-
公开(公告)号：CN107451118A
公开(公告)日：2017-12-08
申请号：CN201710602699.2
申请日：2017-07-21
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于弱监督深度学习的句子级情感分类的方法，主要解决了现有技术不能准确的预测句子情感语义和分类准确率低的问题。其方案是：1.设计能够利用大量弱标注的评论句子进行句子情感分类的深度神经网络WDE-LSTM；2.对深度神经网络模型WDE-LSTM进行粗调，即使用句子三元组的训练准则，使相同标注的句子相互靠近，不同标注的句子相互远离，减少句子在训练过程中出现的错误移动；3.对深度神经网络WDE-LSTM进行精调；4.对训练好的深度神经网络模型进行测试，输出句子的分类结果，本发明设计的深度神经网络稳定性强，能更自然的处理时间序列数据，提高了对句子情感语义分类的准确率，可用于电子商务。
-
公开(公告)号：CN114036308A
公开(公告)日：2022-02-11
申请号：CN202111145745.3
申请日：2021-09-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于图注意力神经网络的知识图谱表示方法，包括如下步骤：步骤11，根据知识图谱构建异质图；步骤12，初始化六种连接对应的行归一化后的邻接矩阵；步骤21，定义异质图神经网络第l层所有的头节点、关系节点、尾节点的表示；步骤22，判断知识图谱数据是否包含头实体和关系的特征信息，是则执行步骤23，否则执行步骤24；步骤23，赋值给异质图神经网络第0层所有头节点、关系节点、尾节点的表示；步骤24，随机初始化；步骤3，用深层异质图卷积网络进行L次前向传播，得到知识图谱的头实体、关系、尾实体的最终表示。本发明既有语义翻译的简便性的优点，又能利用卷积操作提取更丰富的语义信息和多阶知识，使表示更有效。
-
公开(公告)号：CN108280738A
公开(公告)日：2018-07-13
申请号：CN201711324898.8
申请日：2017-12-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于图像和社会化标签的商品推荐方法，主要解决现有推荐方法不能很好的捕捉用户的偏好的问题。其实现方案是：1.提取商品图片的颜色特征、纹理特征和形状特征；2.设计最优语义空间：根据用户，标签和商品图片两两之间的联系构建二分图和近邻关系图，并将用户、标签和商品图片这三种数据映射到同一空间内，即最优语义空间；3.在最优语义空间内根据用户与商品图片的之间的欧氏距离对商品图片按照从近到远的顺序进行排序，将距离用户最近的前N个商品图片推荐给用户。本发明能更精确的计算出图片间的相似度，有效的处理标签数据三类对象之间的复杂关联结构，获得更好的推荐性能，可用于电子商务的个性化推荐系统。
-
公开(公告)号：CN117931930A
公开(公告)日：2024-04-26
申请号：CN202410113583.2
申请日：2024-01-26
Applicant: 西安电子科技大学
IPC: G06F16/26 , G06F16/2458
Abstract: 一种基于活动图的协作模式挖掘方法，包括为：步骤1，构建活动图；步骤2，提取用户活动数据，并从中提取所有属性，获取k‑项协作模式集Lk；步骤3，生成候选(k+1)‑项协作模式集C(k+1)；步骤4，从C(k+1)中取出候选协作模式I，并嵌入到活动图中得到嵌入Π，进行剪枝；步骤5，对剪枝后的集合Π构建活动集A(Π)，将I映射到活动集A(Π)上得到集合φ，进行剪枝；步骤6，对集合φ中的出现进行支持度计数，并舍弃计数值低于最小支持度阈值的出现；步骤7，令i＝i+1，重复步骤4‑6，直至所有候选协作模式均被检查完毕；步骤8，将所有(k+1)‑项协作模式构成的集合作为Lk，令k＝k+1，重复步骤3‑7，直至无法再得到任何协作模式；步骤9，输出结果；本发明具有提升各行各业收益率的优点。
-
公开(公告)号：CN108595555B
公开(公告)日：2020-12-08
申请号：CN201810320848.0
申请日：2018-04-11
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于半监督张量子空间回归的图像检索方法，主要解决现有方法计算时间复杂度高，图像检索效率低的问题。其实现方案是：1.将图像缩放到二阶张量空间中进行预处理，得到图像的灰度矩阵Xi；2.根据图像的灰度矩阵Xi构建两个优化函数U和V；3.迭代计算两个优化函数U和V的最优解；4.根据给出的查询图片，计算得到该查询图片在低维目标子空间的矩阵Yi'；5.对给出的查询图片在低维目标子空间中进行图像检索，即在低维目标子空间对查询图片与训练集中图片的欧氏距离按照排序，并返回图像检索结果。本发明减小计算的时间复杂度，映射函数的学习过程更加有效，提高了图像检索的效率和准确率，可用于海量图像检索领域。
-
Patent Agency Ranking
公开(公告)号：CN118177837B
