-
公开(公告)号：CN106778850A
公开(公告)日：2017-05-31
申请号：CN201611103479.7
申请日：2016-12-05
Applicant: 河海大学
IPC: G06K9/62
CPC classification number: G06K9/6276 , G06K9/6256 , G06K2209/05
Abstract: 本发明公开了基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，包括如下步骤：步骤A，对脑部磁共振图像集中各图像进行预处理，抽样各图像及其对应的标签构成测试集和训练集；步骤B，基于受限莫尔兹曼机对训练集进行训练，提取训练集特征；步骤C，将上一步提取的特征利用最近邻分类器进行分类。利用本发明方法在公开的脑部磁共振图像库中进行了实验，结果表明：与现有的技术相比较，可以明显提高分类准确率。本发明可以用于脑部磁共振图像分类系统中。
-
公开(公告)号：CN105426919B
公开(公告)日：2017-11-14
申请号：CN201510821480.2
申请日：2015-11-23
Applicant: 河海大学
Abstract: 本发明公开了一种基于显著性指导非监督特征学习的图像分类方法，属于机器学习与计算机视觉领域。该图像分类方法包括显著性指导的像素点采集、非监督特征学习、图像卷积、局部对比归一化、空间金字塔池化、融合中央先验和图像分类。采用该分类方法，将显著性检测用于采集图像数据集中代表性的像素点，通过稀疏自编码器这种非监督的特征学习方法训练代表性的像素点来获取高质量的图像特征。通过图像卷积操作获取训练样本和测试集的特征，将卷积特征进行局部对比归一化和空间金字塔池化，将池化后的特征与中央先验特征进行融合，采用liblinear分类器对图像进行分类。此方法可获取高效而鲁棒的图像特征，能够显著提高多类图像的分类准确率。
-
公开(公告)号：CN107133640A
公开(公告)日：2017-09-05
申请号：CN201710269907.1
申请日：2017-04-24
Applicant: 河海大学
CPC classification number: G06K9/6277 , G06K9/6226 , G06K9/66
Abstract: 本发明公开了基于局部图像块描述子和费舍尔向量的图像分类方法，步骤依次为，构建基于局部图像块的特征描述子；利用高斯混合模型对训练数据集的特征描述子进行建模；生成训练图像集和测试图像集的费舍尔向量；构建高斯空间金字塔，获取图像多尺度空间信息；计算训练数据集和测试数据集的特征集合；采用互信息方法对数据集的特征集合进行特征选择；训练分类器，实现图像分类。本发明能够精确地获取图像信息，提高了图像的分类准确率，可用于大规模图像分类与检索系统的构建。
-
Patent Agency Ranking
公开(公告)号：CN106919164A
公开(公告)日：2017-07-04
申请号：CN201710205376.X
申请日：2017-03-31
Applicant: 河海大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明公开了基于堆栈自动编码器的水利机组故障分析方法,包括以下步骤：(1)从水利机组检测系统采集机组运行原始状态数据，并进行人工标记；(2)将机组运行原始状态数据划分为训练数据和测试数据，同时获得训练标签和测试标签；(3)利用训练数据对堆栈自动编码器的每一层自动编码器进行预训练，提取预训练的特征；然后，利用训练标签对网络进行微调，获得微调后的基于堆栈自动编码器网络，作为水利机组故障分析模型；(4)将测试数据输入到水利机组故障分析模型，完成水利机组故障分析。本方法采用水利机组全部运行状态的监测数据，通过堆栈自动编码器方法，对水利机组当前健康状态进行更全面的评估，诊断更加精确。
-
公开(公告)号：CN105868478A
公开(公告)日：2016-08-17
申请号：CN201610197043.2
申请日：2016-03-31
Applicant: 河海大学 , 江苏省泰州引江河管理处
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明公开一种基于情境感知的旋转机械设备虚拟装配模型及装配方法，采用将虚拟装配任务分解为装配知识层、装配决策层和用户控制层，为每个层次赋予不同的职责。通过为装配知识层定义虚拟装配模型，来容纳装配知识和装配语义，实现虚拟装配的情境化。通过将决策层每个零件视作独立的Agent，根据虚拟装配过程的特点定义Agent之间的通信模板和决策规则，实现用户引导规则化。同时本发明通过离线的聚类算法，实现对用户在特定装配情境下的位置和朝向的预测，减少用户在调整摄像机的操作上花费的时间。相比现有装配感知技术，本发明具有装配模型轻量化，交互智能化，交互效率高的优点，可定制装配过程引导用户操作。
-
公开(公告)号：CN106919164B
公开(公告)日：2019-05-28
申请号：CN201710205376.X
申请日：2017-03-31
Applicant: 河海大学
IPC: G05B23/02
Abstract: 本发明公开了基于堆栈自动编码器的水利机组故障分析方法,包括以下步骤：(1)从水利机组检测系统采集机组运行原始状态数据，并进行人工标记；(2)将机组运行原始状态数据划分为训练数据和测试数据，同时获得训练标签和测试标签；(3)利用训练数据对堆栈自动编码器的每一层自动编码器进行预训练，提取预训练的特征；然后，利用训练标签对网络进行微调，获得微调后的基于堆栈自动编码器网络，作为水利机组故障分析模型；(4)将测试数据输入到水利机组故障分析模型，完成水利机组故障分析。本方法采用水利机组全部运行状态的监测数据，通过堆栈自动编码器方法，对水利机组当前健康状态进行更全面的评估，诊断更加精确。
-
公开(公告)号：CN105868478B
公开(公告)日：2018-06-12
申请号：CN201610197043.2
申请日：2016-03-31
Applicant: 河海大学 , 江苏省泰州引江河管理处
IPC: G06F17/50
Abstract: 本发明公开一种基于情境感知的旋转机械设备虚拟装配模型及装配方法，采用将虚拟装配任务分解为装配知识层、装配决策层和用户控制层，为每个层次赋予不同的职责。通过为装配知识层定义虚拟装配模型，来容纳装配知识和装配语义，实现虚拟装配的情境化。通过将决策层每个零件视作独立的Agent，根据虚拟装配过程的特点定义Agent之间的通信模板和决策规则，实现用户引导规则化。同时本发明通过离线的聚类算法，实现对用户在特定装配情境下的位置和朝向的预测，减少用户在调整摄像机的操作上花费的时间。相比现有装配感知技术，本发明具有装配模型轻量化，交互智能化，交互效率高的优点，可定制装配过程引导用户操作。
-
公开(公告)号：CN105426919A
公开(公告)日：2016-03-23
申请号：CN201510821480.2
申请日：2015-11-23
Applicant: 河海大学
CPC classification number: G06K9/6268 , G06K9/4671
Abstract: 本发明公开了一种基于显著性指导非监督特征学习的图像分类方法，属于机器学习与计算机视觉领域。该图像分类方法包括显著性指导的像素点采集、非监督特征学习、图像卷积、局部对比归一化、空间金字塔池化、融合中央先验和图像分类。采用该分类方法，将显著性检测用于采集图像数据集中代表性的像素点，通过稀疏自编码这种非监督的特征学习方法训练代表性的像素点来获取高质量的图像特征。通过图像卷积操作获取训练集和测试集的特征，将卷积特征进行局部对比归一化和空间金字塔池化，将池化后的特征与中央先验特征进行融合，采用liblinear分类器对图像进行分类。此方法可获取高效而鲁棒的图像特征，能够显著提高多类图像的分类准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
