-
公开(公告)号：CN111832479B
公开(公告)日：2023-08-01
申请号：CN202010672068.X
申请日：2020-07-14
申请人： 西安电子科技大学
IPC分类号： G06V20/40 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明提出了一种基于改进的自适应锚点R‑CNN的光学遥感视频目标检测方法，用于解决现有技术中精确率和召回率较低的问题，实现步骤为：获取训练样本集和测试样本集；构建改进的自适应锚点R‑CNN网络及其损失函数；对改进的自适应锚点R‑CNN网络进行迭代训练；获取目标检测识别结果。本发明所构建的小目标区域提议网络自适应地生成高质量的锚点，一定程度上避免漏检，有效提高小目标的检测召回率，同时所构建的尺寸预测损失函数有利于小目标尺寸的稳定收敛，进一步提高了小目标的检测精确率和召回率，可用于光学遥感视频中的目标检测。
-
公开(公告)号：CN112733769B
公开(公告)日：2023-04-07
申请号：CN202110060277.3
申请日：2021-01-18
申请人： 西安电子科技大学
IPC分类号： G06V20/13 , G06V10/26 , G06V10/764
摘要： 本发明提出了一种基于多波段熵率超像素分割的高光谱图像分类方法，用于解决现有技术存在的分类精度较低和分类效率较低的技术问题，实现步骤为：(1)对高光谱图像进行多波段熵率超像素分割；(2)获取训练集和测试集；(3)对多分类支持向量机分类器进行训练；(4)获取高光谱图像的分类结果。本发明采用的基于多波段熵率超像素分割的高光谱图像分类方法，充分利用了高光谱图像地物目标的光谱信息和多波段上的空间分布信息，从而有效提高了高光谱图像的分类精度，且分类效率较高，可应用于灾害监测、地质勘探、城市规划、农业和考古等领域。
-
公开(公告)号：CN109740924B
公开(公告)日：2022-12-06
申请号：CN201811640589.6
申请日：2018-12-29
申请人： 西安电子科技大学
摘要： 本发明公开一种融合属性信息网络和矩阵分解的物品评分预测方法，解决了如何更准确地对物品评分预测的问题。实现步骤有：构建属性信息网络；采集数据和信息；构建融合分解模型；初始化参数；选择评价指标和损失函数计算公式；计算预测评分矩阵；计算训练集预测评分矩阵损失；对参数优化更新得到新的预测评分矩阵；计算测试集预测评分矩阵评价指标；判断评价指标；若满足停止条件直接输出结果；否则，返回迭代计算逐渐降低损失；直至满足条件输出结果。本发明将用户和物品更多信息经过属性信息网络得到的维度变换结果又与矩阵分解融合形成预测模型，采用两种损失函数，使得物品评分预测更为准确，本发明可应用于对网上物品进行自动化的预测。
-
公开(公告)号：CN109949099B
公开(公告)日：2022-04-08
申请号：CN201910224593.2
申请日：2019-03-23
申请人： 西安电子科技大学
IPC分类号： G06Q30/02
摘要： 本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
-
公开(公告)号：CN110321963B
公开(公告)日：2022-03-04
申请号：CN201910616371.5
申请日：2019-07-09
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V20/13 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于融合多尺度多维空谱特征的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)对待分类的高光谱图像进行预处理；(3)邻域取块；(4)生成训练集与测试集；(5)构建多尺度空谱特征和多维特征融合网络；(6)训练多尺度空谱特征和多维特征融合网络；(7)对测试样本进行分类。本发明提出的方法能有效解决卷积神经网络在训练时特征太过单一和尺度太过单一的问题，并且能够解决进行高光谱分类时平均分类精度AA低的问题，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能良好。
-
公开(公告)号：CN113392931A
公开(公告)日：2021-09-14
