一种基于动态频率选择的通道注意力目标检测方法

    公开(公告)号:CN120088449A

    公开(公告)日:2025-06-03

    申请号:CN202510049539.4

    申请日:2025-01-13

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于动态频率选择的通道注意力目标检测方法,本方法从丰富的频率基库中自适应地挑选出关键的频率基,以更有效地揭示数据在频率域中的本质特征关系;基于挑选出的频率基构建att模块,利用att模块对YOLOv5目标检测模型进行改进,得到更精准的通道注意力目标检测模型;利用通道注意力目标检测模型对图像进行目标检测。本发明改进后的注意力模型将输入数据的特征映射到更具代表性的低维空间,即更准确地捕捉重要特征信息。本发明通过对对频率基的精心选择和利用,克服了现有方法中频率基范围受限的问题,使得模型在不同数据集和任务中都能更好地适应,准确捕捉细粒度特征,提升目标检测的性能表现。

    一种基于数理特征提取的数学题文本多标签分类方法

    公开(公告)号:CN114880474B

    公开(公告)日:2025-05-06

    申请号:CN202210485759.8

    申请日:2022-05-06

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于数理特征提取的数学题文本多标签分类方法,以数学题试题作为样本,知识点为样本标签;对样本及其标签进行预处理和特征提取,对样本特征向量进行编码得到隐藏层向量;引用自注意力机制计算各个隐藏层向量的注意力权重,得到文本输出的特征向量;将答案解析文本分为叶节点和根节点,由叶节点文本信息特征及根节点文本信息特征形成特征先验树的特征矩阵;对样本特征向量与特征先验树的特征矩阵进行数理特征提取,将文本输出的特征向量和数理特征提取部分的输出结果输入分类器,由分类器输出分类结果;设置训练停止条件,当训练停止时获得训练好的数学文本多标签分类模型;利用数学文本多标签分类模型对数学题文本进行有效分类。

    基于改进Seq2Seq模型的数学试题自动标注方法

    公开(公告)号:CN113420543B

    公开(公告)日:2024-03-22

    申请号:CN202110509310.6

    申请日:2021-05-11

    Applicant: 江苏大学

    Abstract: 本发明涉及一种基于改进Seq2Seq模型的数学试题自动标注方法,该方法包括以下步骤:采集数学试题数据;对数据进行预处理;构建基于改进的Seq2Seq模型;训练模型网络参数,并对未标记数学试题进行知识点预测标注。本发明能解决现有的人工标注数学试题费时费力,而且对于知识点会存在漏标、误标等问题,改进了传统的Seq2Seq模型,使之在预测知识点标签时更加关注数学试题中的关键部分以及相关知识点标签信息,从而进一步提高模型预测数学试题多个知识点标签的正确率。

    基于深度多核集成回归的图像分类模型构建、图像分类方法、系统

    公开(公告)号:CN117475222A

    公开(公告)日:2024-01-30

    申请号:CN202311471576.1

    申请日:2023-11-07

    Applicant: 江苏大学

    Abstract: 本发明公开了基于深度多核集成回归的图像分类模型构建、图像分类方法、系统,首先建立多个子网络,并为每个子网络设计回归模型,采用集成框架为所有子网络建立起整体的回归损失函数。在整体的集成回归损失函数中,建立起层次化模型损失,即为各个子回归模型设置共享参数,以得到集成分类的共享空间,同时也设置了各个子模型的单独参数,以得到子模型有关的回归参数结果,构建图像分类模型。为了进一步提升模型对于复杂数据的分类回归能力,采用深度神经网络,有效的提高了模型的分类效果;提供一种高准确率、高效率、强泛化能力的图像分类方法。

