-
公开(公告)号：CN119650075A
公开(公告)日：2025-03-18
申请号：CN202411412044.5
申请日：2024-10-11
Applicant: 青岛滨海学院 , 中国石油大学(华东)
Abstract: 本发明公开了一种预测人脑功能连接的方法，属于生物信息领域，步骤为：基于信号在脑区间传播的衰减过程，由结构连接构造出Laplacian矩阵L；基于L求解高阶Laplacian矩阵Lp；引入高阶Laplacian矩阵Lp，建立人脑结构连接与功能连接之间的二阶扩散模型；将初始状态带入二阶扩散模型，得到人脑功能连接矩阵。本发明在Laplacian的基础上，建立了高阶Laplacian矩阵，能够描述脑区之间的高阶非线性连接关系，刻化脑区间的连接属性。同时，二阶偏微分方程的引入，加强了结构连接预测功能连接的准确性。因而，本发明提出的模型可以仅由结构连接直接预测出反映脑区间正相关和负相关的功能连接，且效果优于之前提出的图Laplacian扩散模型。
-
公开(公告)号：CN117132833A
公开(公告)日：2023-11-28
申请号：CN202311130026.3
申请日：2023-09-04
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06V10/58 , G06V20/10 , G06V10/77 , G06V10/26 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种多尺度交叉注意力高光谱图像分类网络，属于图像处理技术领域，所述高光谱分类网络包括主成分分析、多尺度特征提取、CAT网络分类、多层感知机，主成分分析用以对输入的图像数据进行降维，以生成低维数据矩阵；多尺度特征提取用以对图像块进行三维卷积操作，以提取图像多尺度特征；CAT分类网络用以对图像块进行内部与交叉注意力计算，生成分类数据矩阵；多层感知机对分类数据矩阵进行全连接，以生成最终数据进行分类；目前CAT网络主要应用于普通图像分类与目标检测领域，本发明实现了CAT模型在高光谱图像分类领域的迁移，实现了VIT模型以更低的计算成本处理高光谱图像，同时解决了原模型不能充分利用多尺度空间信息的问题。
-
公开(公告)号：CN113792862B
公开(公告)日：2023-08-22
申请号：CN202111097886.2
申请日：2021-09-18
Applicant: 中国石油大学(华东)
IPC: G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/094 , G06T3/40
Abstract: 本发明公开了一种基于级联注意力机制的改正单图生成对抗网络的设计方法，属于模式识别技术领域，在生成对抗网络的基础上，嵌入级联注意力机制的注意力信息，用于图像处理任务，能够很好的利用图像特征中通道和像素信息的重要程度，提高生成对抗网络模型对于图像特征的学习性能。设计的级联通道注意力机制和级联空间注意力机制，可以有效的消除单一图像中特殊点对注意力机制的影响，通过将输入图像特征与注意力机制级联，进一步提高生成对抗网络模型的稳定性和生成图像的质量，将所述级联注意力机制构成网络模块集成在改正单图生成对抗网络中，使得改正单图生成对抗网络可以更好地学习图像复杂的全局特征。
-
公开(公告)号：CN113378942B
公开(公告)日：2022-07-01
申请号：CN202110667364.5
申请日：2021-06-16
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/70
Abstract: 本发明公开了一种基于多头特征协作的小样本图像分类方法，属于模式识别技术领域，同时使用多种特征提取器提取的嵌入特征，且引入子空间学习方法，将原始的多头特征转换到统一的低维表示空间中，这同时有助于减少冗余信息，有效的解决了不同嵌入特征处于不同特征空间，存在的测量尺度不一致的问题。此外，通过设计权重计算部分来自动更新每个多头特征的组合权重，将处理后的多头嵌入特征进行级联得到样本的协作表示，有效解决多头特征的合理使用问题。
-
公开(公告)号：CN113378941B
公开(公告)日：2022-05-03
申请号：CN202110667350.3
申请日：2021-06-16
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/70 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种多决策融合的小样本图像分类方法，属于模式识别技术领域，通过综合考虑多个分类器的决策，从而提高模型的有效性和鲁棒性。该方法是一种简单的非参数方法，能够有效解决训练数据有限时，不能很好地适应新的类别的问题，同时可以解决新数据的嵌入可能导致分布移位的问题，较大幅度的提高小样本图像分类的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN113792862A
