-
公开(公告)号：CN115019084B
公开(公告)日：2024-05-28
申请号：CN202210529783.7
申请日：2022-05-16
Applicant: 电子科技大学
IPC: G06V10/764
Abstract: 本发明涉及迁移学习和张量领域，具体为一种基于张量多属性特征迁移的分类方法；该方法结合张量体系和基于特征的迁移方法实现了对无标签数据集的有效分类。分类过程中，首先通过张量建模的方式建立有标签源域和无标签目标域的张量模型，然后使用动态分布自适应方法对源域样本张量和目标域样本张量每一个特征阶迭代进行了特征对齐，实现了源域样本和目标域样本多属性间统计特征的迁移。相较于传统的特征迁移方法提高了对无标签目标域数据样本的分类准确率。
-
公开(公告)号：CN113989479A
公开(公告)日：2022-01-28
申请号：CN202111230839.0
申请日：2021-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度学习检测直线的指针仪表读数方法，通过所述神经网络训练学习，直接检测出指针仪表的指针所在的直线，从而计算出此时指针的转向角，并结合转向角计算此时指针仪表的读数，所使用的方法不受背景、光照因素的影响，相比于常规的方法更加精确，解决了现有技术中的指针仪表读数方法容易受到环境、光照影响而导致读数的可靠性低的技术问题。
-
公开(公告)号：CN115019084A
公开(公告)日：2022-09-06
申请号：CN202210529783.7
申请日：2022-05-16
Applicant: 电子科技大学
IPC: G06V10/764
Abstract: 本发明涉及迁移学习和张量领域，具体为一种基于张量多属性特征迁移的分类方法；该方法结合张量体系和基于特征的迁移方法实现了对无标签数据集的有效分类。分类过程中，首先通过张量建模的方式建立有标签源域和无标签目标域的张量模型，然后使用动态分布自适应方法对源域样本张量和目标域样本张量每一个特征阶迭代进行了特征对齐，实现了源域样本和目标域样本多属性间统计特征的迁移。相较于传统的特征迁移方法提高了对无标签目标域数据样本的分类准确率。
-
-
Search Results
3
records
(took 0.017 seconds)
