-
公开(公告)号：CN106529598B
公开(公告)日：2020-05-08
申请号：CN201610997896.4
申请日：2016-11-11
Applicant: 北京工业大学
Abstract: 本发明公开一种基于不均衡医疗图像数据集的分类方法与系统，包括：提取原始医疗图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别从修正后的图像提取纹理特征、小波特征、轮辅特征；对提取出的特征样本按样本间距离排序；对排序后的样本划分均匀特征子集，且保证子集间的差异性；使用SVM算法与BP神经网络算法分别训练特征子集产生子分类器；组合子分类器，投票得出最终分类结果。采用本发明的技术方案，对多分类集成学习中负样本分类准确率有明显提升，这对于如医疗领域中数据集样本分布高度倾斜、多分类器训练中负样本准确率有明显提升。有助于减少误诊，从而提高分类器的实用价值。
-
公开(公告)号：CN110363162A
公开(公告)日：2019-10-22
申请号：CN201910648037.8
申请日：2019-07-18
Applicant: 北京工业大学
Abstract: 一种聚焦关键区域的深度学习目标检测方法，属于深度学习领域。该方法是在一种典型的深度检测网络基础上，提出了一种通过聚焦关键区域来自动检测图像中目标的方法。在很多情况下，所需检测的目标往往都处于特定的区域内，这些与目标息息相关的区域即是关键区域。由于关键区域是少量、局部且与目标存在因果关系，因此可以将目标的检测范围限定在这样的区域内。具体的是在Faster R-CNN框架中，修改区域提议网络的损失函数，即根据提议区域与关键区域的位置关系对提议区域设置不同的惩罚权重，促使提议区域更接近于关键区域，从而提高了目标检测的准确度。
-
公开(公告)号：CN110222822A
公开(公告)日：2019-09-10
申请号：CN201910466860.7
申请日：2019-05-31
Applicant: 北京工业大学
Abstract: 本发明涉及黑盒预测模型内部特征因果图的构建方法，通过汽车前部的摄像头捕获道路前方的场景图像，将其送入黑盒模型，在将所提取到的场景特征映射为方向盘指令的同时，将特征可视化并以解释图的形式展示特征间的相关关系，最后再通过特征实数化和特征筛选转化为特征因果图，找出产生此指令的原因。该技术将深度学习模型提取到的车前部摄像头所捕获图像的特征映射为车的方向盘控制指令，并给出下达该指令的原因。每一条指令的原因的给出有助于研究者快速发现不符合真实环境的指令或不利于全局优化的指令，通过进一步调整，可以使自动驾驶模型的性能得到大大的提高，为其安全保障提供了解释的依据。
-
公开(公告)号：CN109637618A
公开(公告)日：2019-04-16
申请号：CN201811437469.6
申请日：2018-11-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于标签的中药方剂多样性推荐方法，利用中医病例构建症状证候标签权重矩阵；利用症状证候标签权重矩阵生成症候类型不同的方剂推荐子列表；利用症状证候标签的权重以及用户症状模型和方剂症状模型的相似度计算子列表排序比重；根据子列表排序比重，计算各子列表隶属多样性推荐列表的方剂数量，对于生成的多样性推荐列表按照方剂隶属子列表的排序比重及方剂症状与用户症状特征相似度重排序，得出最终的多样性推荐列表。针对现有技术对中医药方剂的多样性推荐考虑不足，本方法通过生成多个不同证候的方剂列表及重排序方法，生成具有多样性的中医方剂推荐列表。
-
公开(公告)号：CN109615614A
公开(公告)日：2019-04-12
申请号：CN201811418985.4
申请日：2018-11-26
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种基于多特征融合的眼底图像中血管的提取方法与电子设备，其中所述方法包括：基于待处理眼底图像，利用多个不同分类器，分别提取眼底血管的多个不同特征，并对所述多个不同特征进行特征融合；基于特征融合后的综合特征，利用训练完成的denseCRF模型，获取所述眼底血管的分割图像；对所述分割图像进行形态学分析处理，提取所述眼底血管的二值图像。本发明实施例通过对眼底血管的多特征融合，提取眼底图像中的血管图像，能够更有效、更精确地提取血管边缘图像，包括模糊图像的眼底血管边缘图像。
-
Patent Agency Ranking
公开(公告)号：CN108447565A
公开(公告)日：2018-08-24
申请号：CN201810245169.1
