-
公开(公告)号：CN107704887A
公开(公告)日：2018-02-16
申请号：CN201710982686.2
申请日：2017-10-20
Applicant: 北京工业大学
CPC classification number: G06K9/6267 , G06T3/0031
Abstract: 本发明公开一种基于F范数的局部保持投影的图像识别方法，用于对高维数据提取特征，降维以及图像中存在异常值的情况，记为FLPP。方法包括：输入原始的图像数据，并确定在F范数下的目标函数；利用交替迭代法对获得的F范数的目标函数求解，得到投影矩阵；利用投影矩阵对图像进行分类。与传统的LPP方法不同的是，本方法通过引入F范数测量数据间的距离，求解投影矩阵，使距离相近的数据在投影到低维空间中仍保持相近；此外，使用F范数能保证在求解时不受异常值的影响。本发明可广泛应用于图像识别领域。
-
公开(公告)号：CN105679022A
公开(公告)日：2016-06-15
申请号：CN201610080557.X
申请日：2016-02-04
Applicant: 北京工业大学
IPC: G08G1/01
CPC classification number: G08G1/0125
Abstract: 本发明公开了一种基于低秩的多源交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高。该方法包括步骤：(1)从多源交通数据中构造数据矩阵；(2)分别计算每种交通数据矩阵的低秩表示；(3)约束每个矩阵的低秩表示彼此之间相似。
-
-
公开(公告)号：CN119323263B
公开(公告)日：2025-03-25
申请号：CN202411879184.3
申请日：2024-12-19
Applicant: 北京工业大学
Abstract: 本发明公开了面向社会治理知识图谱三元组构建的大模型提示模板生成方法，涉及人工智能领域，包括如下步骤：步骤S1、数据预处理优化；步骤S2、数据脱敏；步骤S3、设计预期输出模板；步骤S4、提示模板生成；步骤S5、知识图谱三元组构建；步骤S6、三元组质量评估；步骤S7、反馈优化机制。本发明通过大模型自动生成大模型本身需要的提示的模板，并基于输入文本和任务需求动态调整模板内容。这一过程区别于传统的人工设计模板，显著提升了社会治理任务的效率和准确性，特别是在任务的定制化和场景适配性方面具有显著优势。
-
公开(公告)号：CN112508117B
公开(公告)日：2024-08-27
申请号：CN202011484154.4
申请日：2020-12-16
Applicant: 北京工业大学
IPC: G06F18/213 , G06F18/22
Abstract: 基于图嵌入的自适应多视降维方法及装置，能够充分探索不同视之间数据的关联性，并且不忽略单视内数据与数据的联系，能够凸显部分特征的重要性。方法包括：(1)通过图嵌入的方式把高维数据嵌入到低维空间；(2)通过相同视不同样本之间计算距离，衡量不同样本的相似度；(3)通过不同视角共享一个相同的相似性矩阵来探索不同视之间样本之间的关系；(4)度量相似度，从而探索不同视之间的关系；(5)得到各视的投影矩阵，通过投影矩阵与原始数据进行相乘来得到最后的降维结果。
-
Patent Agency Ranking
公开(公告)号：CN112818889B
公开(公告)日：2024-05-28
申请号：CN202110182159.X
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06V30/41 , G06V30/14 , G06V30/18 , G06V30/19 , G06V10/82 , G06F16/332 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于动态注意力的超网络融合视觉问答答案准确性的方法，先提取图像中两两物体之间的关系特征。通过进行关系特征的向量表示和问题文本的向量表示的余弦相似度的操作来动态的选取和问题文本相关的关系特征，并将余弦相似度分数排在前三的关系特征被选取为最为相关的关系特征；为了使视觉图片和问题文本中提取的特征融合的更加充分，提用基于超网络的卷积融合方式。利用融合图像‑问题特征学习多分类的分类器，以正确预测最佳匹配答案。使特征融合更加充分，能够使两模态之间进行深层次的交互，进一步促进视觉问答技术的准确性能的提升。
-
公开(公告)号：CN112287974B
公开(公告)日：2024-05-28
申请号：CN202011044857.5
申请日：2020-09-28
Applicant: 北京工业大学
IPC: G06V40/16 , G06V10/143 , G06V10/762 , G06V10/776
Abstract: 本发明涉及一种基于自适应权重的多视K多均值的图像聚类方法(Adaptive K‑Multiple‑Means for Multi‑view Clustering,AKM3C)，用于解决多视图的图像聚类问题。不同于以往的多视K均值聚类方法仅使用一个簇中心去建模每个簇的数据分布，AKM3C使用多个子簇中心(也称为原型或均值)捕获每个视图中每个簇的数据分布。另外，AKM3C可以为每个视图自适应的分配权重，从而合理地融合不同视图的互补信息和兼容信息以构建一个共享的二部图，最后对共享的二部图施加拉普拉斯秩约束，将其划分为C个簇，实现图像样本的聚类，进而用于解决多视图的图像识别和检测问题。
-
公开(公告)号：CN112699685B
公开(公告)日：2024-03-29
申请号：CN202110027765.4
申请日：2021-01-08
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于标签引导的字词融合的命名实体识别方法，用于解决以往分词工具不准确造成的分词错误的问题。具体采用标注信息对句子的分词结果进行分组，并对组内信息进行融合，能够有效的获得这个位置词的信息；将位置词信息与当前字的信息进行融合，增强位置词的信息表达；采用注意力机制，对每个位置词进行分配权重，使其更加关注正确的词的标签；采用Gated Mechanism来动态的权衡字特征与位置词向量特征的比重，最后通过BiLSTM与CRF找到最优序列。本发明改善了词边界识别错误的问题，并能够减少未登陆词(OOV)的产生。
-
公开(公告)号：CN112667824B
公开(公告)日：2024-03-15
申请号：CN202110059002.8
申请日：2021-01-17
Applicant: 北京工业大学
Abstract: 本发明公开了基于多语义学习的知识图谱补全方法，将实体e1和r分别先通过多个转换矩阵学习到多个隐藏的语义表示。在前面的知识图嵌入捕捉实体和关系多个隐藏语义的步骤中，得到对同一实体或关系的多个特征嵌入。利用深度残差注意力网络优化实体和关系的嵌入。引入去噪网络优化实体嵌入和关系嵌入。接下来先简述去噪网络的结构。引入多步融合的过程来充分融合实体和关系；本发明提出来的深度残差注意力网络，能有效减少引入多个隐藏语义带来大量噪声的问题。同时去噪网络和多步融合网络能充分融合实体和关系，来得到最符合的预测结果。
-
公开(公告)号：CN116431820A
公开(公告)日：2023-07-14
申请号：CN202310266322.X
申请日：2023-03-20
Applicant: 北京工业大学
Abstract: 本发明公开了基于弱化低质量负样本的时序知识图谱补全方法，为了平衡负样本多样性和负样本质量，该方法使用高质量和中等质量的负样本以增强模型判别能力，即弱化低质量负样本产生的影响。该方法提出的低质量负样本选择和弱化模块可以挑选出低质量负样本并调节它们的分数以弱化低质量负样本的消极影响。在交叉熵损失中引入了自适应加权负样本损失正则化项，该正则化项计算了每个负样本的损失值，并自适应地为每个负样本损失值分配不同的权重，以充分利用不同质量负样本的潜在信息。自适应加权负样本损失正则化项与低质量负样本选择和弱化模块都起到了积极影响。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.022 seconds)
