本发明涉及生物信息化技术领域。一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，包括以下步骤：利用通过构建样本相似距离模型进行改进后的RReliefF算法来计算各个特征权重，去除不相关特征；利用mRMR算法来计算特征的最大相关最小冗余的相关度，去除冗余特征。本发明的有益效果：同时考虑了样本的欧氏距离和形态距离，构建了样本相似距离模型，改进了RReliefF算法，提高了特征选择算法的筛选性能，有助于获得相关性更大和冗余度更小的人体生理特征参数，进而有助于建立更简化有效且精度更高的人体体成分预测模型。
📄 2019105643147
📂 G06K9_62
👤 岭南师范学院
📅 2019-06-27
本发明公开多尺度次声信号融合的泥石流流量智能反演方法。针对现有技术无法将水槽模拟试验与野外观测两种途径采集的泥石流次声信号有效融合的缺陷，本发明提供一种多尺度泥石流次声信号融合方法，通过改进水槽实验设备与设计信号处理流程与条件消除两类原始信号间特征差异，实现信号融合，解决泥石流次声监测预警研究中基础数据扩充问题。本发明提供机器学习样本集构建方法，从泥石流次声信号中提取能量、时域、频域特征指标，配合泥石流运动特征指标组成用于机器学习的特征向量。本发明提供泥石流流量智能反演测算方法是一种基于泥石流次声信号的堆栈泛化类集成学习模型，能够应用于现场泥石流监测预警。本发明还提供各技术方案的应用方案。
📄 2022109319854
📂 G06K9_62
👤 成都信息工程大学; 四川省地质工程勘察院集团有限公司
📅 2022-08-04
本发明公开了一种香榧过氧化值的快速无损检测方法。通过构造的香榧过氧化值光谱相似表达式在香榧形状大小基本一致的基础上筛选过氧化值光谱相似的香榧，以建立适用于单个香榧过氧化值检测的预测模型，解决现有方法存在的前处理繁琐、耗时长，且无法实现单个香榧检测的问题。此外，采用两层模型方法提高单个香榧过氧化值的预测精度。
📄 2022105588283
📂 G06K9_62
👤 浙江农林大学
📅 2022-05-21
一种结合情感类别注意力损失的卷积神经网络情感图像分类方法，涉及智能媒体计算和计算机视觉技术领域；首先对训练样本进行类别权重计算，得到情感类别注意力权重向量；其次按情感类别数量和情感类别注意力损失修改卷积神经网络最后的分类层与损失函数；然后将训练样本进行预处理后传入网络中，使网络在损失函数和优化器的对参数的迭代更新后达到收敛，完成训练；最终将预处理后的测试图像送入网络中，计算得到的模型的情感图像分类准确率以及模型对测试情感图像的预测类别。本发明使得情感图像在通过卷积神经网络进行情感类别分类时，可以自适应的得到更符合数据集样本分布特点的分类结果，有助于情感分类算法在不同的实际应用场景中训练与使用。
📄 2020115068106
📂 G06K9_62
👤 北京工业大学
📅 2020-12-18
本发明公开了一种基于特征提取和Stacking集成学习的软件缺陷预测方法，包括：(1)利用核主成分分析对原始数据集进行特征提取，得到降维后的缺陷数据集DS′；(2)利用本发明提出的协同过滤算法为新的软件缺陷数据推荐适用的抽样方法，使用推荐的抽样算法在缺陷数据集DS′上进行不平衡处理，得到不平衡处理后的缺陷数据集DS″；(3)使用K‑Means算法对缺陷数据集DS″进行聚类，对于偏离主流类别的异常值进行剔除，得到缺陷数据集DS″′；(4)构建基于Stacking集成学习的软件缺陷预测模型，为第一层的基学习器和第二层的元学习器选择合适的分类器，构建出性能良好的软件缺陷预测模型；(5)在处理后的缺陷数据集DS″′上使用集成后的模型与基模型和主流集成模型进行对比，以此验证本发明提出的集成预测模型的性能优劣。研究结果表明，本发明提出的KSSDP集成预测模型比基模型和主流集成模型的性能更好。
📄 2021111066110
📂 G06K9_62
👤 西南民族大学
📅 2021-09-22
本发明提出了一种基于特征聚类和标签相似性的新型标签增强方法。本发明采用的方法如下：给定多标签样本的集合M，将集合M分成两部分，一部分是表示特征的集合F，另一部分表示标签的集合L；先对集合M进行预处理，主要包括数据缺失值处理、数据归一化；通过一种基于特征聚类和标签相似性的方法找到样本a的邻近样本集合S；确定邻近样本集合S之后，通过标签权重的方法将样本a的标签从多标签数据状态，转化成标签分布的标签描述度；需要对所有的样本基于特征聚类和标签相似性的方法和标签权重的方法，得到标签分布的集合D。本发明简单高效，结合特征信息和标签信息，能有效地将多标签数据集转成标签分布数据集。
