本发明公开了一种短文本特征提取与分类方法,属于信息处理技术领域。通过对词频、集中度标准差、关联度高的关键词进行加权系数的奖励,再综合三者,得到关键词的特征指数;根据特征指数对初始关键词库进行优化,删除关键词库中对识别文本所属的类别所起作用较小的一些字词,也即减少了会影响文本分类准确性的关键词,使得后续分类更准确。通过将关键词映射成二维坐标平面上的点,将文本数据与关键词库的匹配,得到文本数据对应的点集,将其中的点顺序排列并连接,即得到文本的特征折线,通过特征折线的相似度反应文本的相似度,并对折线相似度算法进行了修正,利用邻居与当前文本的“相似度”来给每个邻居赋予不同的重要性,从而分类更准确。
📄 2020105025180
📂 G06F16_35
👤 江南大学
📅 2020-06-04
本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法,包括以下步骤:步骤S1,基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选,得到包含其它属性和延迟负荷的最优属性特征集;步骤S2,使用多种不同的核函数分别构建多个单核RSVR模型;根据最优属性特征集,采用训练样本进行模型训练,采用测试样本评估模型预测能力;步骤S3,根据各个单核RSVR模型的训练预测误差分配权值,将各个单核RSVR模型进行加权融合,形成多核RSVR组合模型;步骤S4,使用多核RSVR组合模型进行短期电力负荷预测。本发明能够有效解决属性特征不分类提取、未来未知量的盲目使用等问题,并且兼顾优化了支持向量回归模型,进一步提升了方案预测性能。
📄 2020100032934
📂 H02J3_00
👤 江南大学
📅 2020-01-03
基于时空域特征提取的无参考视频质量评价方法,其所需数据量小,计算复杂度低,适用于无线应用的实时测评,可大大降低视频质量评价时延性,提高评价结果获取效率,其包括以下步骤:S1,选取一幅噪声视频作为待评价视频,S2,对待评价视频进行颜色空间转换,获取噪声视频的亮度信号值、色度信号值,S3,提取预处理后的噪声视频的时域特征、时空域特征,S31,采用分帧处理方法提取时域特征,获取视频帧差图,S32,将视频帧差图送Xception网络提取时空域特征,S4,对时空域特征进行拼接,获取拼接图,然后采用PCA方法对拼接图进行降维处理,获取深度处理特征,S5,建立XGBOOST模型,获得噪声视频的图像噪声指标,S6,采用性能指标对图像噪声指标进行评价。
📄 2019101497372
📂 H04N17_00
👤 江南大学
📅 2019-02-27
本发明涉及脑电图信号分类技术领域,公开一种基于混合流形注意力网络的脑电图信号分类方法和系统,方法包括:构建混合流形注意力网络模型,模型包括特征提取模块、流形建模模块、混合流形建模模块,流形建模模块在时间和通道两个维度对EEG信号的时空语义特征进行划分得到时空和空时数据、并建模至SPD流形和格拉斯曼流形;混合流形建模模块包括SPD流形自注意力模块、格拉斯曼流形自注意力模块、混合黎曼相似性度量模块,分别用于基于LCM提取SPD流形特征、提取格拉斯曼流形特征、通过加权求和整合不同流形上的测地线距离;使用模型对EEG信号进行分类。本发明可以挖掘信号的几何相关性、提升模型的鲁棒性、计算效率和准确性。
📄 202510683560X
📂 G06F18_241
👤 江南大学
📅 2025-05-26
本发明属于图像处理技术领域,涉及一种基于知识蒸馏的图像特征提取方法及装置;将多个图像样本输入教师模型,得到每个图像样本的第一特征向量;将多个图像样本输入学生模型,得到每个图像样本的第二特征向量;将多个第一特征向量中排序相同的特征值组合,得到m个第一组合向量;将多个第二特征向量中排序相同的特征值组合,得到m个第二组合向量;基于多个图像样本的目标类知识蒸馏损失函数得到第一损失函数,基于多个图像样本的皮尔逊相关系数损失函数得到第二损失函数,基于m个组合向量的皮尔逊相关系数损失函数得到第三损失函数,从而得到图像特征损失函数对学生模型进行训练,直到图像特征提取损失函数最小,得到训练好的学生模型。
📄 2024107200619
📂 G06V10_40
👤 江南大学
📅 2024-06-05
本发明涉及一种图像特征提取方法、装置、存储介质及图像分类方法,属于图像处理技术领域。获取图像特征提取模型,模型包括stem模块和多个特征提取模块,每个特征提取模块包括无填充下采样子模块和特征提取卷积子模块,每个无填充下采样子模块包括无填充卷积单元、无填充最大池化单元和特征融合单元;将图像样本输入stem模块,输出初始特征图;将初始特征图输入第一个特征提取模块中的无填充下采样子模块,输出下采样特征图;将下采样特征图输入第一个特征提取模块中的特征提取卷积子模块,将第一个特征提取模块中的特征提取卷积子模块作为下一个特征提取模块的输入;将最后一个特征提取模块中的特征提取卷积子模块的输出作为目标特征图。
