-
公开(公告)号：CN117236413A
公开(公告)日：2023-12-15
申请号：CN202311065344.6
申请日：2023-08-22
Applicant: 中国矿业大学
IPC: G06N3/092
Abstract: 本发明公开了一种基于对偶行为正则化的离线强化学习方法，属于离线强化学习领域，首先，在反探索行为值正则化策略评估过程中，利用Q值与行为Q值的残差奖励作为Q值损失函数的反探索行为值正则项来驱动Q值逼近行为Q值；然后，在温和局部行为克隆正则化策略提升过程中，利用行为策略在不同状态下动作样本的估计方差来设计策略损失函数的温和局部行为克隆正则项，有效规范行为克隆的约束强度；最后，不断耦合迭代设计的反探索行为值正则化策略评估和温和局部行为克隆正则化策略提升，直至整个策略迭代过程学习到满足强化学习智能体部署需求的任务解决策略。本发明不仅有效缓解了过度乐观Q值的估计偏差，并且高效提升了策略改进的潜力。
-
公开(公告)号：CN115410088A
公开(公告)日：2022-11-29
申请号：CN202211235431.7
申请日：2022-10-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于虚拟分类器的高光谱图像领域自适应方法，其用于无监督高光谱图像分类任务。首先，通过基于空‑谱近邻图的图卷积网络来提取高光谱图像的领域不变特征；然后，构建一个基于特征相似性度量的虚拟分类器来输出目标域样本的类别概率；此外，通过最小化真实和虚拟分类器之间的分歧，以使不同领域但具有相似特征的像素被分为同一个类别；最后，通过构造一个软原型对比损失并将其最小化，以对齐不同领域特征相似的样本且使不相似的样本互相远离。
-
公开(公告)号：CN114723994A
公开(公告)日：2022-07-08
申请号：CN202210401324.0
申请日：2022-04-18
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双分类器对抗增强网络的高光谱图像分类方法，首先将原始HSI的源域和目标域数据进行向量化并输入BCAAN进行训练，使用源域数据预训练整个网络；然后固定特征生成器，使用目标域数据训练两分类器，使其差异最大；然后固定两分类器，使用目标域数据优化特征生成器，使两分类器差异最小；使用预训练的网络获取目标域数据的伪标签，每个样本对应两个伪标签；把两伪标签相同且输出概率皆大于区分阈值的目标域数据选为可靠样本。使用随机置零的方式对可靠样本进行数据增强，后将可靠的目标域和增强后的数据添加到源域数据中。最后，训练一个epoch后重新采样，基于分类器差异在对抗的过程中对齐源域和目标域，直到模型收敛。
-
公开(公告)号：CN114063458A
公开(公告)日：2022-02-18
申请号：CN202111374061.0
申请日：2021-11-19
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种非三角结构系统不依赖初始条件的预设性能控制方法，具体思路如下：首先建立非三角结构非线性系统的动力学模型；然后利用神经网络与变量分离技术构建一种结构简单的状态观测器；接着构造具有特定性质的转移转换函数对跟踪误差作非线性变换；最后利用受限李雅普诺夫函数理论设计基于输出反馈且不依赖于初始条件的预设性能控制器。本发明的预设性能控制方法能够保证跟踪误差从任意有界初值以给定的速度在给定的时间内收敛到给定的精度范围内，不仅消除了常规预设性能控制方法必须满足的初始条件约束，而且实现了跟踪误差收敛到给定的精度范围内的时间的可预先设定，提高了预设性能控制方法的实用性。
-
公开(公告)号：CN109215741B
公开(公告)日：2022-02-08
申请号：CN201810948044.5
申请日：2018-08-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于双超图正则化的肿瘤基因表达谱数据双聚类方法，通过对肿瘤基因表达谱数据的样本和基因分别进行聚类；然后，对肿瘤基因表达谱数据的样本和基因分别建立样本超图和基因超图，来获取样本和基因的固有几何结构；最后，将样本超图和基因超图分别作为主成分分析的样本超图正则项和基因超图正则项，确定优化目标函数，最后通过优化目标函数分别优化样本聚类矩阵和基因聚类矩阵，得到最终的样本聚类和基因聚类。本发明在基于主成分分析法的基础上，通过双超图正则化进行双聚类的优化，从而在保留主成分分析法的优点基础上更好的获取肿瘤基因表达谱数据中的复杂信息，最终提高获得聚类的精确性。