📄 2021100883052
📂 G06K9_62
👤 浙江工商大学
📅 2021-01-22
本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最优网络训练包括数据划分和特征学习网络迭代训练两步本发明通过深度学习的方法设计了一种茶叶病害特征学习网络对茶叶病害数据进行训练，然后及那个已训练好的网络模型进行迁移，将最终的茶叶病害分类智能化，并且排除人为主观因素，使得到的结果较好。
📄 2021101411684
📂 G06K9_62
👤 安徽大学
📅 2021-02-01
本发明公布了一种基于图文匹配的多层次图像特征融合方法，通过使用预训练网络中的多层特征作为图像的多层次总预训练特征，并且在图文匹配的学习目标指导下，利用多层感知机(Multi‑Layer Perceptron)有监督地融合和降维图像的多层次总预训练特征，生成融合图像特征。从而能够充分地利用更多有用的、不同层次的预训练特征，并从中归纳出对图文匹配任务有用的特征和去除无用的特征，减少了噪声特征的干扰。然后即可利用融合图像特征和文本特征在特征空间上的余弦相似度来进行图文匹配。
📄 201810915359X
📂 G06K9_62
👤 广东工业大学
📅 2018-08-13
本发明涉及一种基于同态神经网络的跨领域图片分类方法，首先构建一个由同态子网络g和预测子网络f串联而成的神经网络架构，然后把跨领域图片的底层特征输入到同态子网络g中，通过同态子网络g提取出跨领域图片的同态特征，最后把跨领域图片的同态特征输入到预测子网络f中，通过预测子网络f预测图片的类别，本发明通过将跨领域图片的底层特征空间映射到同态特征空间中，充分利用了跨领域图片的同态不变性，减少了跨领域图片中有关领域信息的干扰，有效提高对跨领域图片的分类能力，另外，本方法最大限度地把从多源域图片学习到的知识迁移到多目标域图片上，保证了跨领域图片分类的鲁棒性，该分类方法不需要图片的先验领域知识，也不要求图片依领域划分。
📄 201710584948X
📂 G06K9_62
👤 广东工业大学
📅 2017-07-18
一种针对大规模在线教育平台MOOC数据集的异常检测方法，通过孤立森林算法解决了MOOC数据无标签的问题，对数据进行了初步的标注，为后续的监督学习算法提供了可供其训练的标签数据集，降低了人工标注的成本；监督学习算法LightGBM解决了无监督学习算法检测效果欠佳的问题，进一步提高了异常检测的精确度。无监督的孤立森林算法与有监督的LightGBM算法相结合的模型，提高了对MOOC在线学习课程学习者作弊行为的检测效率和精度，能够提高课程的总体学习效果以及学习效率。
📄 2022102963855
📂 G06K9_62
👤 南京邮电大学
📅 2022-03-24
本发明公开了一种用于强交互人体运动的2D人体位姿生成方法，该方法主要步骤包括：通过搭建的多视角相机阵列，采集并建立强交互人体运动数据集；基于建立的数据集对2D人体位姿估计网络HRNet的预训练模型进行微调，以提升其对强交互运动的检测能力；将微调获得的模型用于检测不同视角的图像，获得其初始特征；利用对极几何原理对每个视角的初始特征计算在其他视角中的对应极线位置；在对应的极线上分别采样K个特征，与源视角进行特征相似度计算和特征融合，以弥补源视角初始特征的不足；采用贪心匹配算法并以骨骼长度为阈值约束关节点的连接，最终生成2D人体骨架。本发明可以有效提高对强交互人体运动下的2D人体位姿的检测准确率。
📄 2022100601258
📂 G06K9_62
👤 南京邮电大学
📅 2022-01-19
本发明公开了一种基于跨模态特征融合的多任务加密网络流量分类方法，包括：获取待识别的原始流量；预处理原始流量，并获得其格式化样本；将格式化样本输入至训练完成后的基于特征融合技术的多模态多任务深度神经网络，得到对于每个任务对应的预测向量；取其中最大的值对应的分类作为加密流量在该任务上最终的分类标签。本发明能实现对流量特征的自动提取、融合，并根据融合后的结果做出多任务预测；具有通用性；实现包级别和流级别统计特征和有效载荷的融合；通过双路特征提取模块抽取每个数据包的有效载荷低阶的时序特征和全局统计特征，并用全局统计特征指导对有效载荷时序特征的进一步提取；改善了特征提取的效果，具有更好的分类效果。
📄 2021114313143
📂 G06K9_62
👤 南京邮电大学
📅 2021-11-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台