用于肺结节检测的卷积神经网络模型的构建方法

    公开(公告)号:CN110853011A

    公开(公告)日:2020-02-28

    申请号:CN201911095123.7

    申请日:2019-11-11

    Abstract: 本发明用于肺结节检测的卷积神经网络模型的构建方法,涉及图像分析,是一种根据肺结节不同形态自适应提取特征的肺结节检测方法,引入了自适应卷积层和多尺寸特征图融合预测技术,充分考虑到CT图像中不同结节的大小以及形态差异,提高速度的同时也提高了精度,克服了现有技术使用的3D和2D卷积检测模型均存在使用不同的卷积神经网络提取特征没有充分考虑到CT图像中不同结节的形态差异和3D卷积网络的计算量比较大需要很大的内存空间,使得其应用受到限制的缺陷。

    一种社区发现方法、装置、存储介质及终端设备

    公开(公告)号:CN109859063A

    公开(公告)日:2019-06-07

    申请号:CN201910049502.6

    申请日:2019-01-18

    Abstract: 本发明实施例公开了一种社区发现方法、装置、存储介质及终端设备。所述社区发现方法包括:基于预设规则确定待分析网络中预设数量的目标网络节点,并基于所述目标网络节点构建约束点集合;根据所述约束点集合构建约束矩阵;根据所述约束矩阵对所述待分析网络进行社区结构划分。通过本发明实施例提供的技术方案,能够充分利用待分析网络中的约束信息,但又不会过分依赖先验知识,准确、高效地对待分析网络进行社区结构的划分,有利于进一步指导待分析网络的社区结构的挖掘。

    一种词袋图像分类方法
    43.
    发明授权

    公开(公告)号:CN105303195B

    公开(公告)日:2018-09-28

    申请号:CN201510683226.0

    申请日:2015-10-20

    Abstract: 本发明一种词袋图像分类方法,涉及应用电子设备进行识别图形的方法,是一种基于距离次序的视觉单词权重分配的词袋图像分类方法,步骤是:对图像进行分块并提取特征;对获得的特征进行聚类生成“视觉单词词汇表”;计算待分配“视觉单词”的权重;结合空间金字塔理论获得每幅图像的最终直方图表示;利用支持向量机对待测图像进行分类,最后输出图像类别。本发明方法克服了现有图像分类技术存在单一的特征不能完全代表图像的信息和图像分类存在准确率不高的缺陷。

    一种词袋图像分类方法
    44.
    发明公开

    公开(公告)号:CN105303195A

    公开(公告)日:2016-02-03

    申请号:CN201510683226.0

    申请日:2015-10-20

    Abstract: 本发明一种词袋图像分类方法,涉及应用电子设备进行识别图形的方法,是一种基于距离次序的视觉单词权重分配的词袋图像分类方法,步骤是:对图像进行分块并提取特征;对获得的特征进行聚类生成“视觉单词词汇表”;计算待分配“视觉单词”的权重;结合空间金字塔理论获得每幅图像的最终直方图表示;利用支持向量机对待测图像进行分类,最后输出图像类别。本发明方法克服了现有图像分类技术存在单一的特征不能完全代表图像的信息和图像分类存在准确率不高的缺陷。

    基于自适应结构和位置编码的网络表征方法

    公开(公告)号:CN114386600B

    公开(公告)日:2024-09-06

    申请号:CN202210034393.2

    申请日:2022-01-13

    Abstract: 本发明为基于自适应结构和位置编码的网络表征方法,首先提取原始网络图中节点的特征信息和结构信息,并从原始网络图中得到两个子网络图和对应的邻接矩阵;其次,采用随机游走方式对原始网络图的位置编码进行初始化;接着,原始网络图的特征矩阵和两个子网络图的邻接矩阵分别输入到两个结构编码器中,得到两个子网络图的节点级表征;然后,将初始化后的位置编码经过两次位置编码器,得到两个基于注意力的位置编码;最后,将两个子网络图对应的节点级表征和基于注意力的位置编码分别按照维度为1拼接在一起,再经过全连接层映射为原始网络图的网络表征。该方法将网络图的位置编码和结构编码融合,使得网络表征将既包含结构信息,又包含位置信息。

