公开(公告)号：CN118135221A

公开(公告)日：2024-06-04

申请号：CN202410300403.1

申请日：2024-03-15

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  谢佳欣 ,  毕秀丽 ,  李伟生

IPC: G06V10/26 ,  G06N3/045 ,  G06V10/82 ,  G06V10/774 ,  G06N3/09 ,  G06N3/0895 ,  G06N20/00 ,  G06V10/764 ,  G06N3/0985 ,  G06N3/0464

Abstract: 本发明属于计算机视觉语义分割领域，具体涉及一种基于跨网络扰动机制的图像语义分割方法，包括：构建图像语义分割模型；获取数据集，对数据集中的图片进行预处理；将预处理后的带有标记的数据输入到图像语义分割模型中，采用基于像素集交叉熵的全监督训练方法对模型进行训练；将预处理后的无标记的数据输入到图像语义分割模型中，采用基于跨网络的扰动机制的图像半监督训练方法对网络进行训练；根据带标签数据训练的模型和无标签数据训练的模型进行对比学习，根据对比学习的结果构建优化目标函数，调整模型参数，当达到优化目标时，完成模型的训练；本发明在标注数据较为有限的情况下，仍能展现出出色的模型性能，这进一步降低了模型训练的成本。

公开(公告)号：CN116523035A

公开(公告)日：2023-08-01

申请号：CN202310222043.3

申请日：2023-03-09

Applicant: 重庆邮电大学

Inventor： 鲜思东 ,  李鑫 ,  谢佳欣

IPC: G06N3/0985 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/006 ,  G06F18/214 ,  G06F18/27 ,  G06N20/20 ,  G01N15/06

Abstract: 本发明涉及一种基于ISCSO和TOPSIS的PM2.5浓度预测方法，属于空气质量监控技术领域。该方法步骤为：获取城市历史PM2.5浓度监测数据，构建特征数据集；处理特征数据集并划分为训练集、验证集和测试集；利用ISCSO分别搜索各单一模型的最优超参数；基于训练集、验证集、测试集以及最优超参数，分别构建并训练各单一预测模型并分别进行PM2.5浓度预测；将各单一预测模型的PM2.5浓度预测结果作为TOPSIS的输入，进行组合预测，得出最终的PM2.5浓度预测结果。本发明能够实现机器学习模型的超参数自动优化，并对各个模型进行组合预测，最终得出更准确的、稳定的PM2.5浓度预测结果。