公开(公告)号：CN117557839A

公开(公告)日：2024-02-13

申请号：CN202311488373.3

申请日：2023-11-09

Applicant: 安徽大学

Inventor： 程凡 ,  吴磊 ,  李凯旋 ,  邱剑峰

IPC: G06V10/764 ,  G06V20/13 ,  G06N20/10 ,  G06N3/006 ,  G06N3/12

Abstract: 本发明公开了一种基于多分类实例选择的遥感图像检测方法，包括：S1、采集遥感图像数据，并进行数据预处理；S2、基于预处理后的数据初始化实例种群，计算实例重要度；S3、计算第g代种群中每个个体的优化目标值；S4、在无约束条件下迭代优化训练遥感图像SVM分类模型；S5、构造约束条件，在约束条件下迭代优化训练遥感图像SVM分类模型；S6、采集目标遥感图像数据，并通过分类模型进行分类得到分类结果。本发明能选出分类精度最高的模型作为卫星遥感图像分类模型，从而能提高对多类别遥感图像的分类性能，减少分类的预测时间。

公开(公告)号：CN119719986A

公开(公告)日：2025-03-28

申请号：CN202411847117.3

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 程凡 ,  韩刚 ,  李凯旋 ,  汤琪

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/15 ,  G06N3/126 ,  G06Q30/018 ,  G06Q50/00

Abstract: 本发明公开了一种基于进化PU算法的社交网络水军识别方法，包括：步骤1、收集正标签的社交网络水军特征样本集和无标签的社交网络用户特征样本集，作为待训练的数据集；步骤2、初始化种群，并构建一个引导向量；步骤3、基于进化PU算法对种群进行优化；步骤4、引导向量更新；步骤5、从最终种群中选择出一个最优个体，作为真实社交网络水军识别器。本发明能提高社交网络水军识别效率和准确率，不仅减少将正常用户错误分类为水军概率，还尽可能多的找到更多潜伏于社交网络中的水军。

公开(公告)号：CN115732033A

公开(公告)日：2023-03-03

申请号：CN202211464491.6

申请日：2022-11-22

Applicant: 安徽大学

Inventor： 程凡 ,  张睿 ,  毛锐 ,  李凯旋 ,  张磊

IPC: G16B25/00 ,  G16B40/00 ,  G06N3/006 ,  G16B20/00

Abstract: 本发明公开了一种基于多目标特征选择的生物性状表达的基因选择方法，包括：步骤1：输入生物基因样本；步骤2：对输入的基因样本的特征进行分组并且针对每一个分组产生一个子种群；步骤3：各个子种群独立进化；步骤4：将所有的子种群逐步归并；步骤5：所有子种群最终合并为一个种群，该种群在原始基因上搜索，最终得到在原始基因集合上表达效果最好的部分基因，并且将它作为最终选择的基因。本发明能从大量的基因特征中筛选出数量较少且重要性较高的基因，从而有效提高高维生物性状表达的基因选择的准确性，同时也有利于缩短研究周期，降低研究成本。

公开(公告)号：CN118736423A

公开(公告)日：2024-10-01

申请号：CN202411107445.X

申请日：2024-08-13

Applicant: 安徽大学

Inventor： 祝思文 ,  程凡 ,  汤琪 ,  李凯旋

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06N3/126 ,  G06N20/00

Abstract: 本发明公开了一种基于进化PU学习的农田杂草智能识别方法，包括：1：收集有标签样本与无标签样本的农作物图像数据，提取并归一化植物的属性特征，构建数据集；2：构建农作物图像数据样本的标签预测模型；3：通过基于二元竞争策略为训练集构建主种群和辅助种群，并设定其状态；4：进化多任务优化方法迭代优化提高模型性能；5：在进化过程中逐步更新种群状态；6：最终从种群中选取最优的个体，作为最终的分类器，用于从目标农作物图像筛选出杂草。本发明克服无标签样本对杂草识别的局限性，从而能提高杂草识别的准确性和效率，以实现更科学、高效的农田智能喷药作业。

