-
公开(公告)号：CN110097117A
公开(公告)日：2019-08-06
申请号：CN201910357895.7
申请日：2019-04-30
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于线性判别分析与多元自适应样条的数据分类方法，本发明是一种将降维与分类相结合的方法，首先通过线性判别分析方法确定最有效的分类特征，然后通过多元自适应回归样条(Multivariate adaptive regression splines,MARS)实现输入变量区间分割，将非线性分类转为线性分类问题，最后通过感知机实现分类，本发明实现了多输出分段线性分类，通过多元自适应回归样条的方式实现递归分割，通过感知机方式实现线性分类使得训练集的分类误差最小，预测时间在毫秒级以下，该算法有快速准确的特点。
-
公开(公告)号：CN105046282B
公开(公告)日：2018-10-26
申请号：CN201510534715.X
申请日：2015-08-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于基于机器学习方法的目标检测领域，具体涉及一种基于手形块特征和AdaBoost分类器的手部检测方法。本发明包括：(1)模型训练；(2)手部检测本发明提出一种新的手部检测特征，叫作手形块特征。该特征是一种矩形块特征，模拟手部的形状而设计的，可体现手部形状的特点。该特征形状简单，不同尺度的块、块的不同参数会形成很高的特征维数，所以采用AdaBoost算法作为分类器，从中选择有效特征，构成级联分类器，从检测率与检测速度两方面提高手部检测效果。
-
公开(公告)号：CN102324002A
公开(公告)日：2012-01-18
申请号：CN201110148917.2
申请日：2011-06-03
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
IPC: G06F19/20
Abstract: 本发明提供的是一种基于数字图像处理的DNA序列的二维图像表示方法。步骤1，一维的DNA序列的二维图像矩阵排列；步骤2，构造图像的像素灰度；步骤3，计算DNA序列的转录模式在二维图像表示中的特征；将转录模式定义为图像中的目标物体部分，借助于图像中的物体识别方法，对定义的目标进行图像分割，对待识图像区域进行特征提取。本发明利用数字图像处理技术对DNA序列进行二维表示，扩展序列的隐含信息，以增强DNA序列中启动子等重要功能元件的可预测性。
-
公开(公告)号：CN110097117B
公开(公告)日：2023-12-12
申请号：CN201910357895.7
申请日：2019-04-30
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/766 , G06V10/77
Abstract: 本发明公开了一种基于线性判别分析与多元自适应样条的数据分类方法，本发明是一种将降维与分类相结合的方法，首先通过线性判别分析方法确定最有效的分类特征，然后通过多元自适应回归样条(Multivariate adaptive regression splines,MARS)实现输入变量区间分割，将非线性分类转为线性分类问题，最后通过感知机实现分类，本发明实现了多输出分段线性分类，通过多元自适应回归样条的方式实现递归分割，通过感知机方式实现线性分类使得训练集的分类误差最小，预测时间在毫秒级以下，该算法有快速准确的特点。
-
公开(公告)号：CN110210133B
公开(公告)日：2022-07-08
申请号：CN201910477745.X
申请日：2019-06-03
Applicant: 哈尔滨工程大学
IPC: G06F30/323 , G06F11/26
Abstract: 一种EDIF网表级组合逻辑电路的自动故障注入方法，本发明涉及电路的自动故障注入方法。本发明的目的是为了解决现有基于模拟的故障注入需要解决与EDA仿真软件的接口问题。过程为：一、对原始网表文件进行处理；二、选择1个网线注入Sa‑0，设置故障点；三、进行前向遍历；四、进行后向传播；五、生成故障等效电路，判断是否注入Sa‑1，否转六；是转七；六、判断是否还有未设置故障的网线，是转二至六；否故障注入结束；七、对二中网线注入Sa‑1，设置故障点；进行前向遍历；八、进行后向传播判断输入值是否影响逻辑门的功能；十、判断是否还有未设置故障的网线，是转七至十；否故障注入结束。本发明用于电路的自动故障注入领域。
-
Patent Agency Ranking
公开(公告)号：CN105046282A
公开(公告)日：2015-11-11
申请号：CN201510534715.X
申请日：2015-08-27
