公开(公告)号：CN119091197A

公开(公告)日：2024-12-06

申请号：CN202411105032.8

申请日：2024-08-13

Applicant: 大连理工大学

Inventor： 王振伟 ,  张强 ,  于硕 ,  王鹏飞 ,  赵妙云 ,  杨胤超 ,  苏伟健

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明属于计算机视觉图像处理技术领域，提供了一种多模态提示学习的二阶少样本医学图像分类方法、系统、存储介质及设备，包括获取少样本医学图像数据，引入辅助文本输入，以进一步描述图像或概念类别，促进跨模态学习，结合两种分类头：一种是共享分类头，用于处理视觉编码器中的图像类别标记和文本编码器编码的提示表示；另一种则是通过使用具有高效矩阵幂归一化的全局协方差池化来聚合视觉标记，对来自视觉编码器的视觉标记特征分布进行分类。本发明显著提升了少样本医学图像分类的精度。

公开(公告)号：CN114359972B

公开(公告)日：2024-12-03

申请号：CN202210046395.3

申请日：2022-01-13

Applicant: 大连理工大学

Inventor： 王亚茹 ,  候亚庆 ,  于华 ,  张强 ,  周东生

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于深度学习、目标检测领域，涉及一种基于注意力机制的遮挡行人检测方法。通过本发明构建一个新型的基于注意力机制与遮挡处理的行人检测器SKGNet，将轻量级的选择性核与空间分组增强注意力模块SKG嵌入到ResNet‑101网络的标准残差块中，构建出高效的特征提取骨干网络SKGNet‑101，有助于网络提取到更关键的特征信息，并提高特征图的表达能力。并且针对拥挤场景中的行人遮挡情况，提出了一个掩膜调制模块，以提高遮挡行人的检测性能。通过掩膜模块调制后的特征可以帮助后续的分类网络以更高的置信度检测部分或严重遮挡的行人，否则可能会被忽略而检测失败。

公开(公告)号：CN119005262A

公开(公告)日：2024-11-22

申请号：CN202411002316.4

申请日：2024-07-25

Applicant: 大连理工大学

Inventor： 宋威 ,  王鹏飞 ,  苏展 ,  许淞嘉 ,  张强

IPC: G06N3/0495 ,  G06F18/23213 ,  G06N3/082 ,  G06N3/045 ,  G06N3/098 ,  G06F21/62

Abstract: 本发明提供了一种恶意客户负面影响忘却方法及应用、电子设备与存储介质，属于深度学习技术领域。本发明通过计算客户端的本地模型参数的低质量因子并利用K‑means聚类算法筛选出含有低质量数据的恶意客户端，并进一步筛选出恶意客户端本地模型中受低质量数据影响的参数；随后，通过知识蒸馏技术对恶意客户端的负面影响进行忘却。本发明能有效识别并处理低质量的本地模型段，减少不良数据对全局模型的负面影响，同时保留高质量数据的积极贡献，降低了计算和通信成本；该方法动态调整模型参数，确保模型在各种环境下始终保持最佳性能，并通过联邦学习框架增强客户隐私保护，提高了分布式数据训练的效率和可靠性。

公开(公告)号：CN118966347A

公开(公告)日：2024-11-15

申请号：CN202411449013.7

申请日：2024-10-17

Applicant: 大连理工大学 ,  广州九富信息科技有限公司

Inventor： 文瑞 ,  战哲 ,  于硕 ,  张强

IPC: G06N5/022 ,  G06N3/0499 ,  G06N3/0895

Abstract: 一种基于邻域语义增强的多模态知识图谱补全方法，属于多模态知识图谱领域。具体来说，首先设计邻域语义增强模块，将不同邻域信息融合至中心实体的表示之中，增强模型的语义表达能力。然后，利用跨模态注意力机制，捕获不同模态间信息的相互作用与共同语义特征，实现邻域引导特征的学习。再根据基于对比学习方法比较正负样本间的相似性与差异性，学习更丰富的实体表示，最终改善多模态知识图谱补全结果。

公开(公告)号：CN118570248A

公开(公告)日：2024-08-30

申请号：CN202410649974.6

申请日：2024-05-24

Applicant: 大连理工大学

Inventor： 杨鑫 ,  于男男 ,  张强 ,  魏小鹏

IPC: G06T7/215 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/762

Abstract: 一种基于深度超图聚类的事件相机运动分割方法。通过充分挖掘事件的运动信息，并结合事件的时空特性构建时空运动超图。该时空运动超图保留了事件流的时间分辨率，能表示事件在时间间隔内的高阶数据结构，提高事件数据的高阶表征能力；增强时序信息在算法中的利用，其对运动分割任务至关重要。将基于事件的运动分割问题转化为超图切割问题，实现基于深度超图聚类的事件相机的运动分割方法。根据运动分割后的事件簇类间距离小，类内距离大的标准，利用自设计的深度超图聚类模块完成聚类，即实现输入事件序列的运动分割。本发明方法即利用图卷积神经网络学习节点的特征嵌入表示，又通过自训练的图聚类增强同一簇节点之间的内聚性，提高算法的泛化性。

