-
公开(公告)号：CN109671031B
公开(公告)日：2022-03-18
申请号：CN201811531615.1
申请日：2018-12-14
Applicant: 中北大学
Abstract: 本发明涉及多光谱成像领域的图像反演问题领域，更具体而言，涉及一种基于残差学习卷积神经网络的多光谱图像反演方法。该方法首先任选一个通道作为主通道(其它通道作为从通道)，利用传统的方法(调焦或图像去模糊算法)获取主通道的清晰图像，然后将该清晰图像输入到各个从通道残差神经网络模型，即可计算出各个从通道残差神经网络模型的输出(即从通道图像与主通道图像间的残差)，最后将该残差与主通道图像相加，即可反演出各个从通道的清晰图像。
-
公开(公告)号：CN106815643B
公开(公告)日：2019-04-02
申请号：CN201710037798.0
申请日：2017-01-18
Applicant: 中北大学
IPC: G06N20/00
Abstract: 本发明公开一种基于随机森林迁移学习的红外光谱模型传递方法，利用随机森林思想将主仪器扫描的样本数据集利用Bootstrap方法生成多个子数据集；针对每个子数据集，结合目标仪器扫描的样本数据集，利用迁移学习算法建立目标仪器上的分析模型；针对目标仪器上采集的待测样本红外光谱，根据建立的每个分析模型预测其待测组分含量；计算每个待测样本与建立的各个分析模型中样本之间的结构分布相似度，以确定与每个待测样本对应的各个目标分析模型权重因子；再利用加权平均方法对预测结果进行汇总，得到最终的待测组分含量。该方法具备鲁棒性强、自适应的优点，有效提升模型传递的准确度和稳定性，可以广泛应用于固相、液相和气相的红外光谱模型传递领域中。
-
公开(公告)号：CN108519347A
公开(公告)日：2018-09-11
申请号：CN201810314240.7
申请日：2018-04-10
Applicant: 中北大学
IPC: G01N21/359
Abstract: 本发明属于红外光谱波长选择方法技术领域，具体涉及一种基于二进制蜻蜓算法的红外光谱波长选择方法，将红外光谱波长选择抽象为二进制优化问题，利用蜻蜓算法进行求解，并引入策略来保证优化的全局性和收敛速度，筛选出最优的波长点组合。该方法将红外光谱波长筛选问题转化为一个二进制优化问题，并创新性地利用蜻蜓算法进行优化求解，同时提出了一系列策略来保证优化的全局搜索和收敛速度，从而筛选出最优的波长点组合。与现有方法相比，该方法具备避免落入局部极值点、收敛速度快等优点，可以广泛应用于固相、液相和气相的红外光谱波长选择领域中。
-
公开(公告)号：CN118861417A
公开(公告)日：2024-10-29
申请号：CN202410871768.X
申请日：2024-07-01
IPC: G06F16/9535 , G06Q10/0639 , G06Q50/20 , G06F18/23 , G06N3/096
Abstract: 本公开实施例公开了一种学生学习画像生成方法、装置、存储介质、程序产品。方法包括：构建包括学习行为指标和学习成果指标的指标集；对学习行为指标进行筛选，获得关键指标；获取多个参与方的学习数据，包括与关键指标对应的学习行为数据和与学习成果指标对应的学习结果数据；基于学习数据和预设的评估模型筛选出与学习成果具有关联的核心指标；获取若干个维度，在核心指标中选择出每个维度的评估指标；基于评估指标在学习数据中筛选出学生的评估指标数据；基于评估指标数据和维度构建学生的学习能力画像。该方法能够精准从众多的指标中筛选出每个维度所需的评估指标，通过各个维度及其评估指标构建出学习能力画像，实现学生的个性化画像定制。
-
公开(公告)号：CN106815643A
公开(公告)日：2017-06-09
申请号：CN201710037798.0
申请日：2017-01-18
Applicant: 中北大学
IPC: G06N99/00
CPC classification number: G06N99/005
Abstract: 本发明公开一种基于随机森林迁移学习的红外光谱模型传递方法，利用随机森林思想将主仪器扫描的样本数据集利用Bootstrap方法生成多个子数据集；针对每个子数据集，结合目标仪器扫描的样本数据集，利用迁移学习算法建立目标仪器上的分析模型；针对目标仪器上采集的待测样本红外光谱，根据建立的每个分析模型预测其待测组分含量；计算每个待测样本与建立的各个分析模型中样本之间的结构分布相似度，以确定与每个待测样本对应的各个目标分析模型权重因子；再利用加权平均方法对预测结果进行汇总，得到最终的待测组分含量。该方法具备鲁棒性强、自适应的优点，有效提升模型传递的准确度和稳定性，可以广泛应用于固相、液相和气相的红外光谱模型传递领域中。
