-
公开(公告)号：CN106651778A
公开(公告)日：2017-05-10
申请号：CN201610349594.6
申请日：2016-05-25
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基于自适应耦合观测与非线性压缩学习的光谱成像方法，主要解决现有技术无法保证观测矩阵与学习得到的字典不相关的问题。其实现步骤为：1.把原始空间中的信号投影到特征空间上；2.利用KPCA的方法，在特征空间中进行字典学习，求得稀疏字典；3.随机初始化观测矩阵，对由稀疏字典和初始观测矩阵的乘积组成的感知矩阵进行迭代训练，得到经过耦合优化的观测矩阵；4.通过核压缩感知的方法实现非线性压缩感知光谱成像；5.利用pre‑image方法恢复出原信号。实验结果表明：在不同的采样率下，本发明与现有以高斯随机矩阵作为观测矩阵的方法相比，其重构效果较好，可用于高光谱图像的低成本与高质量获取。
-
公开(公告)号：CN110135309B
公开(公告)日：2021-09-10
申请号：CN201910365671.0
申请日：2019-05-02
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种基于深度共享表示的SAR图像变化检测方法，解决了传统检测方法对于数据的融合大都采用直接拼接成大的数据链，增大计算量，而且不能抓住数据信息的空间特征，无法准确分类分线性分布的像素点等问题。实现步骤有：构建两个时相图像的差异图；生成训练样本和样本标签；构建深度感知器；生成映射矩阵；更新网络；生成标签向量；获得SAR图像变化检测结果。本发明将两个时相和差异图同时进行学习，并行处理，可以融合两个时相和差异图的信息，也避免了增加计算量，同时提高了鲁棒性和精度。用于SAR图像变化检测。
-
公开(公告)号：CN107451606B
公开(公告)日：2020-08-11
申请号：CN201710568579.5
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于局部聚类比例排序的高光谱波段选择方法,解决了高光谱波段选择算法中缺乏噪声鲁棒性、选择的波段相关性强的问题。具体步骤有：输入数据，预期选择的波段数以及参数；考虑到噪声的影响，计算更能反映真实波段信息的相似度矩阵；波段聚类；计算波段的局部与全局信息的比值作为等级，降序排序后将波段动态地加入最终解集。为每个波段分配一个最大可聚类距离，免将某些波段错误聚类；选择波段时，波段等级是局部和全局信息的比值，并且考虑到临近波段间的强相关性，避免选入含有冗余信息的波段。本发明计算的相似度矩阵具有一定鲁棒性，选出波段含有较少冗余信息，分类性能更好。应用在高光谱图像处理领域。
-
公开(公告)号：CN104331864B
公开(公告)日：2018-11-23
申请号：CN201410559392.5
申请日：2014-10-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非下采样的轮廓波变换和视觉显著模型的乳腺影像处理方法，主要针对乳腺肿块的特点识别可疑的区域。整个系统包括：影像增强模块和影像识别模块。影像增强模块对原始影像采用非下采样轮廓波进行增强；影像识别模块，针对增强后的图像提取特征值并且生成特征图；再对特征图进行处理得到总显著图，得到候选的可疑肿块；最后对提取显著图特征及增强后的影像特征，运用机器学习方法滤除其假阳性肿块，得到最终较为精确的可疑区域。
-
公开(公告)号：CN108776919A
公开(公告)日：2018-11-09
申请号：CN201810550780.5
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN104899246B
公开(公告)日：2018-06-26
申请号：CN201510170406.9
申请日：2015-04-12
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开一种基于模糊机制用户评分邻域信息的协同过滤推荐方法。其技术方案是：1.获取用户对项目的评分信息，创建评分矩阵；2.根据评分矩阵计算用户评分隶属度，根据项目上下文信息计算项目对相似度的贡献率；3.根据评分隶属度和相似度的贡献率，构建用户喜欢不喜欢相似度；4.对评分数目小的用户进行相似度值的缩减，构建用户Jnum相似度；5.根据用户喜欢不喜欢相似度和用户Jnum相似度，构建用户最终相似度；6.根据最终相似度，选取相似度值最高的前K个作为参考邻居用户，完成对目标用户的预测。实验仿真结果表明，本发明比传统协同过滤算法能得到更好的推荐质量，可用于向用户推荐感兴趣的项目。
-
公开(公告)号：CN104820840B
公开(公告)日：2018-03-06
申请号：CN201510232962.4
申请日：2015-05-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典和波段重组的最近邻高光谱图像分类方法，实现步骤有：用高光谱图像的空间信息，对每一像素点进行L‑邻域均值化处理；按每波段像素点均值大小波段重组并n‑等分为子波段；随机抽取部分像素构成字典，其它像素构成测试样本集合，按子波段将字典与测试样本集合分割为n个子字典与子测试样本集合并对照相应的子字典作最近邻判别，得n幅初始分类图；进行n‑KNN判别，得最终结果图。本发明解决了分类精度不高，分类效果不好及普通空‑谱结合法时间复杂度高，空‑谱信息结合不紧密的问题，引入波段重组与分割，进行多波段多字典判别，利用空‑谱结合的方法进行分类，在较短时间内，获得了较高精度的分类图。精度高，时间复杂度低。
-
公开(公告)号：CN107563422A
公开(公告)日：2018-01-09
申请号：CN201710731394.1
申请日：2017-08-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于半监督卷积神经网络的极化SAR分类方法，首先输入图像数据，超像素分割；提取训练样本和测试样本；采用近邻保持和稀疏滤波的深度学习网络NDSFN对卷积神经网络的参数进行无监督预训练，得到所需的滤波器集合；通过卷积操作得到特征图；通过下采样对特征图进行模糊；根据第二个卷积层的滤波器尺寸调整NDSFN的参数设置得到新的特征图；利用Softmax分类器对训练样本进行图像分类；采用少量标记样本进行微调，得到极化SAR地物分类，本发明通过构建新颖的半监督卷积神经网络SNCNN模型，有效解决了传统的有监督卷积神经网络对有标记样本的需求较大的问题。
-
公开(公告)号：CN105005965B
公开(公告)日：2017-11-21
申请号：CN201510494788.0
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于最大期望算法的自然图像超分辨方法。其步骤为：(1)输入低分辨图像；(2)插值图像；(3)获得隐图像；(4)切成隐图像块；(5)获得隐图象块的相似矩阵；(6)获得隐图像块的字典；(7)获得估计图像块的均值和协方差；(8)获得估计图像块的最大后验估计值；(9)获得高分辨图像；(10)计算相对误差；(11)判断是否满足终止条件；(12)更新数据；(13)输出最优的高分辨图像。本发明将最大期望算法引入到自然图像超分辨领域中，获得丰富的恢复图像细节信息，适合在复杂情况下的图像超分辨。
-
公开(公告)号：CN104392344B
公开(公告)日：2017-10-17
申请号：CN201410779101.3
申请日：2014-12-16
Applicant: 西安电子科技大学
Abstract: 本发明涉及电子信息技术领域，公开了一种基于多种群PSO的逆向物流网络排布方法。本发明以多种群PSO算法为框架，其步骤包括：(1)根据逆向物流网络模型设置子种群个数；(2)个体编码和种群初始化；(3)计算个体和子种群适应度函数；(4)更新个体信息；(5)计算多种群融合算子；(6)计算优化算子。本发明主要解决逆向物流网络构建过程中如何合理地设置收集站点个数以及排布收集站点位置，提高用户覆盖率的问题。经过实验验证，本发明能够高效地优化出合理的逆向物流网络排布方案，方案中收集站点个数可以选择，且都具有较高的用户覆盖率。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.04 seconds)
