工智能半监督学习领域。主要克服制造业高维数据中数据噪声和冗余特征对模型的影响，并将子空间学习，图的构建，分类器训练整合为一个统一框架，达到更好的分类效果。其方法步骤为：1)输入训练数据集；2)数据归一化；3)参数、变量初始化；4)子空间学习；5)图的构建；6)分类器训练；7)循环重复步骤4)‑6)，直至算法收敛；8)对测试样本进行分类；9)得到分类准确率。本发明从标签空间和子空间这两个低维空间来完成图的构建，有效缓解了噪声数据和冗余特征对算法模型的干扰，保证了图的质量，提升了分类效果。
-
公开(公告)号：CN107516110B
公开(公告)日：2020-02-18
申请号：CN201710723583.4
申请日：2017-08-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成卷积编码的医疗问答语义聚类方法，涉及机器学习领域，所述方法包括以下步骤：医疗咨询平台用户问答语料采集，卷积核的选取，融合不同卷积核的特征表示，利用自编码机获取最终数据表征，进行医疗咨询问答语义聚类。与传统的深度学习方法相比：本方法用不同的卷积核来提取不同的特征，提取的特征更加充分和多样化，并且使用不同的特征合并方法，将提取到的特征进行融合表示，因此本发明泛化能力强，语义聚类准确率高，基于该方法能够更好地帮助用户了解自身情况，并可辅助医生进行疾病检测，对搭建医疗的自动问答系统具有很大的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN106778832B
公开(公告)日：2019-10-18
申请号：CN201611064898.4
申请日：2016-11-28
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多目标优化的高维数据半监督集成分类方法，涉及人工智能集成学习领域，主要解决现有技术中对子空间优化和选择以及半监督信息利用的问题。该高维数据半监督集成分类方法包括下列步骤：S1、输入训练数据集；S2、对输入的上述训练数据集进行数据归一化；S3、产生随机子空间集合；S4、多目标优化选取子空间集合；S5、寻找特征子空间中最优半监督分类器；S6、对测试样本进行分类；S7、计算分类准确率。本发明利用随机子空间解决了高维数据难处理的问题；利用多目标优化的解决方法，充分优化子空间的选择来提高子空间的鲁棒性；并充分利用无标签和有标签的信息来优化子空间的分类器，提高分类器的泛化能力。
-
公开(公告)号：CN109002889A
公开(公告)日：2018-12-14
申请号：CN201810715248.4
申请日：2018-07-03
Applicant: 华南理工大学
IPC: G06N3/08
Abstract: 本发明公开了一种自适应迭代式卷积神经网络模型压缩方法，包括：对训练数据进行预处理，用训练数据对卷积神经网络进行训练，选出最优模型作为需要压缩的模型，用自适应迭代式卷积神经网络模型压缩方法对模型进行压缩，对压缩后的模型进行评估，选出最优模型作为压缩完成的模型。本发明具有以下优点：自适应调整量化比例，参数少；自适应迭代式压缩，可以提高模型压缩后的准确率；支持常见的卷积神经网络模型压缩，且可以根据需要压缩到特定位数，因此本发明的方法可以高效地压缩卷积神经网络模型并将模型应用到移动设备上。
-
公开(公告)号：CN113361559B
公开(公告)日：2023-10-17
申请号：CN202110278271.3
申请日：2021-03-12
Applicant: 华南理工大学
IPC: G06F18/25 , G06F18/15 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/088 , G06F16/182
Abstract: 本发明公开了一种基于深宽度联合神经网络的多模态数据知识信息提取方法，包括步骤：1)收集智能制造工厂生产所产生的多模态数据，进行数据清洗预处理后存储至Hadoop分布式文件系统中；2)将存储在HDFS中的原始数据日志记录按模态性质进行细分建表，分别将多模态数据处理成单模态数据特征，包括语音，文本，图像等单模态数据特征表等并存储到HIVE数据库中；3)利用深宽度联合网络对多模态数据特征表进行特征提取，得到对应的高层抽象特征知识，从而实现深宽度联合网络对多模态数据知识信息的提取。
-
公开(公告)号：CN112784919B
公开(公告)日：2023-09-05
申请号：CN202110146422.X
申请日：2021-02-03
Applicant: 华南理工大学
IPC: G06F18/2415 , G06F18/25 , G06F18/15 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , G06F16/215 , G06F16/27 , G06F16/28 , G06F16/182 , G06F16/35 , G06F40/289
Abstract: 本发明公开了一种面向智能制造多模态数据的分类方法，包括步骤：1)收集和清洗生产数据日志，获取多模态数据；2)对多模态数据按其数据组成形式进行划分，并进行相应的预处理；3)对预处理后的多模态数据进行特征提取与特征融合，对融合后的特征进行分类。本发明通过对多模态数据进行预处理，结合自编码器和嵌入处理方式提取数据表层特征和挖掘数据深层特征，基于在线学习的方式，利用全连接前馈深度神经网络对数据进行实时分类及结果展示，有效提高了多模态数据分类的准确率及提升了AUC指标。
-
公开(公告)号：CN112766400A
公开(公告)日：2021-05-07
申请号：CN202110117823.2
申请日：2021-01-28
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种高维数据基于多个数据变换空间的半监督分类集成方法，包括步骤：1)输入原始训练数据集；2)产生多个数据变换空间；3)得到半监督分类器集合；4)对测试样本进行分类集成。本发明基于不同的数据变换空间进行训练，提升了集成成员之间的多样性，使用随机子空间解决了高维数据难处理的问题，并充分利用无标签和有标签的信息来优化子空间的分类器，提高半监督分类器的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.031 seconds)
