-
公开(公告)号：CN115775332A
公开(公告)日：2023-03-10
申请号：CN202211487873.0
申请日：2022-11-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于VIT模型和原型网络的可解释SAR目标识别方法及系统，首先把数据集分为训练集与测试集,使用训练集来训练VIT模型；从训练集种选择部分数据作为支持集，并设置支持集的类别，使用训练好的VIT模型对支持集数据进行编码，得到支持数据编码向量；使用训练好的VIT模型对测试集进行编码，得到测试数据编码向量；计算测试数据编码向量各部位与支持数据编码向量各部位之间的L1距离，根据测试集数据与支持集数据的L1距离得到相似性向量；将相似性向量重新划分训练集与测试集，展平以后经过全连接网络进行训练与测试，最后得到分类结果。该方法使得神经网络在MSATR数据集上具有一定的可解释性；分类精度相对于原始VIT模型下降很低。
-
公开(公告)号：CN115995302A
公开(公告)日：2023-04-21
申请号：CN202211325627.5
申请日：2022-10-27
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于非线性扩展函数的图‑向量自回归疾病传播预测方法及系统，首先对疾病传播数据进行图和图信号建模；采用图‑向量自回归模型刻画时变图信号间的相关性；利用非线性扩展函数将信号从低维空间映射到高维空间；然后提出优化问题对基于非线性扩展函数的图‑向量自回归模型的参数进行估计；最后利用优化后的预测模型在不同数据集上进行数值实验以验证预测模型的性能；这种方法可以刻画出时变图信号之间的非线性时空相关性从而进行预测。本模型案适用于拥有时空特征的疾病传播数据的预测问题，该方法能较好地描述时变数据的非线性时空相关特性，具有较好的预测能力。
-
公开(公告)号：CN115619668A
公开(公告)日：2023-01-17
申请号：CN202211253198.5
申请日：2022-10-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T5/00
Abstract: 本发明公开一种时变图信号分布式批量重构方法，包括如下步骤：1)将时变图信号按时间顺序划分为多个信号段；2)将每一信号段内各时刻的图构建为一个笛卡尔乘积图，利用时变图信号在该乘积图上的Sobolev差分平滑，将时变图信号重构归结为一个优化问题；3)将笛卡尔乘积图分解为一系列子图，各子图中心节点计算相应的局部海森矩阵的逆矩阵，并经融合平均得到上述优化问题对应海森矩阵的近似逆矩阵，基于所述近似逆矩阵以分布式求解上述优化问题，从而完成该信号段内时变图信号重构；4)依次完成所有信号段的时变图信号重构。这种采用乘积图上Sobolev差分平滑的分布式批量重构方法以海森矩阵的近似逆矩阵为基础，该方法具备重构误差低、收敛快速的特点。
-
公开(公告)号：CN115222723A
公开(公告)日：2022-10-21
申请号：CN202210933856.9
申请日：2022-08-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于图信号处理和超像素分割的大规模高光谱图像分布式恢复方法及系统，该方法利用基于超像素分割的技术和基于图形信号处理的分布式算法，得到大规模HSI混合噪声去除方法，HSI的底层结构由两层架构图建模，上层为骨架图，可以有效地表征超像素之间的相互关系，同时保留边界信息并降低计算复杂度；下层为详细图，由一系列子图组成，这些子图用于建模像素之间的相似性；基于两层图结构，将HSI恢复问题表述为一系列优化问题，每个优化问题都对应于一个子图；利用骨架图和子图节点之间的信息交互，该恢复问题的方法是收‑发‑融合的分布式算法，在合成数据集和真实数据集上进行的数值实验表明，与现有方法相比，该恢复算法是有效的。
-
公开(公告)号：CN115314025B
公开(公告)日：2025-04-22
申请号：CN202211010525.4
申请日：2022-08-23
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H03H17/02
Abstract: 本发明公开一种基于联合图频域采样的时间‑顶点联合图滤波器组及设计方法，首先基于联合图频域定义采样；然后基于联合频域临界采样的时间‑顶点联合图滤波器组的完全重构；最后设计联合正交和联合双正交的图滤波器；该滤波器组具有对称结构；降低子带系数的冗余度，提高数据的传输效率。本发明提供的方法，通过定义基于联合图频域的上下采样操作，设计时间‑顶点联合频域样条图滤波器组，该滤波器组的滤波操作和采样操作都是在联合频域上执行的，从而可以有效地利用时变图信号的顶点域和时域信息。仿真实验部分验证了时间‑顶点联合频域采样图滤波器组的重构性能、非线性近似性能和去噪性能，且明显优于现有静态图上的频域采样图滤波器组。
-
Patent Agency Ranking
公开(公告)号：CN115859049A
公开(公告)日：2023-03-28
申请号：CN202211483071.2