公开(公告)号：CN117409243A

公开(公告)日：2024-01-16

申请号：CN202311351227.6

申请日：2023-10-18

Applicant: 安徽大学

Inventor： 程凡 ,  马成 ,  李凯旋

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明公开了一种基于进化多任务优化的乳腺组织CT影像多分类方法，包括：步骤1：获取乳腺组织CT影像训练样本数据并进行预处理，从而构建样本数据集；步骤2：将样本数据集分解成多个训练子集，并为每一个训练子集构建对应的子种群；步骤3：对子种群进行分簇并设置状态；步骤4：根据子种群状态选取不同的进化方式；步骤5：进化过程中逐步更新子种群状态；步骤6：最终从子种群中选取最优秀的个体组成多分类器，作为乳腺组织CT影像分类模型，实现对乳腺组织CT影像样本的分类。本发明能经过训练得到优秀的多分类器，从而快速分类出不同的乳腺组织CT影像的状态，并提升分类结果的准确度和精度。

公开(公告)号：CN119649153A

公开(公告)日：2025-03-18

申请号：CN202411910651.4

申请日：2024-12-24

Applicant: 安徽大学

Inventor： 程凡 ,  权斯翔 ,  李凯旋

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V20/13 ,  G06N3/126

Abstract: 本发明公开了一种基于进化多任务优化的城市土地遥感影像分类方法，包括：1：获取城市土地覆盖遥感影像样本并进行预处理，从而构建样本数据集；2：将样本数据集分解成多个训练子集，并为每一个训练子集构建对应的子种群；3：对子种群评估状态在线调整执行知识迁移操作的概率；4：根据子种群状态选取不同的源种群为其提供知识；5：利用表征全局信息的模型进行交互获得更优分类器；6：选取一部分表现较差的分类器进行不平衡调整；7：最终从子种群中选取最优秀的个体组成多分类器，识别城市土地不同类型的土地使用和覆盖情况。本发明通过构建并训练最优多分类器，能快速分类出不同的城市土地类型，从而提升土地类型分类结果的准确度和精度。

公开(公告)号：CN119132416A

公开(公告)日：2024-12-13

申请号：CN202411050965.1

申请日：2024-07-31

Applicant: 安徽大学

Inventor： 程凡 ,  郑昕 ,  李凯旋

IPC: G16B40/00 ,  G16B20/00

Abstract: 本发明公开了一种基于多任务样本选择的癌症标记物筛选方法，包括：步骤1、采集癌症基因表达数据集，并进行数据预处理；步骤2、计算样本的实例重要度构造辅助任务数据集；步骤3、基于预处理后的数据初始化主任务种群和辅助任务种群；步骤4、分别计算两任务种群中每个个体的优化目标值，采取不同的进化策略生成子代；步骤5、每隔k代在两任务之间进行知识转移；每隔r代重构辅助任务；步骤6、迭代优化，选出最佳的样本子集；步骤7、将样本子集输入特征选择算法，获取最终的基因表达组合，即筛选出疑似癌症标记物。本发明能选出最佳的样本子集，从而提高癌症标记物筛选的时间效率，并筛选出较优的癌症标记物。

公开(公告)号：CN117523400A

公开(公告)日：2024-02-06

申请号：CN202311554541.4

申请日：2023-11-21

Applicant: 安徽大学

Inventor： 程凡 ,  王彦勋 ,  邱剑峰 ,  李凯旋

IPC: G06V20/10 ,  G06N3/126

Abstract: 本发明公开了一种基于进化多模态算法的高光谱端元提取方法，包括：1、导入高光谱遥感图像数据，并构建种群个体；2、使用多种群框架，对得到的高光谱遥感图像种群进行划分，并分别进化；3、对各个子种群进行合并或者生成新的子种群，获得一组非支配的Pareto解集，经过多代进化，获得一组高光谱端元提取的结果。本发明能从多模态角度衡量端元的质量，对决策空间进行优化，解决了端元重复问题，进一步提高了端元的精度，从而能改善端元提取效果。