-
公开(公告)号：CN115690574A
公开(公告)日：2023-02-03
申请号：CN202211003709.8
申请日：2022-08-22
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及图像识别技术领域，公开了一种基于自监督学习的遥感图像船舶检测方法，包括：(1)根据海面遥感图像中待检测船舶面积小且一张图可能存在多艘船舶的特点，设计了针对性的自监督学习模块，仅利用无标注海面遥感图像构建特征提取网络，实现海洋遥图像的高效特征提取；(2)改进Mask R‑CNN的FPN网络，融合三种尺寸的特征图，结合自监督学习模块的特征提取器，在标注样本较少的情形下，显著提升了中小型船只的检测精度。
-
公开(公告)号：CN108388774B
公开(公告)日：2021-07-23
申请号：CN201810042887.9
申请日：2018-01-17
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种多肽谱匹配数据的在线分析方法，适于从高通量串联质谱平台及数据库匹配引擎输出的多肽谱匹配中鉴定正确的匹配。主要步骤包括数据预处理、使用在线学习算法求解优化模型、根据训练得出的分类函数鉴定正确的多肽谱匹配。该技术通过积极集存贮并动态更新对分类函数起作用的样本，实现了大规模多肽谱匹配数据的高效鉴定，克服了现有方法在大规模数据集上存储量大、计算缓慢的缺陷。
-
公开(公告)号：CN107092743A
公开(公告)日：2017-08-25
申请号：CN201710246244.1
申请日：2017-04-15
Applicant: 中国石油大学(华东)
IPC: G06F17/50
Abstract: 本发明涉及一种基于规则辅助的高炉冶炼过程数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，从而提高高炉冶炼过程采集数据的利用率。
-
公开(公告)号：CN105787507A
公开(公告)日：2016-07-20
申请号：CN201610087343.5
申请日：2016-02-16
Applicant: 中国石油大学(华东)
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于预算支持向量集的LS?SVMs在线学习方法，在训练集上确定预算范围，选择初始支持向量集合，建立LS?SVMs模型，采用共轭帝都发求解LS?SVMs模型，并利用低秩矩阵校正方法以及Sherman?Morrison?Woodbury公式更新LS?SVMs模型得到在线预测器，实现了对数据流的在线预测，该方法采用固定预算策略，能有效控制在线学习模型的规模、节约存储空间、计算复杂度低、易于实现。本发明在线学习方法，能够灵活处理具有数据流特征的在线应用问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线学习方法相比，大幅度降低了计算复杂难度和模型运行时间，可以同时处理回归问题和分类问题，能够高效处理LS?SVMs模型选择问题。
-
公开(公告)号：CN120011967A
公开(公告)日：2025-05-16
申请号：CN202510061812.5
申请日：2025-01-15
Applicant: 中国石油大学(华东)
IPC: G06F18/2431 , G06Q10/10
Abstract: 本发明属于评审监督技术领域，提供了一种评审人员分类的数据处理方法，包括：步骤1，待评审作品和评审人评审配对并进行评审；步骤2，每个评审人评审的待评审作品进行排序；步骤3，评审人对待评审作品进行评审；步骤4，评审人评审结果正负偏离值样本矩阵构建；步骤5，评审人合理分类；步骤6，评审后作品赋分；本发明实现了评审人员与待评审作品之间的双向规避，还基于评审结果对评审人员进行分类，识别出评审异常，合理地对评审内容进行赋分，这一措施不仅增强了评审过程的公正性，还提升整体评审质量，为解决现有技术中存在的问题提供了有效的方案。
-
Patent Agency Ranking
公开(公告)号：CN109359677B
公开(公告)日：2021-11-23
申请号：CN201811170840.7
申请日：2018-10-09
Applicant: 中国石油大学(华东)
IPC: G06K9/62
Abstract: 本发明涉及一种基于自适应ramp损失函数的耐噪在线多分类核学习算法。通过引入核函数构造非线性多分类器，针对基于批处理技术的多分类方法无法高效处理数据流问题，而现有在线学习算法无法有效控制噪声样本的影响的问题，设计该耐噪在线多分类核学习算法。该方法能够减少参与模型计算的支持向量的数量，有效控制噪声影响，显著提高模型更新效率，提高噪声数据多分类问题的分类精度，满足实际应用问题的需求。本发明耐噪在线多分类核学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Perceptron和Pegasos等算法无法有效抑制噪声影响的问题，可高效应用于图片的场景分类等实际应用问题。
-
公开(公告)号：CN108875962A
公开(公告)日：2018-11-23
申请号：CN201810593893.3
申请日：2018-06-11
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于固定预算的核岭回归在线学习方法，首先通过数值实验确定预算取值，构造初始学习样本集合，建立核岭回归模型并求解得到预测器，利用低秩矩阵校正技术和Sherman‑Morrison‑Woodbury公式更新核岭回归模型得到在线预测器，进而实现对数据流的在线预测。该方法采用固定预算策略，能有效控制在线学习模型的规模、节约存储空间、有效降低计算复杂度、易于实现。本发明在线学习方法，能够灵活处理具有数据流特征的在线预测问题，数据可以通过数据块的形式收集，与传统批处理方式以及当前的在线学习方法相比，大幅度降低了计算复杂度和模型运行时间，能够高效处理回归和分类问题。
-
公开(公告)号：CN105574297A
公开(公告)日：2016-05-11
申请号：CN201610088041.X
申请日：2016-02-16
Applicant: 中国石油大学(华东)
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明涉及一种自适应高炉铁水硅含量趋势预报方法，基于在线最小二乘支持向量机，建立基于在线LS-SVMs模型的自适应预报器，通过不断采集新样本对趋势预报模型进行自适应性更新，追踪高炉冶炼过程的动态变化，实时性和可靠性好。本发明提供的自适应高炉铁水硅含量趋势预报方法，能够灵活高效处理高炉铁水硅含量的趋势预报问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线预报方法相比，有效降低了计算复杂难度和模型运行时间。
-
公开(公告)号：CN109272033B
公开(公告)日：2022-03-08
申请号：CN201811037902.7
申请日：2018-09-06
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于步长控制的在线软间隔核学习算法(OSKL)。通过引入核函数构造非线性分类器，引入软间隔参数控制噪声数据的影响，并基于在线梯度下降算法的基本框架设计具有鲁棒性的在线核学习算法。该算法能够降低模型存储空间、有效控制噪声影响、模型更新的计算复杂度仅为O(1)，具有实时性强、易于实现等优势，是处理和分析数据流问题的天然工具。本发明在线学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Kernel Perceptron和Pegasos等算法无法有效抑制噪声影响的问题。
-
公开(公告)号：CN107092743B
公开(公告)日：2020-03-06
申请号：CN201710246244.1
申请日：2017-04-15
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F111/10
Abstract: 本发明涉及一种基于规则辅助的高炉冶炼过程数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，从而提高高炉冶炼过程采集数据的利用率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.035 seconds)
