基于条件对抗自编码网络的特征学习方法,其通过标签变量来控制生成结果,生成具有标签的样本用以辅助其他学习任务,提高图像识别效率;同时本发明还公开了基于条件对抗自编码网络的特征学习方法的图像识别方法,其能够在复杂的对象布局以及多标签图像场景时,获得高精度的图像识别效果。其包括S1选定训练集;S2选定先验分布函数;S3以对抗自编码网络模型为基础,在网络模型中的判别器或者编码器的输入数据中引入样本数据的标签信息,构建网络模型;S4训练网络模型,以优化网络模型中的参数;S5通过训练好的网络模型中的判别器进行数据特征的提取、或者利用训练好的生成器生成原始输入的重构。
📄 2018113799006
📂 G06K9_62
👤 江南大学
📅 2018-11-20
本发明公开了一种利用遗传算法优化反应过渡态的方法,属于计算化学领域。本发明方法通过输入反应物的分子式自动转化为结构式,先设置目标原子的坐标为变量,随机生成多组初值,先通过常规算法计算得到满足条件的初值,在针对得到的初值利用利用遗传算法自动变异和交叉组合得到新的初值,重复计算得到符合条件的初值,直至符合条件的初值计算完毕,再根据满足条件的初值对应的反应路径,最终选出所需的过渡态及反应路径。本发明无需人为去调分子结构,计算过程快且结果更加准确。
📄 2020112838547
📂 G16C20_10
👤 江南大学
📅 2020-11-17
本发明涉及一种融合模块和多尺度特征融合卷积神经网络及图像识别方法,包括上一层、融合层以及级联层,所述上一层将输入图片通过所述融合层运算,再将运算完成的结果通过所述级联层进行合并输出,所述融合层由在原始模块中加入瓶颈结构和空洞卷积结构共同组合而成。本发明不但错误率低,而且有效减少网络的参数量,有利于提升模型泛化能力。
📄 2020108887682
📂 G06V10_80
👤 江南大学
📅 2020-08-28
本发明涉及图像识别算法技术领域,具体公开了一种用于解魔方机器人中的图像识别算法,其中,包括:获取魔方图像,其中魔方图像为魔方打乱后的图像;对所述魔方图像进行图像分割处理,得到魔方每相邻两个平面之间的面边界点;根据所述面边界点做透视变换,得到变换图像;根据所述变换图像捕捉每个独立色块;对每个所述独立色块进行图像颜色识别。本发明提供的用于解魔方机器人中的图像识别算法,由于通过将魔方图像进行透视变换,根据透视变换后的图像进行处理并进行颜色识别,可以有效提高识别准确率与鲁棒性。
📄 2020108136024
📂 G06V20_20
👤 江南大学
📅 2020-08-12
一种用于数字图像识别的构建型神经网络参数融合优化方法,属于人工智能数字图像识别领域。本方法包括:构建融合优化性能指标;融合优化算法;利用构建的神经网络进行数字图像识别。本发明还通过收敛性分析验证了本发明的有效性,其中第一部分为准备环节,第二部分的IOM算法为本发明的关键技术和实现步骤,第三个部分为理论保证。本发明提供一种隐含层节点参数和输出层参数的同步联合优化方法,在理论上相比于现有方法具有更小的保守性。本方法生成的构建型神经网络模型比现有方法产生的模型结构更紧凑,冗余节点更少,计算速度更快。相比于现有方法产生的模型在学习阶段的后期,误差收敛的速度更快,收敛精度更高,泛化性能更好。
📄 2020107665497
📂 G06V10_774
👤 江南大学
📅 2020-08-03
本发明公开了一种基于改进遗传算法的模式数据挖掘方法,属于数据挖掘技术领域。本发明种群初始化后,包括使用如下一种以上处理:个体修复处理,邻域探索处理,种群多样性维持处理和精英处理,来挖掘HUIs。本发明方法,在四个实际数据集上的实验结果表明,与目前最先进的基于EC的HUIM算法相比,所提出的HUIM‑IGA方法在发现的HUIs数量、发现HUIs的能力和运行时间方面具有更好的性能。可应用于处理日常应用中常见的交易型等事务数据库,在发现的高效用项集数量、发现高效用项集的能力和运行时间方面具有更好的性能。
📄 2019111886004
📂 G06F16_2458
👤 江南大学
📅 2019-11-28