公开(公告)日：2024-07-12
申请号：CN202410599888.9
申请日：2024-05-15
Applicant: 西安电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2413 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多模态证据学习的癫痫脑电数据识别方法及装置，属于人工智能和信号处理技术领域，该方法包括：基于构建的多模态下初始态特征，利用模态学习深度神经网络从初始模态特征提取对应模态的高层模态特征，再利用证据学习深度神经网络从高层模态特征中收集每个类别的证据特征，并在证据融合阶段为不同模态的证据赋予不同证据融合权重，最后根据融合的证据可以获得待处理癫痫脑电数据的识别结果，同时根据融合证据可以计算待处理癫痫脑电数据的总体不确定度，利用该总体不确定度对识别结果的可信性进行评估。本发明具有数据利用率高、分类准确率高、抵抗噪声能力性强等优势。
-
公开(公告)号：CN118228190A
公开(公告)日：2024-06-21
申请号：CN202410189362.3
申请日：2024-02-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于可信冲突多模态学习的飞行员疲劳状态监测方法，包括：获取飞行员多个模态的生理数据并进行预处理，得到每个模态的生理数据的特征后，输入各模态的证据神经网络，得到每个模态的生理数据的特征被分配到第k种疲劳程度类别的证据e′k；基于证据e′k生成每个模态对应的观点后进行融合，得到融合观点w′；融合每个模态的生理数据的特征被分配到第k种疲劳程度类别的证据e″k，并根据得到的融合证据e″k计算飞行员为第k种疲劳程度类别的概率p′k；基于最大的概率p′k确定飞行员的疲劳程度类别，并根据融合观点w′确定对应地置信度。本发明实现了对模态间的冲突程度和决策的可信性的量化。
-
公开(公告)号：CN108170729A
公开(公告)日：2018-06-15
申请号：CN201711324900.1
申请日：2017-12-13
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种利用超图融合多模态信息的图像检索方法，主要解决现有方法存在语义鸿沟，图像检索准确率低的问题。其实现方案是：1.提取每幅待检索图像的视觉内容、用户标签和地理位置三种模态信息；2.构建所有待检索图像三种模态信息的距离矩阵；3.根据三种不同模态信息下图像之间的距离，构建描述这三种模态信息之间关联的超图模型；4.根据超图模型顶点和超边的关系构建超图关联矩阵；5.根据不同模态信息下图像之间的距离构建超边权重矩阵；6.根据给出的待检索图像，基于超图模型对所有图像排序并返回检索结果。本发明能切实减小语义鸿沟，将图模型更好的应用于多模态信息，提升图像检索的实用性、灵活性和准确率，可用于海量图像检索领域。
-
公开(公告)号：CN118228190B
公开(公告)日：2024-11-12
申请号：CN202410189362.3
申请日：2024-02-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于可信冲突多模态学习的飞行员疲劳状态监测方法，包括：获取飞行员多个模态的生理数据并进行预处理，得到每个模态的生理数据的特征后，输入各模态的证据神经网络，得到每个模态的生理数据的特征被分配到第k种疲劳程度类别的证据e′k；基于证据e′k生成每个模态对应的观点后进行融合，得到融合观点w′；融合每个模态的生理数据的特征被分配到第k种疲劳程度类别的证据e″k，并根据得到的融合证据e″k计算飞行员为第k种疲劳程度类别的概率p′k；基于最大的概率p′k确定飞行员的疲劳程度类别，并根据融合观点w′确定对应地置信度。本发明实现了对模态间的冲突程度和决策的可信性的量化。
-
公开(公告)号：CN118177837A
公开(公告)日：2024-06-14
申请号：CN202410599888.9
申请日：2024-05-15
Applicant: 西安电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2413 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多模态证据学习的癫痫脑电数据识别方法及装置，属于人工智能和信号处理技术领域，该方法包括：基于构建的多模态下初始态特征，利用模态学习深度神经网络从初始模态特征提取对应模态的高层模态特征，再利用证据学习深度神经网络从高层模态特征中收集每个类别的证据特征，并在证据融合阶段为不同模态的证据赋予不同证据融合权重，最后根据融合的证据可以获得待处理癫痫脑电数据的识别结果，同时根据融合证据可以计算待处理癫痫脑电数据的总体不确定度，利用该总体不确定度对识别结果的可信性进行评估。本发明具有数据利用率高、分类准确率高、抵抗噪声能力性强等优势。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
