-
公开(公告)号：CN117196548A
公开(公告)日：2023-12-08
申请号：CN202311103212.8
申请日：2023-08-28
Applicant: 大连海事大学
IPC: G06Q10/105 , G06Q10/0639 , G06N3/04
Abstract: 本发明公开了一种基于深度强化学习的促进合作的工人激励方法，包括：建立工人合作模型将众包工人之间的互动过程建模为博弈过程；将众包工人的协作过程建模为马尔可夫决策过程，并使用强化学习算法优化工人的协作行为；利用图神经网络基于深度强化学习的动态激励机制和DIFFPOOL技术学习整个网络的全局表示和工人的局部表示，生成适合每个工人的激励值。该方法提出了ACM模型和DDWM激励机制来解决众包任务中的协作问题，将工人的局部表示和整个网络的全局表示进行结合，这可以使请求者来估计工人在网络中是否具有影响力和判断该工人是否能够促进合作，从而生成适合每个工人的激励值。
-
公开(公告)号：CN113379778A
公开(公告)日：2021-09-10
申请号：CN202110626336.9
申请日：2021-06-04
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于内容自适应阈值的图像紫边检测方法，包括：将图像的局部最大值减去局部最小值得到灰度图像，通过自适应阈值方法得到掩摸二值图像；将RGB图像转换为YCbCr图像、同时获得第一象限像素，在YCbCr亮度分量Yn图像上做高斯加权卷积运算，计算Yn图像中每个点的梯度大小；根据梯度值和标准差设置自适应阈值，选择高对比度像素值；根据高对比度像素的色度值计算范数比；根据约束的决策域选出二值区域；将获得的掩摸二值图像与二值区域进行与操作从而得到精细后的紫边检测区域。
-
公开(公告)号：CN111325690A
公开(公告)日：2020-06-23
申请号：CN202010104677.5
申请日：2020-02-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。
-
Patent Agency Ranking
公开(公告)号：CN117371542A
公开(公告)日：2024-01-09
申请号：CN202311070801.0
申请日：2023-08-23
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于工人绩效的众包真值推理方法，包括如下步骤：读取众包数据，所述众包数据包括众包任务集合和众包答案集合；以众包答案集合作为基础数据，通过EEMA算法计算排序后的工人序列W；以工人序列W、众包任务集合、众包答案集合作为数据，使用head‑tail‑2算法计算出众包任务的真值。该方法在图挖掘算法的基础上考虑了节点的权值，即工人的绩效，这样可以使得提取出的专家集合更精确，即提取出可靠性更高的专家，同时算法可以对众包工人进行排序，排序靠前的工人准确率更高。
-
公开(公告)号：CN111325690B
公开(公告)日：2023-08-22
申请号：CN202010104677.5
申请日：2020-02-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。
-
公开(公告)号：CN113158487B
公开(公告)日：2022-04-12
申请号：CN202110501935.8
申请日：2021-05-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于长短期记忆深度网络的波前相位差探测方法，包括：输入某实际光学系统的特征参数并生成训练数据集；根据傅里叶光学原理将训练数据集生成一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)；提取上述一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)的特征向量作为输入数据；提取从实际光学系统收集的PSF图像序列的特征向量；将PSF图像序列按照时序t输入至完成训练的卷积神经网络模型中确定波面畸变相位从而得到一系列的用于训练的畸变相位参数；生成用于LSTM深度网络训练的输入数据和输出数据，初始化网络参数并反复对LSTM深度网络进行训练直至其损失函数收敛。
-
公开(公告)号：CN113158487A
公开(公告)日：2021-07-23
申请号：CN202110501935.8
申请日：2021-05-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于长短期记忆深度网络的波前相位差探测方法，包括：输入某实际光学系统的特征参数并生成训练数据集；根据傅里叶光学原理将训练数据集生成一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)；提取上述一对焦面PSF图像i1(x,y)和离焦PSF图像i2(x,y)的特征向量作为输入数据；提取从实际光学系统收集的PSF图像序列的特征向量；将PSF图像序列按照时序t输入至完成训练的卷积神经网络模型中确定波面畸变相位从而得到一系列的用于训练的畸变相位参数；生成用于LSTM深度网络训练的输入数据和输出数据，初始化网络参数并反复对LSTM深度网络进行训练直至其损失函数收敛。
-
公开(公告)号：CN111291899A
公开(公告)日：2020-06-16
申请号：CN202010104649.3
申请日：2020-02-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于自适应代价矩阵的宽度学习系统不平衡分类方法，将输入数据通过特征映射得到数据特征，将数据特征采用特征映射得到增强特征，将数据特征和增强特征组合进而获取输出权重矩阵Wout采用稀疏代价矩阵W对输出权重矩阵Wout进行改进，获取权重矩阵Wout的最优值 使用优化算法对稀疏代价矩阵进行优化，提高宽度学习系统的准确率和F值，该方法通过对不同的分类数据采用不同的分类代价，一方面使用稀疏代价矩阵为代价学习方法提供了较少的参数，另一方面通过优化算法框架对稀疏代价矩阵进行优化，可以快速获得最优的稀疏代价矩阵的参数。与传统解决不平衡分类方法相比，该方法并没有改变原始数据的分布而采用代价敏感的方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