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6256 , G06K9/00355 , G06K9/00375
Abstract: 本发明属于基于机器学习方法的目标检测领域，具体涉及一种基于手形块特征和AdaBoost分类器的手部检测方法。本发明包括：(1)模型训练；(2)手部检测本发明提出一种新的手部检测特征，叫作手形块特征。该特征是一种矩形块特征，模拟手部的形状而设计的，可体现手部形状的特点。该特征形状简单，不同尺度的块、块的不同参数会形成很高的特征维数，所以采用AdaBoost算法作为分类器，从中选择有效特征，构成级联分类器，从检测率与检测速度两方面提高手部检测效果。
-
公开(公告)号：CN104778666A
公开(公告)日：2015-07-15
申请号：CN201510175602.5
申请日：2015-04-14
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
IPC: G06T5/00
Abstract: 本发明属于谱聚类和混合模型聚类的图像分割领域，具体涉及一种基于谱聚类和混合模型聚类的图像分割方法。本发明包括：读入一幅图像，将图像划分为固定大小相互不重叠的区域；将每个划分区域视为一幅单独的图像，采用N-Cut算法进行过分割，将原图像的像素描述方式，转变为图像的局部区域描述方式；将每个过分割区域内像素视为来源于同一模型分量迭代过程，似然函数；由后验概率获得图像最终的分割结果；输出分割图像。本发明所提出的算法对两种广泛使用的分割方法进行有效的无缝连接，采用优势互补原则，消除了彼此的局限性，提高了算法的有效性和实用价值。
-
公开(公告)号：CN104077771A
公开(公告)日：2014-10-01
申请号：CN201410276568.6
申请日：2014-06-19
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理领域，具体涉及一种加权法实现空间限制的混合模型图像分割方法。本发明包括：读入一幅自然场景图像，确定图像分割的类别数目；采用K-均值聚类算法获得图像的初始分割结果；设置每个像素的初始权值；对进行平滑滤波得以上次分割结果作为初始值，开始下一轮的似然加权EM计算；对收敛后的做平滑滤波，做归一化处理；输出原图像的分割结果图像。由于模型是建立在独立混合模型基础上，参数的EM算法可获得闭式解，同时权值中融合了邻近像素的位置信息，因此是以较低的代价引入了像素的空间位置限制信息。
-
公开(公告)号：CN102222239B
公开(公告)日：2014-03-26
申请号：CN201110148760.3
申请日：2011-06-03
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
IPC: G06K9/66
Abstract: 本发明提供的是一种基于视觉和标注字相关信息的标注图像场景聚类方法。采用NCut图像分割算法分别对训练图像和测试图像进行分割；构造用于学习的所有图像{J1，·，Jl}PCtrain的视觉最近邻图在训练图像集中，每幅图像有一组初始的归一化标注字权值向量；令每幅训练图像的标注字在视觉最近邻间传播，接受的图像按照它们之间归一化的EMD距离的程度来接收；对每幅训练图像，将累积完毕的标注字权值再进行归一化；在图像的视觉特征被转换为一组带有权值的标注字后，采用PLSA模型进行场景语义聚类；利用高斯混合模型对各个场景语义视觉空间的进行学习；利用视觉特征进行场景归类。本发明能提高图像的视觉特征与标注字之间的联接精度，可以直接用于图像的自动语义标注。
-
公开(公告)号：CN102222239A
公开(公告)日：2011-10-19
申请号：CN201110148760.3
申请日：2011-06-03
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
IPC: G06K9/66
Abstract: 本发明提供的是一种基于视觉和标注字相关信息的标注图像场景聚类方法。采用NCut图像分割算法分别对训练图像和测试图像进行分割；构造用于学习的所有图像{J1，·，Jl}PCtrain的视觉最近邻图在训练图像集中，每幅图像有一组初始的归一化标注字权值向量；令每幅训练图像的标注字在视觉最近邻间传播，接受的图像按照它们之间归一化的EMD距离的程度来接收；对每幅训练图像，将累积完毕的标注字权值再进行归一化；在图像的视觉特征被转换为一组带有权值的标注字后，采用PLSA模型进行场景语义聚类；利用高斯混合模型对各个场景语义视觉空间的进行学习；利用视觉特征进行场景归类。本发明能提高图像的视觉特征与标注字之间的联接精度，可以直接用于图像的自动语义标注。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.033 seconds)
