-
公开(公告)号:CN115965630A
公开(公告)日:2023-04-14
申请号:CN202211464842.3
申请日:2022-11-22
Applicant: 安徽大学
IPC: G06T7/10 , G06T7/136 , G06T5/50 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于内窥镜图像的深度融合的肠息肉分割方法及装置,所述方法包括:采集内窥镜下肠息肉图像并进行预处理得到训练集和测试集;利用门控轴向注意力机制模块和滑动窗口注意力机制模块构建深度特征融合模块;利用门控轴向注意力机制模块、深度特征融合模块以及注意力门控模块构建肠息肉图像分割模型;利用训练集训练肠息肉图像分割模型得到最优的肠息肉图像分割模型;将实时采集的内窥镜下肠息肉图像输入最优的肠息肉图像分割模型得到预测分割图像;本发明的优点在于:解决了由于缺乏大量带有标签数据的问题,训练成本和训练难度较低。
-
公开(公告)号:CN115564611A
公开(公告)日:2023-01-03
申请号:CN202211303426.5
申请日:2022-10-24
Applicant: 安徽大学
IPC: G06Q50/18 , G06F18/23 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供利用多视图表示融合进行专利发明人消歧的方法及系统,方法包括:对专利数据进行预聚类;构建多个局部视图和一个全局视图;利用PatentBERT预训练模型生成文本语义表示向量;利用GAT表征模型并加入生成的节点语义表示向量在所有视图上分别获取对应节点表示向量,该表示向量融合语义信息和结构信息;融合局部视图获取的节点表示向量得到一个局部视图融合向量;接着将局部视图融合向量和全局视图向量借助对比损失进行模型训练,得到节点最终融合向量;利用层次凝聚聚类方法对最终向量进行聚类得到消歧结果。本发明通过在局部视图学习嵌入能够捕获更深层次的局部结构信息,同时结合对比学习的思想,在局部结构信息的基础上捕获全局结构信息。
-
公开(公告)号:CN115221314A
公开(公告)日:2022-10-21
申请号:CN202210162700.5
申请日:2022-02-22
Applicant: 安徽大学
IPC: G06F16/35 , G06F40/216 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合表情符号的社交文本情感分析方法及装置,所述方法包括:将无标注含表情文本数据和有标注社交文本数据做预处理,获取预训练文本数据,并将其中的表情符号提取作为预训练标签;搭建神经网络模型对预训练文本数据进行预训练,得到以表情符号为预测标签的预训练模型;将预处理的有标注社交文本数据输入至预训练模型,通过链式解冻方法更新预训练模型的参数,训练得到社交文本情感分类器;将需要进行情感分类的社交文本输入至社交文本情感分类器,得到预测情感类别;本发明的优点在于:克服了社交文本与表情符号分割处理导致情感信息遗失的局限性,提升对社交文本的分类准确度。
-
公开(公告)号:CN115049603A
公开(公告)日:2022-09-13
申请号:CN202210633745.6
申请日:2022-06-07
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于小样本学习的肠息肉分割方法及系统,系统包括:收集训练样本,获取测试样本,将训练样本和测试样本分别再次划分为支持集和查询集;构建特征提取模块来提取支持图像和查询图像的特征信息;构建多级原型学习模块来学习支持图像中的多级目标原型并使其引导查询图像来寻找疑似目标区域;构建全局信息交互模块使得支持图像和查询图像进行充分的信息交互,使查询图像与支持图像的特征层次和对比度相似;构建神经网络,利用训练样本训练该神经网络,优化网络参数,得到神经网络模型;将测试样本输入至上述模型中,经计算输出肠息肉分割图像。解决了分割精度低、依赖充分训练及过度依赖用户交互的问题。
-
公开(公告)号:CN114969251A
公开(公告)日:2022-08-30
申请号:CN202210530965.6
申请日:2022-05-16
Applicant: 北京智谱华章科技有限公司 , 安徽大学
IPC: G06F16/33 , G06F16/383
Abstract: 本公开涉及数据分析技术领域,具体涉及一种基于大规模语料的新兴技术识别方法和装置,该方法包括:确定研究领域构建候选文献集,并对候选文献集进行关键词提取,以获得候选关键词数据集;根据候选文献集中候选文献数量以及关键词的相关信息对候选关键词数据集进行过滤,得到候选关键词过滤集;计算候选关键词过滤集中各关键词的新兴分数值;基于各关键词的新兴分数值和设定的新兴分数阈值对候选关键词过滤集进行筛选,得到候选新兴技术关键词数据集;采用动态回溯法对候选新兴技术关键词数据集进行处理,获得目标新兴技术关键词数据集。根据本公开的方法提高了新兴技术识别准确度。
-
公开(公告)号:CN108090048B
