-
公开(公告)号:CN110619367B
公开(公告)日:2022-05-13
申请号:CN201910891895.5
申请日:2019-09-20
Applicant: 哈尔滨理工大学
IPC: G06V10/77 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明的实施方式提供了一种联合低秩约束跨视角判别子空间学习方法及装置。上述方法包括:定义双低秩判别子空间学习式的目标函数;采用有监督的正则化项作为强约束条件,目标函数重新拟定;增加联合异构正则化项将目标函数重新拟定;将图像数据集分成测试集和训练集;利用训练集求解出目标函数值最小化时各个变量的值;目标函数求解后得到特征子空间;通过所述特征子空间投影测试集,得到数据集里所有类别图像的所有特征,最终通过分类器得到所述数据集的识别率。本发明联合异构正则化项作为约束来构造用于特征学习的判别项,其能够将样本的同构和异构信息投影到子空间来用于图像识别和分类任务的判别学习模型中,促进模型自适应性和鲁棒性。
-
公开(公告)号:CN110619367A
公开(公告)日:2019-12-27
申请号:CN201910891895.5
申请日:2019-09-20
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 本发明的实施方式提供了一种联合低秩约束跨视角判别子空间学习方法及装置。上述方法包括:定义双低秩判别子空间学习式的目标函数;采用有监督的正则化项作为强约束条件,目标函数重新拟定;增加联合异构正则化项将目标函数重新拟定;将图像数据集分成测试集和训练集;利用训练集求解出目标函数值最小化时各个变量的值;目标函数求解后得到特征子空间;通过所述特征子空间投影测试集,得到数据集里所有类别图像的所有特征,最终通过分类器得到所述数据集的识别率。本发明联合异构正则化项作为约束来构造用于特征学习的判别项,其能够将样本的同构和异构信息投影到子空间来用于图像识别和分类任务的判别学习模型中,促进模型自适应性和鲁棒性。
-
公开(公告)号:CN110889358A
公开(公告)日:2020-03-17
申请号:CN201911137696.1
申请日:2019-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于相关系数和联合稀疏表示的高光谱图像分类方法及装置,属于图像分类技术领域,该方法结合光谱的相似性和局部空间一致性,使用相关系数来计算两个变量之间的相关性大小,以此计算出像元与每个类之间的相关性大小;再使用SOMP算法计算出最稀疏的矩阵,并使用该矩阵计算出像元与每个类之间的残差;此外,使用了联合稀疏表示和相关系数同时对分类函数模型进行约束,并引入了一个参数来平衡联合稀疏表示和相关系数的权重,促进模型的自适应性和鲁棒性,与其他方法相比,精确度更高,性能更加稳健。
-
公开(公告)号:CN210324073U
公开(公告)日:2020-04-14
申请号:CN201921668965.2
申请日:2019-10-08
Applicant: 哈尔滨理工大学
IPC: G06F1/20
Abstract: 本实用新型涉及计算机冷却技术领域,更具体的说是一种计算机冷却系统,包括笔记本计算机支撑架,该计算机冷却系统还包括助冷却机构,助冷却机构设置有两个,两个助冷却机构均滑动连接在笔记本计算机支撑架的外侧,助冷却机构包括滑架、弹簧、抽风箱、抽风罩和抽风风扇,抽风箱滑动连接在滑架上,抽风箱和滑架的下端之间固定连接有弹簧,抽风箱的内侧固定连接有抽风罩且其内部固定连接有多个抽风风扇,本实用新型将笔记本计算机支撑架和助冷却机构有效结合,使本装置可以根据笔记本的排风口的位置改变冷却机构的所在位置,进而以抽风的方式辅助笔记本计算机将热量散发出去,结构简单,适合不同型号、品牌的笔记本电脑使用。
-
-
-