公开(公告)日：2021-12-14
申请号：CN202111097886.2
申请日：2021-09-18
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于级联注意力机制的改正单图生成对抗网络的设计方法，属于模式识别技术领域，在生成对抗网络的基础上，嵌入级联注意力机制的注意力信息，用于图像处理任务，能够很好的利用图像特征中通道和像素信息的重要程度，提高生成对抗网络模型对于图像特征的学习性能。设计的级联通道注意力机制和级联空间注意力机制，可以有效的消除单一图像中特殊点对注意力机制的影响，通过将输入图像特征与注意力机制级联，进一步提高生成对抗网络模型的稳定性和生成图像的质量，将所述级联注意力机制构成网络模块集成在改正单图生成对抗网络中，使得改正单图生成对抗网络可以更好地学习图像复杂的全局特征。
-
公开(公告)号：CN113378942A
公开(公告)日：2021-09-10
申请号：CN202110667364.5
申请日：2021-06-16
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于多头特征协作的小样本图像分类方法，属于模式识别技术领域，同时使用多种特征提取器提取的嵌入特征，且引入子空间学习方法，将原始的多头特征转换到统一的低维表示空间中，这同时有助于减少冗余信息，有效的解决了不同嵌入特征处于不同特征空间，存在的测量尺度不一致的问题。此外，通过设计权重计算部分来自动更新每个多头特征的组合权重，将处理后的多头嵌入特征进行级联得到样本的协作表示，有效解决多头特征的合理使用问题。
-
公开(公告)号：CN113159225A
公开(公告)日：2021-07-23
申请号：CN202110534721.0
申请日：2021-05-17
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种多变量工业过程故障分类方法，首先使用正常操作工况数据集来分析过程变量之间的相关性，计算变量之间的相关性因子；其次根据过程变量之间的相关性因子构建新的过程变量排列顺序，并进一步构建变量自组织函数；使用卷积神经网络建模方法构建VSACNN故障分类模型，并利用训练数据集来进行网络参数的优化，将测试数据集输入至VSACNN故障诊断模型，根据VSACNN故障诊断模型输出确定故障类型。本发明将变量关系分析与CNN模型相结合，提高局部变量之间的相关性，从而帮助CNN充分挖掘相关过程变量之间的联系，改善CNN在提取局部特征的信息有效性，能够有效地提升故障分类的准确率。
-
公开(公告)号：CN112363216A
公开(公告)日：2021-02-12
申请号：CN202011351979.9
申请日：2020-11-26
Applicant: 中国石油大学(华东)
IPC: G01V1/36
Abstract: 本发明提出一种基于注意力机制的地震数据去噪方法，包括如下步骤：通过卷积神经网络对含有噪声的地震数据进行处理以提取初次特征信号，对初次特征信号在通道域上进行评分并赋予通道权重，对初次特征信号在空间域上进行评分并赋予空间权重，将通道权重与初次特征信号相乘以得到通道特征信号，将空间权重与初次特征信号相乘以得到空间特征信号，将空间特征信号和通道特征信号经过Concat运算组合并将运算组合结果再次卷积处理，以生成最终的输出特征信号。该基于注意力机制的地震数据去噪方法，通过通道权重和空间权重的设置，实现对不同通道的不同关注，和对不同空间的不通关注，有效的对噪声进行合理的取舍，从而实现合理的去噪并保留准确的地震信号。
-
公开(公告)号：CN109630095A
公开(公告)日：2019-04-16
申请号：CN201811463075.8
申请日：2018-12-03
Applicant: 中国石油大学(华东)
IPC: E21B47/009 , E21B47/06 , E21B47/07 , G06F17/50
Abstract: 本发明公开了一种基于多视角学习的抽油机井工况识别方法及系统，属于工况诊断技术领域，采用基于大数据生产环境下的多视角学习方法，以实测地面示功图和电功率信号为两个不同的主视角，实测井口温度和井口压力信号为两个辅视角，进行有效组合并利用这四个实测视角，通过少量抽油机井工况数据或结合大量未知工况数据建立工况识别模型，其中，建立的工况识别模型有效集成了Hessian正则化和多视角学习方法，能够充分利用大数据和油气生产物联网环境下有杆泵采油生产系统采集的海量多源实时信息，突破单一信息源识别抽油机井工况的局限性和传统多源信息识别方法的技术瓶颈，从而进一步提高了抽油机井工况识别精准率和工程实用性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.033 seconds)
