公开(公告)号：CN114861450B

公开(公告)日：2025-01-07

申请号：CN202210556524.3

申请日：2022-05-19

Applicant: 之江实验室 ,  西安电子科技大学

Inventor： 尚荣华 ,  李志远 ,  王超 ,  张玮桐 ,  任晋弘 ,  焦李成 ,  赵柯佳 ,  马文萍

IPC: G06F30/20 ,  G06F30/18 ,  G06F17/16 ,  G06F119/02

Abstract: 本发明提出了一种基于潜在表示和图正则非负矩阵分解的属性社区检测方法，主要解决现有方法对于网络中丰富的属性信息利用不充分的问题。方案包括：1)输入网络数据；2)对数据进行处理，计算属性信息的亲和矩阵；3)定义并初始化两个转移矩阵；4)定义并初始化与拓扑图和属性图相关的三个非负矩阵分解因子矩阵；5)设置迭代，获取三个非负矩阵分解因子矩阵和两个转移矩阵的更新公式；6)循环迭代得到更新后的最终节点成员分布矩阵和最终属性类分布矩阵7)根据迭代更新得到的最终矩阵判别节点所属社区，得到社区检测结果并输出。本发明能够充分利用网络中丰富的属性信息，有效提高了社区分布检测的准确度。

公开(公告)号：CN114861450A

公开(公告)日：2022-08-05

申请号：CN202210556524.3

申请日：2022-05-19

Applicant: 之江实验室 ,  西安电子科技大学

Inventor： 尚荣华 ,  李志远 ,  王超 ,  张玮桐 ,  任晋弘 ,  焦李成 ,  赵柯佳 ,  马文萍

IPC: G06F30/20 ,  G06F30/18 ,  G06F17/16 ,  G06F119/02

Abstract: 本发明提出了一种基于潜在表示和图正则非负矩阵分解的属性社区检测方法，主要解决现有方法对于网络中丰富的属性信息利用不充分的问题。方案包括：1)输入网络数据；2)对数据进行处理，计算属性信息的亲和矩阵；3)定义并初始化两个转移矩阵；4)定义并初始化与拓扑图和属性图相关的三个非负矩阵分解因子矩阵；5)设置迭代，获取三个非负矩阵分解因子矩阵和两个转移矩阵的更新公式；6)循环迭代得到更新后的最终节点成员分布矩阵和最终属性类分布矩阵7)根据迭代更新得到的最终矩阵判别节点所属社区，得到社区检测结果并输出。本发明能够充分利用网络中丰富的属性信息，有效提高了社区分布检测的准确度。

公开(公告)号：CN119672440A

公开(公告)日：2025-03-21

申请号：CN202411903565.0

申请日：2024-12-23

Applicant: 西安电子科技大学

Inventor： 张玮桐 ,  王子鸿 ,  尚荣华 ,  任晋弘

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法，方法包括：交叉在源域和目标域进行元任务训练，每次元任务将支持集和查询集的样本进行光谱维度统一后，进行抗邻近像素依赖的多维度特征融合，得到支持特征和查询特征；构建每次元任务下代表原型的正负样本对并通过图卷积进行原型掩码对比；基于跨域共享的多层感知机的强调映射进行对特征消除冗余的细化，多层感知机和定向校准协调对支持特征和查询特征进行跨阶段特征细化，得到细化支持特征和细化查询特征，两个训练阶段优化不同的损失；测试阶段使用目标域的小样本，依次通过维度统一映射、特征提取模块、多层感知机后提取的特征，训练K近邻分类器进行分类预测。

公开(公告)号：CN114943866B

公开(公告)日：2024-04-02

申请号：CN202210690666.9

申请日：2022-06-17

Applicant: 之江实验室 ,  西安电子科技大学

Inventor： 尚荣华 ,  刘杭成 ,  王超 ,  张玮桐 ,  任晋弘 ,  焦李成 ,  赵柯佳 ,  马文萍

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/006 ,  G06N3/086 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种基于进化神经网络结构搜索的图像分类方法，主要解决现有技术中时间成本较高，分类精度较低的问题。本发明具体步骤如下：(1)利用标量编码对神经网络的网络块进行编码；(2)根据当前种群中的多样性和适应度情况自适应地调节交叉和变异概率；(3)通过交叉、变异操作生成子代种群；(4)利用基于衰老进化的环境选择操作，对种群进行迭代更新；(5)使用适应度最高的基因个体对应的神经网络对待分类的图像进行分类。本发明采用进化算法实现对神经网络的自动构建，具有针对图像分类问题精度高，时间成本低的优点。

公开(公告)号：CN119740061A

公开(公告)日：2025-04-01

申请号：CN202411926912.1

申请日：2024-12-25

Applicant: 西安电子科技大学

Inventor： 张玮桐 ,  朱雪蓉 ,  尚荣华 ,  任晋弘

IPC: G06F18/2323 ,  G06F18/20 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明公开了一种基于特征对抗和图Transformer的自适应图聚类方法，属于图像处理技术领域，原始图通过特征对抗自编码器模块优化表征特征匹配先验分布，得到属性级特征；所述特征对抗自编码器模块包括自编码器和特征对抗模块；原始图通过图Transformer自编码器模块，进行图的局部特征与全局结构的交汇融合和信息传播，得到结构级特征；对来自特征对抗自编码器模块和图Transformer自编码器模块的属性级和结构级双源特征进行自适应融合，完成图聚类；在特征对抗自编码器模块和图Transformer自编码器模块的训练采用自监督学习方式；结合联合优化损失函数指导图表示学习和聚类分配的联合优化，所述联合优化损失包括特征对抗损失函数、优化损失函数和自监督学习损失函数，所述特征对抗损失函数包括自编码器的特征重构损失函数和特征对抗模块的最小化交叉熵损失优化函数。

公开(公告)号：CN114943866A

公开(公告)日：2022-08-26

申请号：CN202210690666.9

申请日：2022-06-17

Applicant: 之江实验室 ,  西安电子科技大学

Inventor： 尚荣华 ,  刘杭成 ,  王超 ,  张玮桐 ,  任晋弘 ,  焦李成 ,  赵柯佳 ,  马文萍

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于进化神经网络结构搜索的图像分类方法，主要解决现有技术中时间成本较高，分类精度较低的问题。本发明具体步骤如下：(1)利用标量编码对神经网络的网络块进行编码；(2)根据当前种群中的多样性和适应度情况自适应地调节交叉和变异概率；(3)通过交叉、变异操作生成子代种群；(4)利用基于衰老进化的环境选择操作，对种群进行迭代更新；(5)使用适应度最高的基因个体对应的神经网络对待分类的图像进行分类。本发明采用进化算法实现对神经网络的自动构建，具有针对图像分类问题精度高，时间成本低的优点。