一种基于fasttext的垃圾信息识别方法

    公开(公告)号:CN114385796A

    公开(公告)日:2022-04-22

    申请号:CN202111471317.X

    申请日:2021-12-04

    Abstract: 本发明公开了一种基于fasttext的垃圾信息识别方法,本发明涉及自然语言处理和机器学习领域,结合TF‑IDF算法和fasttext算法,形成新的TF‑fasttext算法提供了对垃圾信息识别的效率。本发明对传统的fasttext算法进行了三个方面的优化。首先将TF‑IDF算法进行改进,将同类文本和不同文本之间的关系考虑进去,引入参数类频,来代表特征词在某类中出现的次数。其次将改进后的TF‑IDF算法与n‑gram模型结合,形成新的TF‑IDF‑N算法对n‑gram操作后的词进行特征筛选,根据特征词权重保留高区分度的词,去掉低区分度的词。从而消减了fasttext模型的噪声数据,保留更具代表性的特征词序列。最后在fasttext算法的输出层用层次softmax函数提升了模型判断的精度,而且缩短了样本训练的时间。

    一种负载型铂基单原子三元合金催化剂及其制备方法

    公开(公告)号:CN114082418A

    公开(公告)日:2022-02-25

    申请号:CN202111387969.5

    申请日:2021-11-22

    Abstract: 本发明公开了一种负载型铂基单原子三元合金催化剂及其制备方法,涉及催化剂技术领域。本发明的催化剂包括Pt和两种过渡金属;Pt0.01~3%;两种过渡金属0.01~3%,制备方法为金属氧化物载体与两种不同金属盐的前驱体及还原剂溶液形成分散液;取固体部分在惰性高温处理;二次浸渍于Pt盐溶液和表面活性剂的混合溶液中,固体产物在惰性气氛下热处理。本发明的催化剂以少量Pt为活性组分,降低了成本;Pt与双金属合金形成Pt单原子三元合金,Pt主要以单原子形式分散在双金属合金纳米颗粒表面,一方面极大地提高了Pt的原子利用率;另一方面促进了产物丙烯的脱附,抑制了C‑C键断裂和深度脱氢等副反应,因而很好地提升了催化剂的活性、选择性和稳定性。

    一种含水土壤的总氮含量红外光谱分析方法

    公开(公告)号:CN113916822A

    公开(公告)日:2022-01-11

    申请号:CN202110998389.3

    申请日:2021-08-27

    Abstract: 本发明属于土壤总氮含量分析技术领域,具体涉及一种含水土壤的总氮含量红外光谱分析方法。本发明的方法包括如下步骤:步骤1,采集土壤样品的近红外光谱,得到近红外光谱原始数据;步骤2,采用直接光谱转换算法,将步骤1得到的近红外光谱原始数据转换为干燥土壤的近红外光谱数据;步骤3,根据步骤2所得干燥土壤的近红外光谱数据预测所述土壤样本的总氮含量结果。本发明能够更加准确地预测含水土壤中的总氮含量,能够减少人力和资源的消耗,具有高效率和低成本的优势,因而本发明的方法在农业、环保和生物研究等领域具有很好的应用前景。

    一种土壤总氮的红外光谱分析方法

    公开(公告)号:CN113702329A

    公开(公告)日:2021-11-26

    申请号:CN202110998399.7

    申请日:2021-08-27

    Abstract: 本发明属于土壤总氮含量分析技术领域,具体涉及一种土壤总氮的红外光谱分析方法。本发明的分析方法包括如下步骤:步骤1,采集土壤样品的近红外光谱,得到近红外光谱数据;步骤2,通过SG平滑算法对所述近红外光谱数据进行预处理;步骤3,通过预测模型对经过步骤2预处理后的近红外光谱数据进行预测,得到总氮含量结果。本发明在对土壤总氮的红外光谱分析方法中加入了预处理步骤,同时对预处理算法、建模算法、建模参数等进行了优选,能够提高模型预测土壤总氮含量的准确性,在农业、环保和生物研究等领域具有很好的应用前景。