-
Patent Agency Ranking
公开(公告)号：CN104964943A
公开(公告)日：2015-10-07
申请号：CN201510279002.3
申请日：2015-05-28
Applicant: 中北大学
IPC: G01N21/35
Abstract: 本发明涉及红外光谱波长技术领域，更具体而言，涉及一种基于凸优化理论的新型红外光谱波长选择方法，是一种采用Group Lasso方法、无需知道光谱分块先验知识的自适应波长选择方法；本发明将红外光谱波长筛选问题转化为一个Group Lasso稀疏优化问题，充分利用红外光谱的稀疏结构先验知识，自适应确定分块大小，同时采用Shooting快速算法计算稀疏解，并对稀疏解进行Belsley共线性检验，剔除其中贡献较小的波长点；该方法具备计算量小、可调参数少、鲁棒性强等优点，从而可以有效降低模型的复杂度，提升模型的泛化性能，可以广泛应用于固相、液相和气相的红外光谱波长选择领域中。
-
公开(公告)号：CN108960193B
公开(公告)日：2021-09-14
申请号：CN201810815699.5
申请日：2018-07-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于迁移学习的跨组分红外光谱模型移植方法，将源组分和目标组分的样本光谱数据集合并进行主成分分析，并根据累计贡献率选取合适的主成分个数，进行模型移植，迭代训练多个弱定量分析模型，在每次迭代过程中，动态调整源组分和目标组分的样本权重大小。针对源组分数据集的样本，若前一次构建的定量分析模型预测误差较大，则减小该样本的权重；针对目标组分数据集的样本，若前一次构建的定量分析模型预测误差较大，则增大该样本的权重。最后，针对待预测的目标组分样本，将该样本送入每个弱定量分析模型进行预测，通过加权平均的方法对各个弱定量分析模型的结果进行集成汇总，得到的强定量分析模型预测结果。
-
公开(公告)号：CN108519347B
公开(公告)日：2020-11-06
申请号：CN201810314240.7
申请日：2018-04-10
Applicant: 中北大学
IPC: G01N21/359
Abstract: 本发明属于红外光谱波长选择方法技术领域，具体涉及一种基于二进制蜻蜓算法的红外光谱波长选择方法，将红外光谱波长选择抽象为二进制优化问题，利用蜻蜓算法进行求解，并引入策略来保证优化的全局性和收敛速度，筛选出最优的波长点组合。该方法将红外光谱波长筛选问题转化为一个二进制优化问题，并创新性地利用蜻蜓算法进行优化求解，同时提出了一系列策略来保证优化的全局搜索和收敛速度，从而筛选出最优的波长点组合。与现有方法相比，该方法具备避免落入局部极值点、收敛速度快等优点，可以广泛应用于固相、液相和气相的红外光谱波长选择领域中。
-
公开(公告)号：CN106228200B
公开(公告)日：2020-01-14
申请号：CN201610903076.4
申请日：2016-10-17
Applicant: 中北大学
IPC: G06K9/62
Abstract: 本发明涉及一种不依赖于运动信息采集设备的动作识别方法，适用于不同的运动信息采集设备；该方法包括两个阶段，分别为模型训练阶段和模型预测阶段，所述模型训练阶段是指建立运动信息与动作之间的映射关系，所述模型预测阶段是指根据采集的运动信息计算出对应的动作类别；本发明将一个动作识别方法在不同运动信息采集终端设备上部署兼容性的问题，具体考虑了不同采样频率、不同佩戴位置、传感器不同精度及灵敏度等因素对动作识别结果的影响；本发明可应用在智能手机、平板电脑、腕带、腕表等内嵌惯性传感器单元如加速度计、陀螺仪或磁力计等的终端设备。
-
公开(公告)号：CN105372198B
公开(公告)日：2019-04-30
申请号：CN201510710525.9
申请日：2015-10-28
Applicant: 中北大学
IPC: G01N21/35 , G01N21/359
Abstract: 本发明涉及红外光谱技术领域，更具体而言，涉及一种基于集成L1正则化的红外光谱波长选择方法，是一种利用集成学习思想的红外光谱波长选择方法；提供一种基于集成L1正则化的红外光谱波长选择方法，首先利用Bootstrap抽样方法生成若干个子数据集，其次针对每个子数据集采用无信息变量消除法进行预处理，然后利用L1正则化方法对每个子数据集进行特征选择，将特征选择问题转换为稀疏优化问题并进行计算，最后采用投票法对各个子数据集的波长选择结果进行集成，从而筛选出最佳的特征波长组合；本发明主要应用在红外光谱方面。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.044 seconds)
