公开(公告)号：CN111008710A

公开(公告)日：2020-04-14

申请号：CN201911005871.1

申请日：2019-10-22

Applicant: 湖州师范学院

Inventor： 胡文军 ,  楼俊钢 ,  魏玉震

IPC: G06N20/10

Abstract: 本发明涉及机器学习领域中的一类分类问题，具体涉及一种全局信息加局部信息正则的支持向量数据描述方法，包括获取训练样本、定义训练样本度量参数、计算概率密度函数与信息熵、获取决策函数、通过决策函数对位置样本进行决策几个步骤。本发明通过定义相对全部像域距离测度和相对局部像域距离测度，计算全局像域概率密度函数和局部像域概率密度函数，构建全局像域信息熵和局部像域信息熵，引入全局像域信息熵和局部像域信息熵到支持向量数据描述（SVDD）中，提高SVDD训练过程使用的信息量，减少训练过程对训练样本的不确定性，降低训练过程的惩罚参数敏感性，从而获得更好的决策模型。

公开(公告)号：CN117522744A

公开(公告)日：2024-02-06

申请号：CN202311468240.X

申请日：2023-11-07

Applicant: 湖州师范学院

Inventor： 魏玉震 ,  胡文军 ,  张雄涛 ,  占鹏飞 ,  余强国

IPC: G06T5/80 ,  G06F17/10

Abstract: 本发明提出了一种基于监督流形学习的光谱量化校正方法，包括以下步骤：(1)梳理对光谱信息具有潜在影响的环境因素进行显著性分析；(2)确定对光谱具有显著性影响的环境因素，设计正交试验，采集光谱信息；(3)以正交试验的环境参数因素水平值作为标签信息，确定各光谱样本点的邻域图，通过局部特征保持将原始光谱信息映射至低维流形空间；(4)采集新的光谱数据及其对应的环境参数，以建模时环境参数为基准，结合原始光谱空间和低维流形空间的结构，计算光谱修正量；(5)根据计算得到的光谱修正量得到最终的校正光谱。本发明以独特方式巧妙利用监督流形学习方法，实现对光谱信息中环境干扰的量化校正。

公开(公告)号：CN116881803A

公开(公告)日：2023-10-13

申请号：CN202310681492.4

申请日：2023-06-09

Applicant: 湖州师范学院

Inventor： 蒋云良 ,  张雄涛 ,  王铭辰 ,  楼俊钢 ,  魏玉震

IPC: G06F18/2415 ,  G06N3/0464 ,  G06F18/25 ,  G06F18/213 ,  G06N3/08 ,  G06N3/048 ,  G16H50/20

Abstract: 本发明公开了基于“挤压‑激励”机制的多通道自蒸馏癫痫检测模型，包括包括多通道卷积神经网络模块、注意力模块、自蒸馏模块和分类器模块。本模型将原始EEG信号作为模型的输入，利用多通道卷积神经网络模块提取到包含不同信息的深度特征，通过注意力模块自适应融合来自两个通道的深度特征并在特征空间中形成更具有可分性的空间，提高模型推理的准确率。此外，自蒸馏机制将模型深层学习到的知识传递给浅层，这加快了模型收敛并提高了拟合能力。本发明还引入基于响应的知识蒸馏进行知识的传递。同时，为了更好地传递知识，又引入互信息，缩小前层网络与深层网络的差距。

公开(公告)号：CN117493936A

公开(公告)日：2024-02-02

申请号：CN202311516114.7

申请日：2023-11-15

Applicant: 湖州师范学院

Inventor： 魏玉震 ,  胡文军 ,  占鹏飞 ,  张雄涛 ,  余强国

IPC: G06F18/24 ,  G06F18/214 ,  G06F17/16 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提出了一种融合幅、频、域特征的光谱诊断模型构建方法，包括以下步骤：(1)采集待测物原始光谱数据，作为诊断模型的第一个输入通道；(2)对原始光谱数据进行增强处理，作为诊断模型的第二个输入通道；(3)生成原始光谱的二维交互关系矩阵，作为诊断模型的第三个输入通道；(3)生成原始光谱的二维频率及频率变化矩阵，作为诊断模型的第四个输入通道；(4)基于上述四个特征通道与标签值，构建多元数卷积操作深度神经网络诊断模型。本发明从光谱信号的幅、频、域三个角度入手以充分挖掘原始光谱中潜藏的特征信息，利用多元数卷积操作进一步发挥不同特征的协同作用，从而构建能够适应复杂样本模式与检测环境的光谱诊断模型。