公开(公告)号：CN115064790B

公开(公告)日：2024-08-27

申请号：CN202210694265.0

申请日：2022-06-20

Applicant: 大连理工大学

Inventor： 张凤祥 ,  乔少明 ,  王倩 ,  张强 ,  黄春宏

IPC: H01M10/42 ,  H01M10/052

Abstract: 一种同时优化配位环境和孔结构的金属单原子催化剂、制备方法及其在锂硫电池上的应用，属于电化学领域。该催化剂以带状CdS作为模板、造孔剂和S源，含氮原子聚合物作为C源、N源；其中，金属单原子包括锰、铁、镍、钴，含氮原子聚合物包括聚吡咯、聚苯胺。由于分级多孔的空心结构、C‑S‑C和金属‑N位点之间的协同作用，使得金属单原子催化剂在物理和化学层面均能够有效提升其对多硫化物的催化/吸附能力，进而全方位提升锂硫电池的性能，推进其商业化进程；该催化剂制备过程简单、原材料价格低廉。将该催化剂作为隔膜修饰材料应用于锂硫电池上，能够有效提升锂硫电池的倍率性能及其循环稳定性。

公开(公告)号：CN118282561A

公开(公告)日：2024-07-02

申请号：CN202410439349.9

申请日：2024-04-12

Applicant: 大连理工大学

Inventor： 张强 ,  杨胤超 ,  徐喜荣 ,  王鹏飞 ,  陶体伟

IPC: H04J3/06 ,  H04L41/12

Abstract: 本发明属于复杂网络同步技术领域，公开了一种基于随机切换拓扑的超图多智能体分组系统同步增强方法。本发明创新性地在时变超图多智能体分组系统中引入随机切换拓扑策略，讨论节点和超边关系随机演化对系统同步性的促进作用。这种连接关系的随机性为多智能体间的信息交流提供了更多的可能性，使得在通信带宽受限或网络环境不稳定的情况下，多智能体系统也能够实现分组同步。本发明的基于随机切换拓扑的超图多智能体分组系统同步增强方法，在通信资源受限的情况下，提高系统的同步效率。这对于需要高度协调一致性的场合具有重要意义。通过引入随机性，多智能体之间的信息交流可以更灵活地适应不稳定的网络环境，从而实现分组同步。

公开(公告)号：CN118012911A

公开(公告)日：2024-05-10

申请号：CN202410072701.X

申请日：2024-01-18

Applicant: 大连理工大学

Inventor： 李诗琪 ,  王鹏飞 ,  张强

IPC: G06F16/2455 ,  G06F16/2453 ,  G06F16/901

Abstract: 本发明提供了一种面向图数据的快速响应边缘缓存方法，属于数据处理技术领域。本发明基于查询感知节点的热度排序，结合节点的子图结构和用户查询频次，以提取当前服务器中用户感兴趣的热点信息。使用节点的局部结构代替全局属性，从而减小了计算的时间复杂度，同时保证了识别的准确性。同时考虑到边缘服务器缓存大小的不同，基于这些热门节点以及相关邻域结构，对原始图数据进行快速标签传播划分。在考虑缓存容量约束的同时，使得划分至边缘缓存上的子图具有更高的命中率，同时提高查询性能以缩短响应时间，从而提高获取信息的实时性和成本效益。

公开(公告)号：CN117636470A

公开(公告)日：2024-03-01

申请号：CN202311646553.X

申请日：2023-12-04

Applicant: 大连理工大学

Inventor： 杨鑫 ,  张强 ,  于男男 ,  王超毅 ,  魏小鹏

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于超图模型的事件相机步态识别方法。本发明首次提出以超图结构表征事件流。本发明提出的超图模型事件流表示方式充分发挥挖掘事件数据的时空关系和全局信息，并基于降采样事件流进行超图构建，可以更有效的提取步态序列的事件特征且减少了计算量。本发明提出了一个融合超图卷积、注意力机制和残差模块的超图神经网络模型，结合超图神经网络层的超大容量，最终使用Softmax函数生成运动目标的类别标签。超图卷积和注意力都是端到端可训练的模块，并且只要观察到非成对关系，就可以插入到大多数的图神经网络模型变体中。本发明能有效地利用事件数据的特征从而解决步态识别难题。

公开(公告)号：CN117575678A

公开(公告)日：2024-02-20

申请号：CN202311589131.3

申请日：2023-11-27

Applicant: 大连理工大学

Inventor： 曲禧龙 ,  张仁权 ,  张强 ,  徐喜荣

IPC: G06Q30/0202 ,  G06F18/20 ,  G06N5/01

Abstract: 本发明公开了一种基于超图阈值模型的营销网络最优影响客户群体的识别方法，该方法具体包括：步骤一：首先根据销售数据建立超图阈值模型。步骤二：使用超图阈值模型模拟客户口碑在营销网络中的传播，并按具体场景设置超边的阈值。步骤三：利用HCI‑TM算法筛选出最具推荐价值的客户群体进行推广，利用超图阈值规则模拟信息在客户间的传播。本发明提出了超图阈值模型多节点集体影响度量方法，设计了HCI‑TM算法以高效选择最大影响集，同时在营销网络中进行了应用。