本发明公开了一种基于遗传算法的卷积神经网络结构搜索方法,属于图像分类技术领域。所述方法引入了可优化的卷积结构FlexCell单元,该结构使用深度可分离卷积技术和多尺度设计,通过对应的权重参数可以产生多样的卷积结构来充分提取输入数据的特征从而提高卷积神经网络的性能;本发明设计了三维度编码空间并结合FlexCell来产生多样的候选卷积神经网络结构,同时使用改进的二阶段遗传算法和交叉编译算子来搜索最优的卷积神经网络结构。实验数据证明,利用本发明搜索方法获取神经网络最优结构,相比于现有的搜索方法,可以以更少的参数、更少的时间成本,达到更高的图像分类精度。
📄 2025100168640
📂 G06N5_01
👤 江南大学
📅 2025-01-06
本发明公开了一种基于MSGNet模型的支气管腔图像识别方法,涉及医学图像数据处理和分析技术领域,该方法包括:获取带有标签信息的支气管镜图像,对图像进行预处理后,按比例划分为训练集、验证集和测试集;以ResNet模型为基本网络架构,融合了多尺度门卷积层,建立MSGNet模型;利用训练集和验证集对模型进行训练,得到训练好的MSGNet模型;利用训练好的模型在测试集上进行模型测试,得到测试集中每个图像对应的类别。该模型集成了多尺度特征提取和门选择机制,使模型能够自适应地关注输入图像中信息量最大的区域,还可以动态选择提取到的有效特征,从而提高了支气管腔位置识别的准确性和鲁棒性,具有较高的临床实用价值。
📄 2024113231281
📂 G06V10_764
👤 江南大学
📅 2024-09-23
本发明涉及模糊供应链配置优化技术领域,公开一种多种群遗传算法的多目标模糊供应链配置优化方法和系统,包括:获取供应链中每个成员的配置的时间和成本,构建时间和成本的隶属度函数和模糊集,使用贴近度理论从模糊集中消除时间和成本的模糊性;根据供应链中的成员的配置的时间和成本构建供应链整体的总时间的目标函数和总成本的目标函数,构建用于优化时间和成本的种群,结合使用贪婪方法和多种选择策略求解所述供应链整体的总时间的目标函数和总成本的目标函数,得到供应链中的成员的配置的最优选择方案。本发明可以在综合多目标优化的同时降低求解难度、提高解的质量。
📄 2023118211716
📂 G06Q30_0601
👤 江南大学
📅 2023-12-26
本发明涉及一种基于全流程并行遗传算法的贝叶斯网络结构学习方法,属于信息处理及人工智能技术领域。本发明基于遗传算法来构建贝叶斯网络结构学习方法,能够更广泛地探索搜索空间、提高搜索效率;同时,一方面通过寻找两个节点间边的生成来简化BN结构的搜索,另一方面采用全流程并行计算的方式来进一步提高搜索效率,并使用BIC作为评分函数来解决数似然度和结构复杂度的权衡问题。
📄 2023113881567
📂 G06N7_01
👤 江南大学
📅 2023-10-24
本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法,属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行,这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留,以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验,从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。
📄 2023109484292
📂 G06Q30_0601
👤 江南大学
📅 2023-07-31
本发明公开了一种基于遗传算法和划分数据集的图像分类方法,属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度,通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题,该方法引入Inception模块,同时提出Feature模块作为CNN网络结构第一层,来保证输入图片有足够的特征给深层的模块进行学习,Transition模块对特征图的特征维度进行变换,Dropout模块来防止网络的过拟合,综合提高了图像分类的精度。
📄 2022102978935
📂 G06V10_764
👤 江南大学
📅 2022-03-24