-
Patent Agency Ranking
公开(公告)号：CN109685105B
公开(公告)日：2019-10-25
申请号：CN201811366436.7
申请日：2018-11-16
Applicant: 中国矿业大学
Abstract: 本发明的一种基于无监督宽度学习的高光谱图像聚类方法，首先，为保留原始高光谱图像的本征流形结，利用图正则稀疏自动编码器微调输入到映射特征和映射特征到增量节点的权重；接着，无监督宽度学习的模型目标函数由图正则项和连接权重的l2范数项构成，并通过求解广义特征值分解问题，得到无监督宽度学习的模型权重以及无监督宽度学习的输出；最后，利用谱聚类得到聚类结果。
-
公开(公告)号：CN110197217A
公开(公告)日：2019-09-03
申请号：CN201910437505.7
申请日：2019-05-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于深度交错融合分组卷积网络的图像分类方法，首先选择需要进行分类的图像数据，并进行图像预处理，得到扩增后的图像数据；然后使用相同的拓扑结构以及交错融合策略，构建出模板模块；再使用小卷积核以及分组卷积策略，构建出结构化稀疏卷积核；最后通过堆叠若干模板模块并和结构化稀疏卷积核形成深度交错融合分组卷积网络。采用带有动量系数的小批次随机梯度下降法对深度交错融合分组卷积网络进行训练，分析得到网络参数，完成图像分类。本方法能够在无损性能的前提下，缩减模型、提升计算效率。
-
公开(公告)号：CN109308485A
公开(公告)日：2019-02-05
申请号：CN201810872204.2
申请日：2018-08-02
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于字典域适应的迁移稀疏编码图像分类方法，属于机器学习领域。该方法在传统稀疏编码模型基础上引入字典对齐机制，构造特征迁移分类模型，来解决图像跨领域分类问题。源域和目标域样本服从不同分布时，传统稀疏编码图像分类算法，因无法从源域样本学习获取对目标域样本有效编码的字典，导致分类性能下降。本发明首先将字典对齐机制引入稀疏编码模型，其次采用L2正则化将字典约束项转化为无约束优化问题，并采用领域间字典逼近作为正则化项提升模型的知识迁移性能。本发明能有效抽取跨领域图像稀疏特征表示，获取更高的分类精度。
-
公开(公告)号：CN109241755A
公开(公告)日：2019-01-18
申请号：CN201810938123.8
申请日：2018-08-17
Applicant: 中国矿业大学
IPC: G06F21/60
Abstract: 一种基于三维置乱模型和混沌的图像加密方法，属于信息加密领域。目前，多媒体通信技术的快速发展，如何保护图像内容的安全引起了工业界和学术界的共同关注。本发明提出一种基于三维置乱模型和混沌的图像加密方法。受魔方游戏的启发，在定义行置乱，列置乱和位面置乱的基础上，建立了图像的三维置乱模型。首先，利用三维置乱模型对原始图像进行像素置乱；然后，利用混沌，对置乱结果进行异或（exclusive OR，XOR）运算，产生加密图像。实验表明：该算法加密效果良好，密钥空间大，密钥敏感性强，安全性高，高效。
-
公开(公告)号：CN105450899B
公开(公告)日：2018-03-06
申请号：CN201510881049.7
申请日：2015-12-07
Applicant: 中国矿业大学
IPC: H04N1/32
Abstract: 一种基于分段线性混沌映射（Piecewise Linear Chaotic Map，PWLCM）的多幅图像加密方法，属于信息加密领域。现存图像加密方法大多是以单幅图像为加密对象，难以适用于大批量图像加密的情形，且加密效率较低。区别于传统的图像加密方法，本发明以多幅图像为加密对象，通过将多幅图像转化为单幅大图像，加密单幅大图像，再将其转化为多幅加密图像的思想，实现对多幅图像内容的保护。核心步骤：将k幅交互图像组合成一幅大图像；利用PWLCM混沌对大图像进行加密，得到一幅加密大图像；将其分割成k幅加密图像，并用PWLCM混沌产生的混沌序列对其依次命名。实验结果表明：该方法易于实现，加密效果良好，加密效率和安全性高，可同时保护任意多幅图像内容的通信安全。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.035 seconds)
