检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

75 篇 专利

馆藏范围

75 篇 电子文献
0 种 纸本馆藏

日期分布

机构

7 篇 杭州电子科技大学
5 篇 华南理工大学
4 篇 南京师范大学
4 篇 武汉大学
3 篇 大连理工大学
3 篇 珠海大横琴科技发...
2 篇 浙江浙能技术研究...
2 篇 北京百度网讯科技...
2 篇 大连维视科技有限...
2 篇 新华三信息安全技...
2 篇 国网江苏省电力有...
2 篇 清华大学
2 篇 上海交通大学
2 篇 北京大学
2 篇 京东方科技集团股...
2 篇 中国航空工业集团...
2 篇 北京航空航天大学
2 篇 京东科技控股股份...
2 篇 西北大学
2 篇 北京三快在线科技...

作者

4 篇 谷雨
4 篇 彭冬亮
4 篇 刘俊
3 篇 陈金鹿
3 篇 薛剑
3 篇 文成林
3 篇 卢湖川
3 篇 李艳雄
3 篇 牛冰川
3 篇 邓练兵
2 篇 吕亚飞
2 篇 杜文英
2 篇 张铭
2 篇 姚力波
2 篇 周伯文
2 篇 陈昊
2 篇 刘亚东
2 篇 张敏
2 篇 冯秋晨
2 篇 王俊

语言

75 篇 中文

检索条件"主题词=训练样本提取"

共 75 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

一种基于SIFT训练样本提取的遥感图像全监督分类方法

一种基于SIFT训练样本提取的遥感图像全监督分类方法

引用

作者：高飞吕文超孙进平王俊张红波 100191 北京市海淀区学院路37号

本发明涉及一种基于SIFT(Scale Invariant Feature Transform)训练样本提取的遥感图像全监督分类方法，包括以下步骤：对初始图像的幅度数据归一化处理，得到归一化图像；利用SIFT和拉普拉斯细节增强算子提取归一化图像中的关键点，作... 详细信息

标准号: CN105894037A

本发明涉及一种基于SIFT(Scale Invariant Feature Transform)训练样本提取的遥感图像全监督分类方法，包括以下步骤：对初始图像的幅度数据归一化处理，得到归一化图像；利用SIFT和拉普拉斯细节增强算子提取归一化图像中的关键点，作为候选样本；计算归一化图像的简单纹理特征，对候选样本的灰度值做阈值分割处理得到训练样本坐标，对应的简单纹理特征作为训练样本，除训练样本外其他所有的归一化图像的简单纹理特征作为待分类样本，即测试样本；利用SIFT所提取训练样本特征，对支持向量机SVM(Support Vector Machine)分类器进行训练，产生最优分类面；通过最优分类面，对未知类别的测试样本的简单纹理特征进行分类，得到最终的分类结果；本发明适合复杂地形区域的地表分类，拥有较高的分类精度，具有良好的推广性。

关键词：归一化图像简单纹理训练样本最优分类面测试样本候选样本训练样本提取归一化处理支持向量机初始图像地表分类分类结果分类样本幅度数据复杂地形监督分类算子提取细节增强遥感图像阈值分割分类器关键点推广性分类灰度

来源：评论

学校读者我要写书评

暂无评论

一种基于SIFT训练样本提取的遥感图像全监督分类方法

一种基于SIFT训练样本提取的遥感图像全监督分类方法

引用

作者：高飞吕文超孙进平王俊张红波 100191 北京市海淀区学院路37号

标准号: CN105894037B

来源：评论

学校读者我要写书评

暂无评论

一种自动的图片训练样本提取方法及系统

一种自动的图片训练样本提取方法及系统

引用

作者：张一文 610041 四川省成都市高新区世纪城南路216号

本发明公开了一种自动的图片训练样本提取方法及系统，解析图像集合中所有图像内容，得到图像集合的所有图像特征；储存所述图像特征，建立图像知识库；解析由客户端给出的目标图像的内容，得到目标图像特征；根据所述目标图像特征，在... 详细信息

标准号: CN105183857A

本发明公开了一种自动的图片训练样本提取方法及系统，解析图像集合中所有图像内容，得到图像集合的所有图像特征；储存所述图像特征，建立图像知识库；解析由客户端给出的目标图像的内容，得到目标图像特征；根据所述目标图像特征，在图像知识库中寻找相似图像；返回相似图像至用户数据库。其中，基于图像视觉特征利用深度学习方法提取图像特征。本发明能够自动检索任何图像集合中所需标记的图像，能够实现大量图片的训练及样本提取，且检索速度快、成本效益高。

关键词：知识库目标图像特征所有图像图像集合相似图像图像提取图像特征训练样本提取用户数据库成本效益基于图像检索速度解析图像目标图像视觉特征图像特征样本提取自动检索学习方法储存所客户端一种解析集合返回图片寻找训练公开建立