    基于对抗注意力机制的网络表征方法

    公开(公告)号:CN111340187B

    公开(公告)日:2024-02-02

    申请号:CN202010100316.3

    申请日:2020-02-18

    Abstract: 本发明为基于对抗注意力机制的网络表征方法,该方法包括双映射函数的模型,第一个映射函数为将真实数据的节点属性信息以及网络拓扑信息通过图注意力网络为不同节点对分配不同的权重,将原始网络映射到低维空间得到更精确地真实数据的低维表达;第二个映射函数为通过将得到的真实数据的低维表达与扰动结合得到噪声,输入到生成器中映射成为噪声的节点属性信息以及网络拓扑信息;再将两个函数作为两个元组输入到判别器中进行判别,通过判别器给出的结果进行生成器以及编码器的优化,最终得到鲁棒性好以及能够完整保存原始网络信息的低维表达。该方法采用图注意力网络进行网络表征,考虑不同节点之间的相关程度,更加贴近现实情况,效果更好。

    一种情感分析方法、装置、存储介质及终端设备

    公开(公告)号:CN109766557B

    公开(公告)日:2023-07-18

    申请号:CN201910049494.5

    申请日:2019-01-18

    Abstract: 本发明实施例公开了一种情感分析、装置、存储介质及终端设备。情感分析方法包括:获取待进行情感分析的目标数据;对目标数据进行分词处理,获取与目标数据对应的初始词向量集合;根据初始词向量集合确定目标数据中待分析目标对应的目标向量;将初始词向量集合及目标向量输入至预先训练的情感分析模型中,根据情感分析模型的输出结果,确定待分析目标的情感极性;其中,情感分析模型基于多层卷积神经网络训练生成。通过采用上述技术方案,能够基于多层卷积神经网络训练而成的情感分析模型,平行地接收和处理待进行情感分析的目标数据,并充分挖掘目标数据中关于特定目标的情感信息,可以准确、高效地分析出相关数据中特定目标的情感极性。

    基于多尺度残差收缩网络的多普勒雷达心跳检测方法

    公开(公告)号:CN115969388A

    公开(公告)日:2023-04-18

    申请号:CN202310171958.6

    申请日:2023-02-28

    Abstract: 本发明为基于多尺度残差收缩网络的多普勒雷达心跳检测方法,考虑时域上的连续波雷达信号在不同时间尺度上表现不同,提出多尺度时域特征提取模块,并将其置于残差收缩网络结构中,构成多尺度残差收缩模块,残差收缩网络使用软阈值作为非线性转换层,可以有效地排除干扰心跳检测的相关噪声;对不同尺度下的雷达信号进行希尔伯特‑黄变换,得到的结果反映的是信号的时频特征,进一步对变换后的信号进行特征提取,有利于将心跳相关特征从复杂的混合信号中分离出来;对多尺度残差收缩模块输出以及希尔伯特‑黄滤波模块的输出进行特征融合,有效地减少了原始雷达信号中的噪声干扰。该方法能重构出高质量的雷达信号,提高心跳检测准确率。

    一种基于多视图时空图卷积网络的交通流预测方法

    公开(公告)号:CN115953902A

    公开(公告)日:2023-04-11

    申请号:CN202310132783.8

    申请日:2023-02-20

    Abstract: 本发明为一种基于多视图时空图卷积网络的交通流预测方法,所述预测方法以路网上的交通数据、静态图邻接矩阵和趋势相似图邻接矩阵作为输入,通过交替进行时间特征和空间特征提取,然后使用输出模块进行特征融合,实现了交通流的精准预测。本发明从不同角度对道路中的空间依赖关系进行提取,实现从全局角度和局部角度进行空间依赖关系的捕获,提出多视图时空图卷积网络,实现交通流预测。通过从不同的角度对道路观测点中的依赖关系进行建模,然后利用多视图图卷积模块提取空间特征,以增加模块捕获空间依赖的能力,提高模型的预测性能。

    基于注意力的异构信息网络用户异常行为检测方法及系统

    公开(公告)号:CN115859793A

    公开(公告)日:2023-03-28

    申请号:CN202211479957.X

    申请日:2022-11-21

    Abstract: 本发明为一种基于注意力的异构信息网络用户异常行为检测方法及系统,首先将异构信息网络某段时间的历史交互数据转换为图数据,图数据的每个节点代表异型信息网络的一个组成对象,图数据的边反映了异构信息网络的组成对象间的联系;然后,基于图神经网络构建用户异常行为检测模型的目标函数,模型通过注意力聚合节点的邻居信息,推导得到节点属性表征的层间传播公式;最后,对各个节点属性表征进行梯度更新,直至所有节点属性表征收敛,得到各个节点属性表征;将各个节点属性表征通过多层感知机压缩为由各个节点的预测标签纵向堆叠而成的一维列向量,即用户异常行为检测结果。该方法利用注意力机制在消息传播过程中自动捕获网络中的所有元路径信息,提高了用户异常行为检测的准确率。

Patent Agency Ranking