📄 2024100550556
📂 G06V10_44
👤 江南大学
📅 2024-01-12
本发明公开了一种基于双流慢‑非平稳快特征提取的CO2含量预测方法,属于软测量技术领域。所述方法考虑化工过程的慢变特性以及非平稳特性,并结合LSTM,提出一种基于双流慢‑非平稳特征提取网络,基于Siamese网络进行慢特征提取,同时设计了一种差分LSTM网络用于提取非平稳特征;预测过程中尽可能保留包含关键过程信息的慢特征和包含有短期波动和突变的非平稳快特征,从而实现对于质量变量的精准预测,而且由于慢特征是在较长时间范围内进行计算,因此提高了预测方法的抗噪声和干扰的能力,而且能够适应不同时间尺度,更好地捕捉过程的动态性。
📄 2023114158448
📂 G16C20_20
👤 江南大学
📅 2023-10-30
本发明公开了一种基于改进Harris角点的胶囊内窥镜图像特征提取方法,包括:计算胶囊内窥镜图像每个像素点的偏导数以及梯度值,将梯度值度低于设定的梯度阈值的像素点过滤掉;对Harris相应函数进行改进,计算每个像素点改进的Harrsi响应函数值,通过响应函数值获得潜在的特征点;将改进的Harris响应函数值与滑动窗口的窗宽、滑动距离进行结合,得到自适应滑动窗口并对潜在特征点进行非极大值抑制;确定每个特征点的方向,将该方向作为改进的Harris角点的主方向,构建rBRIEF描述子,利用描述子进行特征点匹配。本发明不仅能够获得大量的特征点,还能保持高精准度;能够快速且有效地进行特征提取,能够在胶囊内窥镜图像中获得充足数量特征点的同时维持特征匹配的精度。
📄 2023111862472
📂 G06V10_54
👤 江南大学
📅 2023-09-14
本发明一种基于时空频特征提取的运动想象脑电信号分类方法及系统。包括:构建运动想象脑电信号分类网络,其中,利用运动想象脑电信号分类网络对所述运动想象脑电信号进行频率特征提取,以基于所提取的频率特征生成频率特征图组;对所述频率特征图组进行空间特征提取,以基于所提取的空间特征生成频率‑空间特征图组;对所述频率‑空间特征图组进行时间特征提取,以基于所提取的时间特征生成频率‑空间‑时间序列特征值组;对所述频率‑空间‑时间序列特征值组进行分类,以在分类后输出所述运动想象脑电信号的类别。本发明基于时空频特征提取,能有效实现对运动想象脑电信号的分类,提高运动想象脑电信号分类的泛化性与适用性。
📄 2023106305712
📂 G06F18_2415
👤 江南大学
📅 2023-05-30
本发明公开了一种快速的图像仿射不变特征提取方法,属于计算机视觉领域。所述方法首先使用两张图像上的对应线段的像素长度关系判断得到缩放关系,并基于此区分基准图像和目标图像;其次,将特征提取过程分成两次:先用效率更高的方式进行第一次特征提取与匹配得到相对最优的仿射变换参数,只对基准图像进行模拟仿射,极大降低和减少了模拟变换、特征提取和特征匹配的次数与耗时,并可以在仿射变换过程引入尺度参数模拟和最近邻插值方式,有效提高特征点对匹配数量、精度和运行效率;实验结果表明,本发明具有良好的仿射不变性,能在小视角时保持优秀性能和精度,也能对抗大角度的视角变化,同时能极大减小内存占用和计算开销。
📄 202310575375X
📂 G06V10_46
👤 江南大学
📅 2023-05-22
本发明提供的一种基于改进双流特征提取网络的实时语义分割方法,其构建了实时语义分割网络对待处理图像数据进行语义分割,实时语义分割网络为双流特征提取网络,其输入端特征图来源分别是语义路径中三种不同分辨率的特征图,这样既能避免重复计算、降低模型参数量,还可以加深各路径间特征信息的关联性,使网络模型具有更好的多尺度特征信息融合效果。通过设计空间特征信息增强模块,改变空间路径输入特征信息,完成了传统双流特征提取网络的优化,确保还原足够的空间特征细节信息用于预测任务,同时确保本发明技术方案能够在实验环境下进行实时分割,使语义分割算法能够更灵活的适用于不同的应用场景。
📄 2023105244105
📂 G06V10_26
👤 江南大学
📅 2023-05-11
本发明公开了一种基于可见光单图像的弱纹理表面微结构特征提取方法,属于图像处理技术领域。本发明在自然可见光场景下,通过拍摄弱纹理表面、灰度调整、K‑Prototypes聚类自适应网格划分、Gabor核提取高频细节特征等步骤,获得弱纹理表面微几何凹凸特征,解决了现有方法对弱纹理表面区域无法提取自身固有特征或提取精度低的问题,达到了对弱纹理表面的微观结构的特征识别和特征提取的目的,可应用于物体识别、VR、AR、表面探伤、医学诊断等重要领域。
📄 2022108748299
📂 G06V10_54
👤 江南大学
📅 2022-07-25