专利交易市场

本发明公开了一种基于特征融合稀疏表示模型的合成孔径雷达(Synthetic Aperture Radar,SAR)图像车辆检测方法，目的是针对现有的SAR图像车辆检测方法在复杂场景中的不足之处，以提高SAR图像车辆检测的准确性。该方法首先基于训练目标数据的相关字典集，对每个测试目标所提取的一系列特征进行稀疏重构，生成一系列残差。然后将残差归一化并组成单个残差序列。基于所收集的所有特征的残差序列集合，依据线性融合策略来确定目标类别的最佳估计，依此获取测试目标的检测结果。本发明充分利用了基于特征融合稀疏表示模型的良好分辨能力，且考虑了图像中场景复杂度的变化，有效地提高了SAR图像车辆的检测率，准确度更高。

本发明公开了一种基于张量结构及稀疏表示的说话人确认方法及系统，该方法包括步骤：S1、构建听觉特征张量；S2、将所述听觉特征张量转换成稀疏矩阵；S3、降低所述稀疏矩阵的维度以生成最终的特征向量；S4、基于稀疏表示分类器进行说话人确认。本发明能够在保留数据的内在结构的基础上，减少计算的复杂度，提高说话人确认效率。

本发明公开了一种基于注意力机制稀疏表示的大地电磁信号去噪方法及系统，该方法获取待去噪的大地电磁信号以及冗余字典，并将所述大地电磁信号进行分段；之后计算各个大地电磁信号段与所述冗余字典中每个原子的注意力权重；再基于注意力权重从冗余字典中提取出各段信号的最小子集，进而利用最小子集中每个原子表示出稀疏编码矩阵，接着基于稀疏编码矩阵与冗余字典的乘积得到噪声轮廓矩阵，最后将利用噪声轮廓矩阵对待处理信号进行降噪。通过上述方法可以有效的压制原始大地电磁信号中的大尺度噪声，保留低频缓变化趋势，处理速度较快，从而提高大地电磁信号数据质量，为后续解释地下真实结构提供了可靠依据。

一种基于深度稀疏表示网络的DNA结合蛋白识别方法,包括以下具体步骤：获取DNA结合蛋白序列数据集，分为训练集和测试集；采用PSL‑BLAST软件计算DNA结合蛋白序列数据集内所有序列的特异性打分矩阵；将所有的特异性打分矩阵分别填充或裁剪成相同尺寸的新特异性打分矩阵；采用深度稀疏表示网络构建并训练DNA结合蛋白识别分类器模型，将新特异性打分矩阵输入DNA结合蛋白识别分类器模型内，完成对DNA结合蛋白序列的识别。构建并训练出的DNA结合蛋白识别分类器模型是一种端到端的网络，能够明显的提高预测精度，误差较小，采用卷积自编码器可以鲁棒地学习特异性打分矩阵的潜在特征，并通过稀疏表示层进行分类，提高了模型的泛化能力。

本发明请求保护一种基于主题地域相关因子与稀疏表示的微博转发行为预测方法，主要涉及机器学习及社交网络信息分析领域。首先，基于社交网络中用户关系以及用户行为数据，提取用户基本特征、微博基本特征、用户活跃度、用户的亲密程度、融入主题地域相关因子的用户兴趣度特征。其次，通过稀疏表示分类算法对特征组进行微博转发行为预测。本发明有效解决了目前微博转发行为预测计算时间长，准确率不高的问题。