    一种基于决策树和改进SMOTE算法的哮喘病诊断系统

    公开(公告)号:CN112951413B

    公开(公告)日:2023-07-21

    申请号:CN202110302072.1

    申请日:2021-03-22

    Applicant: 江苏大学

    Abstract: 本发明属于数据挖掘领域,具体涉及一种基于决策树和改进SMOTE算法的哮喘病诊断系统。本发明利用血常规数据和哮喘患者的血常规体检数据,采用粒子群优化算法对SMOTE过采样技术的采样率进行优化,得到一种改进的SMOTE过采样技术,利用决策树对数据建模诊断。本发明可以根据患者的血常规体检数据自动诊断是否患有哮喘病,降低了因医生疲劳、判断失误或经验不足的影响,同时提高了诊断哮喘病的效率。

    一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法

    公开(公告)号:CN110287985B

    公开(公告)日:2023-04-18

    申请号:CN201910404139.5

    申请日:2019-05-15

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法,包括对图像数据的预处理;通过粒子群算法搜寻深度神经网络对于图像数据的特征的抽象维度和所需的特征数;通过变异操作提高算法的探索性能;通过反向传播算法对深度神经网络参数进行优化;对待识别的图片数据进行识别。本发明在充分利用粒子群算法搜索速度快、效率高的优点,运用粒子群优化深度神经网络对于图像数据的特征的抽象维度和所需的特征数,解决以往只凭借研究人员经验确定深度网络的层数和节点数的问题,进一步提高深度神经网络的性能,从而降低研究人员试验时间并且提高手写体数字识别准确性。

    一种基于核集成回归的抑郁症预测方法

    公开(公告)号:CN113903456A

    公开(公告)日:2022-01-07

    申请号:CN202111225016.9

    申请日:2021-10-21

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于核集成回归的抑郁症预测方法,采集多个抑郁症疾病患者的微表情图片作为样本,对采集到的微表情图片依次进行处理得到每个样本的特征向量;由特征向量及输出值形成样本集,将样本集分为训练样本和测试样本;将训练样本输入到基回归器中进行训练,从而构建多核空间中的核集成回归模型;通过对每个基回归器的训练,由此获得训练好的核集成回归模型。循环迭代获得最优解,从而获得训练好的核集成回归模型;将测试样本输入构建好的核集成回归模型,输出微表情图片的分类的结果;本方法利用核集成回归模型对微表情图片进行分类得到分类结果;该分类结果可以作为抑郁症判断指标,辅助医生对病患的诊断。

    一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法

    公开(公告)号:CN110287985A

    公开(公告)日:2019-09-27

    申请号:CN201910404139.5

    申请日:2019-05-15

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法,包括对图像数据的预处理;通过粒子群算法搜寻深度神经网络对于图像数据的特征的抽象维度和所需的特征数;通过变异操作提高算法的探索性能;通过反向传播算法对深度神经网络参数进行优化;对待识别的图片数据进行识别。本发明在充分利用粒子群算法搜索速度快、效率高的优点,运用粒子群优化深度神经网络对于图像数据的特征的抽象维度和所需的特征数,解决以往只凭借研究人员经验确定深度网络的层数和节点数的问题,进一步提高深度神经网络的性能,从而降低研究人员试验时间并且提高手写体数字识别准确性。

    一种基于大数据的人体跌倒检测方法及系统

    公开(公告)号:CN105590409B

    公开(公告)日:2018-04-03

    申请号:CN201610105761.2

    申请日:2016-02-26

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于大数据的人体跌倒检测方法及系统,方法包括以下步骤:根据手机内置传感器采集的信息构建特征向量;通过机器学习模型识别是否发生跌倒行为;当判断用户为跌倒状态时,采集到的信息数据会实时传送到大数据平台,并按照个体相似性进行存储;所述平台采用相似度度量算法分析所有上传的数据,判断是否存在更新数据;若是,则平台生成新的数据样本,同时根据数据样本生成新的机器学习分类模型。当系统判断人体发生跌倒时,手机会自动触发报警装置,从而使跌倒能够得到及时的救援。同时随着样本越来越多,系统的准确率也会不断提高。本发明可应用于监测儿童、老人及病患的活动安全。

Patent Agency Ranking