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种M通道过采样图滤波器组的分布式信号重构方法及系统，该方法通过截断运算符矩阵将信号重构问题转化成一系列的局部优化问题的集合，然后采用分布式共轭梯度方法求解局部优化问题，得到局部步长值和局部增量值并进行数据融合，以更新重构图信号向量、残差向量和搜索方向向量；最后通过迭代过程减少误差，得到重构信号的最优解；该系统中网络上的每个节点都具有独立的计算和通信能力，并且都参与系统分析和处理信号的任务。本方法避免了计算矩阵逆的问题，在共轭梯度迭代中分布式计算步长值和增量值，使得滤波器组的信号重构过程可以在分布式系统上以完全分布式的方式实现，有效降低了计算复杂度，增强了系统的鲁棒性，适用于分析和处理网络上的大规模节点图信号。
-
公开(公告)号：CN115774248A
公开(公告)日：2023-03-10
申请号：CN202211513958.1
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01S7/41 , G06F18/213 , G06F18/214 , G06F18/20 , G01S7/292 , G01S13/88
Abstract: 本发明公开一种基于图多特征的海面小目标检测方法及系统，本方法及系统分为训练和检测两部分，训练部分包括对训练单元的雷达回波数据进行预处理，对预处理后的数据提取图特征并构造图特征向量，利用凸包学习算法计算判决区域；检测部分包括对待检测单元的雷达回波数据进行预处理，对预处理后的数据提取图特征并构造待检测单元的图特征向量，通过判决区域和待检测单元的图特征向量构造检测统计量判断雷达目标是否存在；本发明从海杂波序列中提取三种不同的图特征，并联合利用这三种图特征对纯杂波数据与含有目标的回波数据进行区分以完成海面目标检测，与现有的基于单一图特征的检测器相比，从不同角度考虑雷达回波数据间的相关性，并进行构图，提取多个图特征，避免了矩阵的特征分解计算，有着更快的特征提取速度，并具有更好的目标检测性能。
-
公开(公告)号：CN115546245A
公开(公告)日：2022-12-30
申请号：CN202211317605.4
申请日：2022-10-26
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于稀疏分解和图拉普拉斯正则化的图像前景背景分割方法及系统，首先将图像划分为若干个非重叠图像块；然后根据图像块建立图像前景背景分割模型；将图像分割问题划分为多个子问题，使用迭代的方式分别求解，最后，经过迭代后，得到问题的解；将得到的解分别矩阵化后整合得到前景图，即为整幅图像的前景图。本发明提供的图像前景背景分割方法，与现有的图像前景背景分割方法相比，本技术方案中使用了图傅里叶基函数的线性组合来更好的表示平滑背景区域。除此之外，还利用了图拉普拉斯正则化来促进前景文本和图形的连通性，可保持清晰的前景文本和图形轮廓。经过实验验证分析，该方法具有更好的前景背景分割效果。
-
公开(公告)号：CN115314025A
公开(公告)日：2022-11-08
申请号：CN202211010525.4
申请日：2022-08-23
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H03H17/02
Abstract: 本发明公开一种基于联合图频域采样的时间‑顶点联合图滤波器组及设计方法，首先基于联合图频域定义采样；然后基于联合频域临界采样的时间‑顶点联合图滤波器组的完全重构；最后设计联合正交和联合双正交的图滤波器；该滤波器组具有对称结构；降低子带系数的冗余度，提高数据的传输效率。本发明提供的方法，通过定义基于联合图频域的上下采样操作，设计时间‑顶点联合频域样条图滤波器组，该滤波器组的滤波操作和采样操作都是在联合频域上执行的，从而可以有效地利用时变图信号的顶点域和时域信息。仿真实验部分验证了时间‑顶点联合频域采样图滤波器组的重构性能、非线性近似性能和去噪性能，且明显优于现有静态图上的频域采样图滤波器组。
-
公开(公告)号：CN115731135A
公开(公告)日：2023-03-03
申请号：CN202211507843.1
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T5/00
Abstract: 本发明公开一种基于低秩张量分解和自适应图全变分的高光谱图像去噪方法及系统，首先构造高光谱去噪模型；利用增广拉格朗日乘子法对张量分解和自适应图全变分的高光谱去噪模型的变量逐个交替求解；利用经典的HOOI算法求解第一个变量；基于高光谱图像的波段数求解第二个变量；利用软阈值收缩求解第三个变量；通过对所述模型的第四个变量直接求导；并对所得到的所有变量的结果进行迭代；将当前迭代结果与设定的迭代终止条件进行比较，直至满足收敛条件。本发明提供的方法，本方法相对于LRTV采用Tucker分解，能够很好的保留空间和光谱相关信息，相对于LRTDTV采用更多的邻居信息的AWGTV，能够很好的保留边缘信息，该算法取得最好的去噪效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