来源：评论

学校读者我要写书评

暂无评论

一种可解释性的深度学习样本赋权方法

一种可解释性的深度学习样本赋权方法

引用

作者：吴偶周晓玲李蒙阳 300072 天津市南开区卫津路92号

本发明公开一种可解释性的深度学习样本赋权方法，包括以下主要步骤：针对每个训练样本提取可以反映样本特性的权重因子。构建一个神经回归树，输入是从分类网络中提取的权重因子，输出为输入样本的权重。使用一种基于元学习的在线优化... 详细信息

标准号: CN115730651A

本发明公开一种可解释性的深度学习样本赋权方法，包括以下主要步骤：针对每个训练样本提取可以反映样本特性的权重因子。构建一个神经回归树，输入是从分类网络中提取的权重因子，输出为输入样本的权重。使用一种基于元学习的在线优化算法来交替更新分类网络和基于神经回归树的赋权网络。基于训练好的可解释性的神经回归树对赋权规则进行揭示。基于本发明构建的可解释的样本加权框架，既可以得到好的权重以提升深度学习模型效果，又可以揭示一组好的权重的赋权机制，对现有赋权策略的应用和未来的赋权策略的设计具有启发意义。

关键词：权重分类网络权重因子解释性神经构建回归训练样本提取模型效果输入样本学习样本样本特性在线优化算法加权样本输出学习更新应用网络

来源：评论

学校读者我要写书评

暂无评论

文本分类模型的训练样本生成方法、装置和电子设备

文本分类模型的训练样本生成方法、装置和电子设备

引用

作者：刘昊肖欣延 100085 北京市海淀区上地十街10号百度大厦2层

本申请公开了文本分类模型的训练样本生成方法、装置和电子设备，涉及自然语言处理和深度学习技术领域。实现方案为：获取目标内容类型的种子词，以及获取种子词作为搜索词搜索得到多篇目标文本，对多篇目标文本分别作为训练样本进行标... 详细信息

标准号: CN111831821B

本申请公开了文本分类模型的训练样本生成方法、装置和电子设备，涉及自然语言处理和深度学习技术领域。实现方案为：获取目标内容类型的种子词，以及获取种子词作为搜索词搜索得到多篇目标文本，对多篇目标文本分别作为训练样本进行标注，以生成目标内容类型的训练样本集合，根据训练样本集合中的多个训练样本，生成关键词，根据关键词，更新种子词，以及将更新后的种子词作为搜索词，再次进行搜索，并将再次搜索到的目标文本作为训练样本进行标注并添加至训练样本集合。本申请中通过对已有训练样本提取关键词，利用关键词更新种子词，进而采用更新的种子词搜索得到更多的训练样本，实现了无需人工生成样本，降低了成本，提高了生成效率。

关键词：种子词训练样本训练样本集合目标文本搜索搜索词标注更新文本分类模型训练样本提取自然语言处理关键词更新电子设备获取目标目标内容内容类型人工生成申请样本学习

来源：评论

学校读者我要写书评

暂无评论

一种基于植被近红外反射植被指数的作物样本提取方法

一种基于植被近红外反射植被指数的作物样本提取方法

引用

作者：张小康于胜男李振海张乾江科宁维光 266590 山东省青岛市黄岛区前湾港路579号

本发明公开一种基于植被近红外反射植被指数的作物样本提取方法，属于图像数据处理方法和农业遥感领域，用于农作物历史训练样本提取。本发明使用光学遥感数据，基于初始年份作物样本经随机森林算法实现作物分类，以此作为邻近年份训练... 详细信息

标准号: CN118115894A

本发明公开一种基于植被近红外反射植被指数的作物样本提取方法，属于图像数据处理方法和农业遥感领域，用于农作物历史训练样本提取。本发明使用光学遥感数据，基于初始年份作物样本经随机森林算法实现作物分类，以此作为邻近年份训练样本提取基础，将初始年与邻近年遥感影像的NIRv的比值作为变量输入，通过设置变量阈值范围，实现邻近年份作物训练样本提取，依此迭代，实现作物历史逐年训练样本提取。本发明能够保证训练样本提取精度，解决作物遥感分类中历史训练样本缺乏的问题，实现同一区域历史年份的作物分类。

关键词：训练样本提取年份作物分类邻近光学遥感数据图像数据处理红外反射历史年份农业遥感算法实现随机森林同一区域训练样本样本提取遥感分类遥感影像植被指数迭代样本农作物植被保证