    一种基于图神经网络的小样本图像分类方法

    公开(公告)号:CN113392876A

    公开(公告)日:2021-09-14

    申请号:CN202110563578.8

    申请日:2021-05-24

    Abstract: 本发明公开了一种基于图神经网络的小样本图像分类方法。本发明对基于图神经网络的EGNN算法进行改进优化,提出一种小样本图像分类方法。本发明方法主要由任务适应特征提取模块TAB、原型图神经网络模块和特征融合度量模块组成。本发明首先提出一种任务适应特征提取模型进行查询图像的特征提取,通过利用支持图像特征学习预测一组参数作用于查询图像特征图,调整查询图像不同特征的贡献,使其更能适应小样本的分类任务。同时在原网络上引入原型节点表示、特征融合度量模块,分别用于降低图节点规模和提升分类准确率。

    一种基于改进的RetinaNet小目标检测方法

    公开(公告)号:CN113159063A

    公开(公告)日:2021-07-23

    申请号:CN202110344831.0

    申请日:2021-03-30

    Abstract: 本发明公开了一种基于改进RetinaNet的小目标检测技术。该发明在许多基于深度学习的目标检测模型都具有一定的实用性,该专利以行人与车辆检测为说明案例。行人与车辆的检测在计算机视觉的实际较为广泛,且两类目标都呈现出目标尺寸下、检测场景复杂的特点。针对检测场景复杂的问题,在RetinaNet模型结构中的FPN加入了多层融合模块,多层融合可以一定程度解决特征金字塔结构中顶层语义信息被稀释的问题;针对小目标的问题,由于多尺度检测中小目标在特征层的选择灵活性较低,较大程度上依赖金字塔底层的细节信息,利用超分辨SR技术对底层特征信息进行补偿,使底层的细节信息和纹理信息等更加丰富。基于改进后的RetinaNet算法模型能够精准识别小尺寸目标,且模型也取得较高检测精度。

    一种基于状态感知模板更新的目标跟踪算法

    公开(公告)号:CN113052875A

    公开(公告)日:2021-06-29

    申请号:CN202110338092.4

    申请日:2021-03-30

    Abstract: 本发明公开了一种改进的基于状态感知模板更新的目标跟踪技术。在目标跟踪时,随着图像采集设备和目标之间角度的变化,或者目标本身特性造成的形态变化,会造成图像序列中目标形状、大小上的变化,即目标形变问题,给目标跟踪算法带来了一定的挑战。本发明根据目标形变问题,基于SiamRPN算法提出了一种基于状态感知模板更新的Siamese目标跟踪技术,从两个角度来着手改进目标跟踪里的模板更新。一是如何进行模板更新,结合元学习的思想,构建模板更新网络,实现快速可靠的模板更新。二是何时进行模板更新,通过构建一个长短记忆网络来对目标状态进行判断,决定更新目标模板的时机。本发明能有效的解决长时目标跟踪场景下的目标模板更新的问题。

    一种基于两阶段局部特征对齐的目标检测方法

    公开(公告)号:CN113052184A

    公开(公告)日:2021-06-29

    申请号:CN202110270152.3

    申请日:2021-03-12

    Abstract: 本发明公开了一种基于两阶段局部特征对齐的目标检测技术。该发明可以进一步增强以Faster R‑CNN为代表的目标检测算法在不同应用场景下的泛化性能。以往基于特征对齐的目标检测技术通常存在两个问题:一是网络训练前期前景目标特征区域定位不准确;二是不按前景目标分类进行特征对齐,算法细粒度较低。本发明提出的两阶段特征对齐方法,在训练的第一阶段,利用中心特征点图生成的标准候选框解决前景目标特征区域定位不准确问题;在训练的第二阶段,对前景目标特征按分类结果进行特征对齐,提升算法的细粒度。该发明提出的方法网络结构简单,且能移植到其他目标检测算法中去。

Patent Agency Ranking