申请日：2018-03-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于改进降噪自动编码器的小于胎龄儿疾病预测方法，包括：预处理小于胎龄儿数据中的文本特征和非文本特征；基于改进的降噪自动编码器进行无监督学习，得到多个特征集；利用深度神经网络进行有监督学习微调模型参数；将训练好的模型对测试集进行预测，从而得到最终的分类结果。其中改进的降噪自动编码器在输入层进行0到2倍之间的按照正态随机数随机变化，采用改进的降噪自动编码器可以很好的将小于胎龄儿数据中的高维特征进行降维以及非线性抽象，同时改进的“降噪”方法提高了自动编码器学习到的特征多样性和鲁棒性；本发明提高了对小于胎龄儿疾病数据预测的准确率，可以很好的帮助疾病的及早发现，具有较高的实用意义。
-
公开(公告)号：CN108268900A
公开(公告)日：2018-07-10
申请号：CN201810067389.X
申请日：2018-01-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种提升推荐系统多样性的方法，包括：输入训练样本和预测样本，训练样本为正样本；基于训练正样本生成负样本，利用PITF矩阵分解方法对正负样本进行降维，将降维后的数据进行混合加权线性表示，生成初步推荐模型；对正负样本进行联合特征筛选(提出带有高层次信息的目标函数、求解回归系数矩阵和联合特征筛选结果)；将初步推荐模型与联合特征的标签集合进行结合生成合成推荐单元，并将预测样本输入其中，得到的结果进行计数排名融合生成最终推荐列表。本发明基于矩阵相似性构造损失函数来筛选联合特征的思想提供一种基于联合特征提升推荐系统多样性的方法，用以解决目前推荐系统存在推荐结果多样性偏低的问题。
-
公开(公告)号：CN104598586B
公开(公告)日：2018-04-17
申请号：CN201510024552.0
申请日：2015-01-18
Applicant: 北京工业大学
Abstract: 大规模文本分类的方法涉及计算机领域，为实现兼顾精度的大规模学习，需要通过构建具有最大差异性的多个分类器及实现多个分类器的高效集成决策来实现。该大规模文本分类的方法包括：将文本数据转换为向量数据，分割大规模文本数据集为子集；以分布式计算的方法使用子集训练子分类器；选择分类器；对待测样本进行分类，实现多分类器共同决策。本发明将集成学习框架应用于大规模文本分类上，可以使现有的分类方法适用于大规模文本分类，提高分类效率。
-
公开(公告)号：CN104572827A
公开(公告)日：2015-04-29
申请号：CN201410743749.5
申请日：2014-12-08
Applicant: 北京工业大学
CPC classification number: G06F17/30238 , G06F21/6209
Abstract: 本发明涉及一种基于跨明文与密文的混合搜索系统。所述系统包括数据集纵向切分装置，明文搜索装置，密文搜索装置，搜索结果结合装置。搜索结果结合装置还包括重新分组单元和重新排名单元。数据集纵向切分装置根据数据集中的属性值是否需要加密，对数据集进行纵向切分，得到明文数据集与密文数据集；明文搜索装置对明文数据集进行排名搜索得到排名搜索结果；密文搜索装置对密文数据集进行基于倒排索引的加密搜索，快速得到精确匹配搜索结果；搜索结果结合装置对排名搜索结果与精确匹配搜索结果进行重新结合，得到最终的新排名搜索结果。本发明能够在保护个人隐私的基础上，既能快速得到搜索结果，还可对搜索结果排名，得到更具价值的搜索结果。
-
公开(公告)号：CN120067299A
公开(公告)日：2025-05-30
申请号：CN202510212807.X
申请日：2025-02-26
Applicant: 北京工业大学
IPC: G06F16/334 , G06N3/045 , G06F21/62 , G06F40/30 , G06F18/213 , G06F18/25 , G06F16/3329 , G06F16/338 , G06F16/335 , G06F18/22 , G06N5/04 , G06N5/022
Abstract: 本发明提供一种基于大型语言模型的个性化认知路径抽取方法，涉及自然语言处理。所述方法包括以下步骤：首先，对个体陈述文本进行预处理和编码；然后，通过计算相似度，从认知路径数据库中检索出相似的认知路径抽取示例，为少样本提示构建提供参考；接着，设计了一种综合提示策略，结合基础提示、少样本提示以及思维链提示，引导大型语言模型逐步精准地抽取个体的认知路径；此外，引入自动化检查与大型语言模型自评反馈的方式，对生成的认知路径进行一致性校验与优化，以确保抽取结果的准确性和可靠性。本发明通过结合示例检索与提示工程，特别是引入思维链提示策略，强化了模型推理过程的可解释性，提高个性化认知路径抽取的效率与准确性。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.036 seconds)