申请号：CN202110748974.8
申请日：2021-07-02
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自监督学习和多任务学习的高光谱开放集分类方法，主要解决现有高光谱开放集分类方法无法充分利用高光谱开放集的无标签样本，导致分类精度低的问题，其实现方案为：输入高光谱图像并对其进行预处理；对预处理后的图像进行邻域取块，生成训练数据集与测试数据集；构建基于自监督学习和多任务学习的神经网络模型；利用训练数据集，采用自监督学习方法和多任务学习方法对所构建的神经网络模型进行训练；将测试数据集输入到训练好的神经网络模型中得到分类结果。本发明能充分利用无标签样本信息，缓解有标签样本少的问题，提高了分类精度，可应用于环境监测、资源勘探、城市规划及农业计划。
-
公开(公告)号：CN108776919B
公开(公告)日：2021-07-20
申请号：CN201810550780.5
申请日：2018-05-31
申请人： 西安电子科技大学
摘要： 本发明公开一种基于聚类及进化算法构建信息核的物品推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)将用户物品评分矩阵降维；(3)利用聚类算法构建虚拟用户物品评分矩阵；(4)构建并更新用户物品训练矩阵和用户物品优化矩阵；(5)初始化父代种群；(6)交叉变异生成过渡种群；(7)计算信息核个体的推荐精度；(8)生成子代种群；(9)更新父代种群；(10)判断迭代次数是否为100次；(11)完成信息核构建；(12)利用信息核为用户推荐物品。本发明具有构建信息核快，为用户推荐物品更精确的优点。
-
公开(公告)号：CN109766936B
公开(公告)日：2021-05-18
申请号：CN201811617843.0
申请日：2018-12-28
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于信息传递和注意力机制的图像变化检测方法，用于解决现有图像变化检测方法中存在的检测准确度低的技术问题。实现步骤为：读入图像并进行归一化处理，构建训练样本集，搭建一个基于信息传递和注意力机制的深度神经网络模型，设定深度神经网络的训练参数，判断深度神经网络的损失函数是否满足迭代停止条件，对深度神经网络的可训练参数进行更新，利用训练好的深度神经网络输出图像变化检测结果图。本发明结合信息传递和注意力机制，搭建深度神经网络提取的图像特征语义及结构信息丰富，对图像的表达能力及辨别性强，提高了变化检测检测准确度，可用于土地覆盖检测、灾难评估、视频监控等技术领域。
-
公开(公告)号：CN112529415A
公开(公告)日：2021-03-19
申请号：CN202011458878.1
申请日：2020-12-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于组合多感受野图神经网络的物品评分方法，其实现步骤为：(1)构建属性特征提取模块；(2)构建结构特征提取模块；(3)构建图解码器模块；(4)生成组合多感受野图神经网络；(5)构建属性特征矩阵和用户‑物品评分矩阵；(6)生成用户‑物品二部有权图；(7)生成训练集；(8)训练组合多感受野图神经网络；(9)评分。本发明提出的方法能够提取用户和物品的属性特征和结构特征，充分挖掘用户和物品信息，具有评分准确度高的优点。
-
公开(公告)号：CN112052758A
公开(公告)日：2020-12-08
申请号：CN202010860393.9
申请日：2020-08-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于注意力机制和循环神经网络的高光谱图像分类方法，主要解决现有技术中对高光谱图像特征提取不充分导致的分类精度偏低的问题。实现步骤为：(1)构造循环神经网络；(2)生成训练集；(3)训练循环神经网络；(4)对待分类的高光谱图像进行分类。本发明利用注意力提议模块和处理模块得到输入高光谱图像空间像素块需要重点关注的局部区域，利用循环神经网络提取待分类高光谱图像的空间‑光谱联合特征，得到分类结果，具有高光谱图像分类精度高的优点，可用于资源勘探、森林覆盖和灾害监测等领域的地物目标识别。
-
-
-
-
-
-
-
-
-
搜索结果
205 条记录 (耗时 0.057 秒)
