百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网! [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有!
全国服务热线 13310018778

栏目导航

最新技术
商户分类方法
本公开涉及一种商户分类方法。一种商户分类方法,包括:获取商户的销售数据,所述销售数据包括训练样本;对所述销售数据进行预处理;基于经过所述预处理的销售数据,执行特征提取处理,从而得到多个特征;对所述多个特征执行特征选择处理,以便从所述多个特征中选择出重要特征;基于所述训练样本的所述重要特征,训练分类模型;以及基于所述分类模型对所述商户进行分类。
应用于无人系统的多源异构数据单帧融合与一致表征方法
本发明公开一种应用于无人系统的多源异构数据单帧融合与一致表征方法,该方法包括多源异构数据的同步采集与预处理,同类型数据的融合,融合数据组维度对齐以及异构融合与一致表征。该方法能够完成多个传感器产生的单帧异构数据的融合以及对环境的一致表征,实现环境的综合感知与描述。本发明能够有效解决多种传感器产生的多源异构数据的有效融合与探测结果的一致表征问题。
基于迁移学习的任务导向的图像质量测评方法
本发明涉及一种基于迁移学习的任务导向的图像质量测评方法,包括以下步骤:步骤S1:获取水下鱼类检测数据集,并进行标注及整理,得到鱼类目标检测数据集;步骤S2:基于鱼类目标检测数据集训练yolov4网络模型,得到鱼类检测模型fish-yolov4;步骤S3:构建水下鱼类检测任务导向的图像质量数据库;步骤S4:基于水下鱼类检测任务导向的图像质量数据库,对鱼类检测模型fish-yolov4进行迁移学习及微调,得到最终的检测模型。本发明能够有效提高图像质量测评效率,提高测评的可靠性及真实性。
非合作目标柔性附着多节点融合估计方法
本发明公开的非合作目标柔性附着多节点融合估计方法,涉及一种非合作目标附着协同导航方法,属于深空探测技术领域。本发明实现方法为:针对小天体柔性附着过程中节点构型时变的问题,利用节点间重合观测区域内角点特征的像元、像线构建多视点几何光学信息,在柔性连接约束的前提下利用多视点几何光学信息对节点构型进行估计,得到较为准确的节点构型,进而利用构型将各节点自身的观测数据或状态估计转化到相邻节点,并通过动力学递推将不同时刻的观测数据或状态估计进行同步处理,实现多节点融合估计。本发明能够提高柔性附着过程中各节点的自主导航性能,有利于实现小天体表面的安全附着。
计及特征量信息表达差异的非侵入式负荷辨识方法及系统
本公开提出了计及特征量信息表达差异的非侵入式负荷辨识方法及系统,包括:利用非侵入式获取设备的用电数据并进行特征提取和特征筛选,形成最优特征子集;基于熵权法原理求解最优特征子集对应的权重向量,同时对隶属度矩阵和聚类中心进行初始化处理;在计算聚类算法的欧式距离时作特征加权处理,将权重向量以乘子的形式融入距离计算,形成样本点与聚类中心的加权距离矩阵;依据特征加权改进得到的隶属度更新公式和聚类中心更新公式计算待识别样本的隶属度及聚类中心,多次迭代形成最优隶属度矩阵,输出待辨识样本的类别及工作状态。能够实现特征与辨识算法的紧密结合,可有效增强算法的泛化应用能力和辨识准确率。
面向机器人技能学习的快速模仿学习方法、系统、设备
本发明属于机器人和人工智能技术领域,具体涉及一种面向机器人技能学习的快速模仿学习方法、系统、设备,旨在解决现有机器人的示教数据采集耗时、复杂以及当示教者提供了次优示教时,机器人无法优化执行过程,导致机器人操作效率降低、作业时间变长的问题。本系统方法包括获取原始示教数据;结合预训练的评测器,通过预设的关键帧提取方法从原始示教数据集中提取关键帧示教数据;基于关键帧示教数据,通过训练好的控制策略模型控制机器人复现示教。本发明能够简化机器人模仿学习时的数据采集流程,并基于机器人控制策略模型的性能优化示教轨迹,缩短数据采集时间与机器人操作时间,有效地提高机器人模仿学习的效率、缩短作业时间。
一种乳腺组织病理图像分类方法
本发明涉及一种乳腺组织病理图像分类方法,首先在VGG16与ResNet50两个网络模型上使用迁移学习方法将浅层卷积冻结,利用浅层通用特征提高网络精度与泛化能力;其次,加入注意力模块提取乳腺病灶区域信息以增强特征描述;最后,将两个个体分类器的类概率结果以软投票的方式进行融合,得到最后的八分类结果。本发明将迁移学习机制运用到乳腺图像分类任务中,预先使用大型公开数据集获取一定的先验知识,提高网络学习效率,避免模型训练出现过拟合。
语言模型预训练方法、装置
本发明提供语言模型预训练方法,包括:获取基于第一特征初始化的第一词向量,所述第一特征包括图像特征;获取随机初始化的第二词向量;基于所述第一词向量与所述第二词向量训练语言模型。结合了包括图像和词语构成的多模态特征进行预训练,提升了语言与现实事物的关联性;降低了进行语言模型预训练所需的语料,有效利用了外部知识,有利于进一步提高语言模型在下游任务中的使用效果。本发明还提供的语言模型预训练装置能够实现本发明的语言模型预训练方法而具有相应优势。
一种基于R-Multi-parameter PBSNLR模型的图像分类方法
本发明公开了一种基于R-Multi-parameter PBSNLR模型的图像分类方法,本发明在PBSNLR模型的基础上通过引入膜电压与阈值间的距离作为权重调节规则的动态参数,可以有效改变模型在训练过程中权重调整幅度唯一带来的问题,在能准确的学习到目标脉冲信号的基础上,相较于传统PBSNLR模型具有更高的学习效率;本方法同时采用分时间段的动态阈值策略,避免了在目标点火时刻附近的非目标点火时刻使用一个低于原阈值的新阈值进行训练,可能导致目标点火时刻的膜电压积累不足无法点火的缺陷,使得本方法具有更高的准确率,特别是在噪声环境下学习效率和准确率明显高于其余的膜电压驱动方法。
一种基于XGBoost与Stacking模型融合的非侵入式负荷识别方法
本发明公开了一种基于XGBoost与Stacking模型融合的非侵入式负荷识别方法,具体包括以下步骤:首先针对不同类别负荷样本不平衡会降低模型的辨识精度这一问题,将不平衡样本进行处理。然后选择具有代表性和泛化性的特征。最后基于XGBoost建立多个参数不同的分类模型,从而构建一个Stacking模型融合的基模型层,并在基模型层之后设置另一个XGBoost模型作为该集成模型最终的分类模型,以此建立一个XGBoost与Stacking模型融合的非侵入式负荷辨识系统。本发明方法与单模型相比,基于Stacking模型融合方法将多个XGBoost模型集成构成综合辨识系统,提升了识别精度,具有一定的应用价值。