-
Patent Agency Ranking
公开(公告)号：CN113869404A
公开(公告)日：2021-12-31
申请号：CN202111136030.1
申请日：2021-09-27
Applicant: 北京工业大学
Abstract: 面向论文网络数据的自适应图卷积聚类方法适用于数据挖掘领域。该方法首次将自适应图卷积网络应用到深度图卷积聚类任务中，自适应的更新图结构并学习最优的数据表示；其次，该方法创造性地提出了一个基于注意力机制的融合模块，逐层加权融合两个并行网络的数据表示，同时有效缓解了图卷积网络的过平滑的问题。该方法的提出，主要解决的技术问题包括所有样本之间内在结构的挖掘，确保模型能够捕获更完整的数据结构信息，避免不准确的图结构对聚类性能产生的负影响，以及异构信息的有效融合。
-
公开(公告)号：CN112667824A
公开(公告)日：2021-04-16
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：CN107704887B
公开(公告)日：2021-04-02
申请号：CN201710982686.2
申请日：2017-10-20
Applicant: 北京工业大学
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：CN112307980A
公开(公告)日：2021-02-02
申请号：CN202011199557.4
申请日：2020-10-28
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于不完整多视聚类的图像识别方法，用于解决图像分类识别问题，属于模式识别和机器学习领域，尤其是面向图像数据的不完整多视角聚类任务。本方法从以下两个方面进行分析:1)多个graph模型对同一图像样本从不同角度描述，将其共享的一致性信息最大化；2)每个视角具有其他视角所不具有的个性化信息，有效利用这些固有的差异来进行聚类。具体的，本方法对于由不同特征所描述的不完整多视角图像数据集，构造每个视角下的初始图模型，用指示矩阵标记丢失图像的位置，提取关联矩阵从而实现不完整多视数据的聚类任务，从而有效提升图像识别的准确性与鲁棒性。
-
公开(公告)号：CN103440511B
公开(公告)日：2016-11-02
申请号：CN201310397701.9
申请日：2013-09-04
Applicant: 北京工业大学
IPC: G06K9/66
Abstract: 本发明属于图像处理领域，公开了一种基于三角剖分的图像分类方法，包括：步骤一，输入训练图像；步骤二，检测训练图像集中每幅图像的所有兴趣点，得到每幅图像的点集；步骤三，对兴趣点进行三角剖分，利用角度值及其相邻边比值描述特征点的空间关系，得到图像描述子；步骤四，用图像描述子训练分类器；步骤五，输入测试图像，提取测试图像的图像描述子；步骤六，将测试图像的图像描述子输入分类器进行判别。本发明通过提取局部兴趣点并利用三角剖分技术建立图像的全局关系，得到了全局图像描述子。使用全局图像描述子训练分类器，用训练好的分类器预测图像类别。与传统方法相比，本发明图像描述子构建简单，速度快，效果好。
-
-
-
-
Search Results
45
records
(took 0.021 seconds)
