-
公开(公告)号：CN114677537B
公开(公告)日：2024-03-15
申请号：CN202210212191.2
申请日：2022-03-06
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06T7/00
Abstract: 本发明提供了一种基于多序列磁共振影像的胶质瘤分级分类方法。首先，通过正投影、拼接融合和随机翻转等对胶质瘤样本序列磁共振影像进行预处理，得到模型训练数据集；然后，利用数据集对构建的多视图分级分类网络模型进行训练；最后，利用模型输出的级别概率对胶质瘤进行分类判定。本发明能够用于多序列磁共振影像数量较少且类别分布不均衡的胶质瘤分级分类处理。
-
公开(公告)号：CN115896471A
公开(公告)日：2023-04-04
申请号：CN202211414505.3
申请日：2022-11-11
Applicant: 西北工业大学 , 西部超导材料科技股份有限公司
Abstract: 本发明涉及一种TC17钛合金铸锭熔炼方法，包括如下步骤：S1、用等离子焊接法对多个电极块进行真空等离子焊接，获得自耗电极；S2、将自耗电极进行三次真空自耗电弧熔炼；S3、将经过真空自耗电弧熔炼的铸锭进行表面机加工后得到TC17钛合金成品铸锭。该方法通过在铸锭第三次熔炼的后期从坩埚上部充入氩气，增大了熔炼后期炉室内的热传导，解决TC17铸锭头部成分不均匀导致的β斑隐患。
-
公开(公告)号：CN115272744A
公开(公告)日：2022-11-01
申请号：CN202210721495.1
申请日：2022-06-24
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于深度残差网络和Fisher向量技术的皮肤镜图像分类方法，首先使用数据集对预训练ResNet‑50模型进行训练，得到ftResNet，再采用ftResNet进行特征提取，提取的特征视为视觉描述符；将获得的特视觉描述符编码为FV；最后用得到的FV训练SVM对测试图像进行分类；本发明方法能够大幅提供对皮肤病变分类的准确性。
-
公开(公告)号：CN111242910A
公开(公告)日：2020-06-05
申请号：CN202010015644.3
申请日：2020-01-07
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于张量分解的高光谱遥感影像由粗到精异常检测方法，首先从原始高光谱影像中选取一些背景像元，通过将这些背景像元构建成一个元素缺失的三阶张量，并通过张量分解技术重构张量中的缺失元素，得到一个对于当前地物背景描述的新三阶张量。通过对这个纯粹由背景重构的三阶张量与原始高光谱遥感影像之间进行区分，从而检测异常。
-
-
Patent Agency Ranking
-
公开(公告)号：CN108491864A
公开(公告)日：2018-09-04
申请号：CN201810163343.8
申请日：2018-02-27
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于自动确定卷积核大小卷积神经网络的高光谱图像分类方法。首先，用K-means算法对多组不同大小的图像块样本进行聚类处理；然后，设计一种新的针对不同尺寸且各类别数量呈非均匀分布样本聚类结果的评价指标，对不同尺寸样本聚类结果进行评价，根据评价结果确定自适应卷积核；最后，对自适应卷积核的卷积神经网络进行训练，并利用训练好的网络对高光谱图像进行分类。由于利用聚类处理和指标评价得到的自适应卷积核可以更加有效的表征数据信息，利用本发明方法可以得到更好的高光谱图像分类结果。
-
公开(公告)号：CN107301457A
公开(公告)日：2017-10-27
申请号：CN201710491029.8
申请日：2017-06-26
Applicant: 西北工业大学
IPC: G06N3/08
Abstract: 本发明提供了一种基于节点输入约束的全连接深度学习模型快速训练方法，将节点输入约束，引入到全连接深度学习模型训练中。首先，对网络节点输入约束值进行研究，依据激励函数的函数特性对其进行原始函数曲线、一阶导数曲线进行节点约束值分析，得到节点输入约束值；然后，在网络正向计算时节点输入中加入节点输入限制条件；最后，网络误差反向传播更新网络参数，直到网络收敛。由于把节点输入限制环节加入到了神经网络正向传播环节，有效的实现了网络训练的快速收敛，本发明方法实现简单，参数易于设置。
-
公开(公告)号：CN107180426A
公开(公告)日：2017-09-19
申请号：CN201710418313.2
申请日：2017-06-06
Applicant: 西北工业大学
CPC classification number: G06T7/0012 , G06K9/4642 , G06K9/6256 , G06K9/6277 , G06N3/084 , G06T2207/10081 , G06T2207/30064
Abstract: 本发明公开了一种基于可迁移的多模型集成的计算机辅助肺结节分类方法，用于解决现有肺结节分类方法准确率差的技术问题。技术方案是训练三个预训练的深度卷积神经网络(Pre‑trained DCNN)，分别描述肺结节纹理的异质性、形状的异质性和全局特征，将深度卷积神经网络的结果进行加权平均，每个网络的权重通过误差反向传播机制自适应地进行学习，进而提高肺结节分类方法的准确率，其中Pre‑trained DCNN将深度卷积神经网络在大数据集上的好的图像表征能力迁移肺结节分类任务上，有效地改善了深度卷积神经网络在小的肺结节数据上训练性能。本发明克服了基于单种信息的分类方法准确率低的技术问题，准确率达93％。
-
公开(公告)号：CN106127294A
公开(公告)日：2016-11-16
申请号：CN201610424793.9
申请日：2016-06-15
Applicant: 西北工业大学
CPC classification number: G06N3/006 , G06K9/6269 , G06N3/126
Abstract: 本发明公开了一种基于部落进化竞争的特征选择方法，用于解决现有特征选择方法中高维特征分类时特征选择数目在排列组合中偏置的技术问题。技术方案是根据特征的维度将特征划分成多个部落，部落内部所选择的特征个数在统计上服从高斯分布；采取改进的遗传算法，在保证最优个体得以保留的前提下，确保部落内部的特征选择数目的分布情况不发生变化；当各个部落进化到一定程度后开始竞争，每个部落提供部落内适应度最高的精英个体，所有部落的精英个体根据适应度进行排序。由于将特征空间划分为多个高斯部落，部落内部所选择的特征个数在统计上服从高斯分布，并且高斯分布始终保持不变，能够有效的改善偏置问题，最终能够搜索到全局最优子集。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.039 seconds)