公开(公告)日:2021-05-25
申请号:CN201810029406.0
申请日:2018-01-12
Applicant: 安徽大学
IPC: G06F40/216 , G06F40/289 , G06F16/31 , G06F16/35 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了一种基于多元数据分析的高校评价系统,包括:训练模型构建模块,数据获取模块,话题主题分类模块,评论情感分类模块,标签生成模块,数据管理模块,数据可视化模块,如此,充分考虑高校话题信息特点,构建了一个高效的、稳定的热点高校话题发现展示系统,为学生、家长和教师等用户群体提供便捷的服务,从话题分类、关键词抽取的思想,采用中文分词技术,关键词提取技术,并利用空间向量模型将文本信息以向量化形式表示,通过最大化差异结合TF‑IDF算法将各高校的关键词提出出来作为标签,利用类别贡献度模型生成话题特征模型进行分类,并通对话题下的评论信息进行情感分类,通过算法改进提高了文本挖掘准确性和效率,易于推广。
-
公开(公告)号:CN107122403B
公开(公告)日:2020-08-07
申请号:CN201710174575.9
申请日:2017-03-22
Applicant: 安徽大学
IPC: G06F16/958 , G06F16/957
Abstract: 本发明公开了一种网页学术报告信息抽取方法和系统,包括:将学术报告网页html标签和学术报告的内容开头替换为对应的固定表示标记,根据相邻两个固定表示标记对学术报告进行分割,得到初步分割结果集合;删除初步分割结果集合中匹配预设黑名单的初步分割结果,得到有效分割结果集合;获取有效分割结果集合中各有效分割结果的开头位置和结尾位置,根据所述开头位置和结尾位置合并提取各有效分割结果对应的属性内容;当属性出现重复,根据属性排列方式将不同属性对应的属性内容分配到相应的学术报告中,并将多个报告中出现且仅出现一次的属性添加到本网页其他报告中;获取学术报告的报告人信息和时间并匹配到学术报告中报告人信息和时间中。
-
公开(公告)号:CN101330457B
公开(公告)日:2011-03-23
申请号:CN200810021103.0
申请日:2008-07-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于商空间覆盖模型的最短路径搜索方法,特征是先构建由一递阶商空间覆盖网络链中各商空间覆盖网络的所有极大完全子图和其对应于初始网络的节点信息构成的商空间覆盖模型,依据商空间覆盖模型获得要搜索的起、终点在不同商空间覆盖网络的极大完全子图中对应位置的分层编号,比较其分层编号,从粒度较细商空间中搜索路径,逐步细化商空间,直到粒度最细商空间,求得两节点的最短路径,从而解决无向无权网络中最短路径的快速搜索问题,且可同时求出网络中多条最短路径;利用本方法求两点间的最短路径,可达到网络资源的综合利用,解决交通网络中乘客最少换乘次数,电力网络中能源的有效利用和帮助快速故障路径检测等问题。
-
公开(公告)号:CN101330417A
公开(公告)日:2008-12-24
申请号:CN200810021101.1
申请日:2008-07-24
Applicant: 安徽大学
Abstract: 本发明公开了一种无向无权网络的商空间覆盖模型及其构建方法,特征是利用商空间理论和相容关系对网络求极大完全子图,逐步粒度粗化形成一递阶商空间覆盖网络链,得到粒度由细到粗的各级商空间覆盖网络所有极大完全子图及其在初始网络中的节点信息而形成的商空间覆盖模型;根据该商空间覆盖模型中各级商空间覆盖网络的极大完全子图在初始网络中的节点信息,可直观找出网络的两节点间的最短路径长度,根据模型可以找到初始网络两节点在不同粒度商空间覆盖网络的位置,从粒度粗的商空间覆盖网络开始搜索两点间的连通路径,逐步细化,一直到搜索到粒度最细的商空间,从而可快速搜索出任意两点的最短路径;还可利用计算机来构建商空间覆盖模型。
-
公开(公告)号:CN119357782B
公开(公告)日:2025-04-29
申请号:CN202411931333.6
申请日:2024-12-26
Applicant: 安徽大学
IPC: G06F18/241 , G06N3/042 , G06N3/0895 , G06F18/23213 , G06F18/10
Abstract: 本申请提出了一种基于多粒度图对比学习的节点分类方法及装置,涉及图对比学习技术领域,其中,该方法包括:多粒度空间构建模块和多粒度对比学习模块。多粒度空间构建模块结合节点属性更新邻接矩阵,并使用粗化的方式构造融合属性信息的粗粒度图,基于原图与粗粒度图构成层次化的多粒度空间结构,多粒度对比学习模块使用最粗粒度层对最粗粒度层的对比学习方法和最粗粒度层与更细粒度层的对比学习方法,得到优化的节点嵌入表示。基于图节点嵌入表示进行节点分类,得到分类结果。采用上述方案的本申请在保证图对比学习的性能的同时,有效减少了图对比学习的时间成本,提升了节点分类的效率。
-
-
-
-
-
-
-
-
-