专利交易市场

一种基于自编码器与决策树的图像分类方法与系统，该方法包括：采集图像样本数据，转换图像样本为像素信息矩阵/向量；利用自编码器网络模型，学习图像样本的表征信息，使用编码器压缩并提取图像样本的低维特征信息；在迭代求解自编码器网络最优权重参数的过程中更新每个样本对应的最近邻数值；基于训练好的自编码器网络模型中提取的低维样本特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签构建决策树模型；利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，在训练集中寻找最近邻领域，将最近邻领域中数量最多的类别作为预测结果。本发明可以得到目标的低维特征信息，并预测样本的类别，预测结果具有可解释性。

本发明公开了一种基于决策树的店铺选址方法，实现过程包括：获取与欲开设店铺同类型的已有店铺的第一信息并进行数据预处理；使用聚类算法对已有店铺进行聚类，通过店铺簇的影响范围确定潜力区域，寻找欲开设店铺的候选地址；使用已有店铺的多个第一信息通过皮尔森相关系数、方差的方法构建CART决策树模型；将候选地址通过CART决策树模型进行训练，根据所占比值进行推荐。本发明通过缩小选址的区域范围，减少地址分析的工作量，在确定潜力区域的基础上进行地址分析，更快定位店铺候选地址。

本发明公开了一种基于决策树分类器的跳数矩阵恢复方法，其包括步骤如下：S1：通过泛洪过程，获取的跳数矩阵中含有缺失项；S2：根据跳数矩阵中部分被观测到的跳数之间的关系构建训练集，将跳数矩阵中观测到的跳数值建模为训练集的标签，最大跳数值表示为类别数；S3：根据步骤S2中得到的训练样本集合训练决策树分类器；S4：为没有观测到的跳数值构造特征，得到未知样本；将未知样本输入到训练好的决策树分类器，得到未知样本的类别，即得到矩阵中对应位置的缺失的跳数值，从而恢复出完整的跳数矩阵H。本发明对缺失跳数的预测结果更为准确，对跳数矩阵的恢复能力大大提高。

本发明的实施例之一提供了基于决策树的高效率视频编码器帧内快速算法选择方法。与单一的算法相比，本发明实施例之一提供的方法能够进一步降低编码器的计算复杂度，同时视频质量损失可以忽略。在与原HEVC编码率失真相近的情况下，本发明实施例1的方法平均能降低61.7％的编码时间，同时质量(BRBD)只损失了1.91％。

本发明提出一种基于决策树的HEVC屏幕内容帧内快速编码算法，属于视频编解码技术领域。该算法包括：1)提取有效的特征值；2)生成原始数据集作为训练集，在此基础上加以训练完成决策树，包括CU决策树和PU决策树；3)将图像分割为若干个CTU,在执行帧内编码过程中，判断当前CU是否为边界CTU，如果是则执行标准算法完成编码，否则进行步骤4)；4)执行快速编码，即在一定深度的决策树中，通过对该层的特征值的计算完成当前CU的划分与PU模式的选择。本发明通过决策树做判决的算法通过减少CU深度和PU的模式遍历而降低编码复杂度。最终保证在码率和峰值信噪比基本不变的情况下，有效减少编码时间，达到快速帧内编码的效果。