来源：评论

学校读者我要写书评

暂无评论

文本分类模型的训练样本生成方法、装置和电子设备

文本分类模型的训练样本生成方法、装置和电子设备

引用

作者：刘昊肖欣延 100085 北京市海淀区上地十街10号百度大厦2层

标准号: CN111831821A

来源：评论

学校读者我要写书评

暂无评论

一种基于水稻物候特征提取样本的方法

一种基于水稻物候特征提取样本的方法

引用

作者：朱阿兴赵芳鹤潘皓博慕冰洁 210023 江苏省南京市栖霞区文苑路1号

本发明公开了一种基于水稻物候特征提取样本的方法，该方法包括如下步骤：S1.基于多时相遥感影像的遥感生态指数时间序列数据，计算每个栅格位置上的水稻物候特征指数r；S2.训练样本提取；S21.确定水稻判别阈值θ1和θ2，判别该栅格位... 详细信息

标准号: CN115205701A

本发明公开了一种基于水稻物候特征提取样本的方法，该方法包括如下步骤：S1.基于多时相遥感影像的遥感生态指数时间序列数据，计算每个栅格位置上的水稻物候特征指数r；S2.训练样本提取；S21.确定水稻判别阈值θ₁和θ₂，判别该栅格位置是否为水稻；S22.基于水稻判别阈值θ₁对水稻物候特征指数r进行直方图拉伸；S23.基于拉伸后的水稻物候特征指数r’确定采样区间；S24.确定待采集的样本点个数n，在r’值属于(0.25‑k,0.25+k)区间且LSWI_min小于θ₂的栅格中，随机选取n/2个水稻样本点，在r’值属于(0.75‑k,0.75+k)区间的栅格中随机选取n/2个非水稻样本点，共同构成可用于机器学习的训练样本集。基于本发明提取的训练样本无需野外人工作业，大大降低了采样成本。

关键词：水稻特征指数样本点随机选取栅格位置栅格时间序列数据训练样本提取训练样本集直方图拉伸采样成本采样区间机器学习人工作业特征提取训练样本遥感影像可用拉伸样本遥感野外采集生态

来源：评论

学校读者我要写书评

暂无评论

一种基于原型分类器的完全小样本类别增量音频分类方法

一种基于原型分类器的完全小样本类别增量音频分类方法

引用

作者：李艳雄司永洁曹文昌李佳龙 510640 广东省广州市天河区五山路381号

本发明公开了一种基于原型分类器的完全小样本类别增量音频分类方法，步骤如下：从输入音频样本提取对数梅尔谱；初始化自注意力卷积神经网络，包括表征提取器、原型分类器和原型自适应模块；基础环节，采用小样本学习和伪增量情境训练... 详细信息

标准号: CN117831570A

本发明公开了一种基于原型分类器的完全小样本类别增量音频分类方法，步骤如下：从输入音频样本提取对数梅尔谱；初始化自注意力卷积神经网络，包括表征提取器、原型分类器和原型自适应模块；基础环节，采用小样本学习和伪增量情境训练方法分别训练表征提取器和原型自适应模块；从基础环节音频类别训练样本提取表征并计算同类别表征均值作为原型并更新原型分类器；在增量环节采用原型自适应模块先获取各增量类原型，然后对所有原型进行自适应调整，再更新原型分类器；测试时，采用所有已知类别测试样本评测模型性能。本发明方法在所有环节都采用小样本学习训练模型，利用较少的训练样本有效解决模型对增量类过拟合和对旧类遗忘的问题。

关键词：原型原型分类器自适应模块小样本基础环节提取器卷积神经网络训练样本提取自适应调整评测测试样本类别表征输入音频学习训练训练样本样本提取音频分类音频类别有效解决初始化梅尔谱更新拟合环节注意力遗忘测试学习

来源：评论

学校读者我要写书评

暂无评论

一种联合特征增强和网络参数优化的人脸识别方法

一种联合特征增强和网络参数优化的人脸识别方法

引用

作者：文成林牛冰川 310018 浙江省杭州市钱塘新区白杨街道2号大街

本发明涉及一种联合特征增强和网络参数优化的人脸识别方法。本发明首先把ORL人脸库分为训练样本和测试样本；接着分别使用2DPCA和(2D)2PCA方法对训练样本提取特征值和特征向量；然后对特征向量使用插值法增强并和BP神经网络结合做仿真... 详细信息

标准号: CN111832467B

本发明涉及一种联合特征增强和网络参数优化的人脸识别方法。本发明首先把ORL人脸库分为训练样本和测试样本；接着分别使用2DPCA和(2D)²PCA方法对训练样本提取特征值和特征向量；然后对特征向量使用插值法增强并和BP神经网络结合做仿真实验；再使用WSCPSO算法优化BP神经网络参数；最后使用优化后的BP神经网络和增强的特征数据做仿真实验。本发明通过提出一种在全局和局部搜索期间权重都缓慢变化的PSO算法，避免了搜索遗漏问题，进一步提高了人脸识别的准确率。

关键词：仿真实验人脸识别特征向量网络参数优化训练样本提取测试样本缓慢变化局部搜索算法优化特征数据特征增强训练样本插值法人脸库再使用准确率权重遗漏搜索全局优化联合

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共8页 << < 1 2 3 4 5 6 7 8 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：