-
公开(公告)号：CN106055743A
公开(公告)日：2016-10-26
申请号：CN201610340671.1
申请日：2016-05-20
申请人： 河南师范大学
IPC分类号： G06F17/50
摘要： 本发明涉及一种弹性动力学边界面计算方法，针对传统时域法计算量大、分析时间较长时结果不稳定的问题，提出了一种拟初始条件法和卷积数值积分法相结合的方法来求解三维弹性动力学问题的时域边界积分方程。在新的方法中，首先利用拟初始条件法将整个分析时间划分为几个时间段，将每个时间段末的动态响应作为下一段的初始条件，不必再累加之前分析步的结果对当前分析步的影响，从而可以减少系数矩阵的存储量和计算时间，降低了计算量；然后在每个时间段内，再次划分为更小的时间步采用卷积数值积分法逐步求解。该方法既能够提高传统时域法的稳定性，又克服了卷积数值积分法计算量大的问题。
-
公开(公告)号：CN106405683B
公开(公告)日：2018-12-18
申请号：CN201610863444.7
申请日：2016-09-29
申请人： 河南师范大学
IPC分类号： G01W1/10
摘要： 本发明涉及基于G‑L混合噪声特性核岭回归技术的风速预报方法及装置，该方法包括如下步骤：1)获取风速数据集Dl，利用Bayesian原理，得到Gauss‑Laplace混合噪声特性的损失函数；2)利用统计学习理论和最优化理论，结合步骤1)中的损失函数，建立基于Gauss‑Laplace混合噪声特性的核岭回归模型的原问题，推导并求解出该核岭回归模型对偶问题；3)确定该核岭回归模型对偶问题的最优参数，选取核函数，构造该核岭回归模型的决策函数；4)构造该核岭回归模型的风速预报模式，利用该预报模式预报分析风速值。该装置包括损失函数获取模块、对偶问题求解模块、决策函数构造模块及风速预报模块。本发明能够满足实际应用中，如风力发电、农业生产等，对风速预报精度的要求。
-
公开(公告)号：CN106021402A
公开(公告)日：2016-10-12
申请号：CN201610316164.4
申请日：2016-05-13
申请人： 河南师范大学
IPC分类号： G06F17/30
CPC分类号： G06F16/35
摘要： 本发明涉及用于跨模态检索的多模态多类Boosting框架构建方法及装置，该方法包括：构造目标风险函数，目标风险函数包括各个模态的模态内损耗和各个模态之间的模态间损耗；根据梯度下降策略，依次更新风险函数中每一个模态的预测器，而固定其他模态的预测器，当所有模态的预测器均被更新后，称为一次循环迭代，如此经过T次循环迭代，学习出使目标函数最小的各个模态的最优预测器；利用Sigmoid函数将各个模态的最优预测器所产生的拟边缘转换到一个共同的语义空间，以实现跨模态检索。本发明的方法考虑到模态间的语义相关性，在一定程度上可以增强那些质量较差的模态内语义信息，在跨模态检索的任务中拥有较好的性能。
-
公开(公告)号：CN110223730A
公开(公告)日：2019-09-10
申请号：CN201910492586.0
申请日：2019-06-06
申请人： 河南师范大学
IPC分类号： G16B20/30
摘要： 本发明涉及蛋白质与小分子结合位点预测方法、预测装置，属于小分子结合蛋白结合位点预测技术领域。本发明中提出了新的蛋白质与小分子结合位点预测方法，该方法中使用滑动采样窗口法提取数据；蛋白质结合作用会受到结合残基周围环境影响，因此采用采样窗口法提取数据来表征中心位置的残基的特征，具有更好的表征效果；在使用提取的特征构建XGBoost分类模型后，分类模型具有更好的预测效果，能够更准确的预测蛋白与小分子的结合位点。
-
公开(公告)号：CN106405683A
公开(公告)日：2017-02-15
申请号：CN201610863444.7
申请日：2016-09-29
申请人： 河南师范大学
IPC分类号： G01W1/10
CPC分类号： G01W1/10
摘要： 本发明涉及基于G-L混合噪声特性核岭回归技术的风速预报方法及装置，该方法包括如下步骤：1)获取风速数据集Dl，利用Bayesian原理，得到Gauss-Laplace混合噪声特性的损失函数；2)利用统计学习理论和最优化理论，结合步骤1)中的损失函数，建立基于Gauss-Laplace混合噪声特性的核岭回归模型的原问题，推导并求解出该核岭回归模型对偶问题；3)确定该核岭回归模型对偶问题的最优参数，选取核函数，构造该核岭回归模型的决策函数；4)构造该核岭回归模型的风速预报模式，利用该预报模式预报分析风速值。该装置包括损失函数获取模块、对偶问题求解模块、决策函数构造模块及风速预报模块。本发明能够满足实际应用中，如风力发电、农业生产等，对风速预报精度的要求。
-
-
公开(公告)号：CN105389770A
公开(公告)日：2016-03-09
申请号：CN201510764203.2
申请日：2015-11-09
申请人： 河南师范大学
IPC分类号： G06T1/00
CPC分类号： G06T1/0078 , G06T2201/0065
摘要： 本发明涉及基于BP和RBF神经网络的图像水印嵌入、提取方法与装置。通过仿射变换对原始水印图像置乱再结合改进的BP神经网络算法对置乱水印图像进行加密，将加密的水印图像嵌入到原始载体图像中；提取嵌入在载体图像中加密的水印图像，并且通过仿射反变换和BP神经网络算法对所述的加密的水印图像进行恢复，得到原始水印图像。本发明实现对水印图像的二次加密，增加了密匙的数量，提高了水印的安全程度。
-
公开(公告)号：CN110223730B
公开(公告)日：2022-09-27
申请号：CN201910492586.0
申请日：2019-06-06
申请人： 河南师范大学
IPC分类号： G16B20/30
摘要： 本发明涉及蛋白质与小分子结合位点预测方法、预测装置，属于小分子结合蛋白结合位点预测技术领域。本发明中提出了新的蛋白质与小分子结合位点预测方法，该方法中使用滑动采样窗口法提取数据；蛋白质结合作用会受到结合残基周围环境影响，因此采用采样窗口法提取数据来表征中心位置的残基的特征，具有更好的表征效果；在使用提取的特征构建XGBoost分类模型后，分类模型具有更好的预测效果，能够更准确的预测蛋白与小分子的结合位点。
-
公开(公告)号：CN108520310B
公开(公告)日：2021-12-03
申请号：CN201810169866.3
申请日：2018-03-01
申请人： 河南师范大学
摘要： 本发明涉及基于G‑L混合噪声特性v‑支持向量回归机的风速预报方法，该方法包括如下步骤：1）获取风速数据集Dl，利用Bayesian原理，得到Gauss‑Laplace混合噪声特性的经验风险损失函数；2）利用统计学习理论和凸优化技术，结合步骤1）中的损失函数，建立基于Gauss‑Laplace混合噪声特性的v‑支持向量回归模型的原问题，利用Lagrange乘子法推导并求解出该v‑支持向量回归模型对偶问题；3）确定该v‑支持向量回归模型对偶问题的最优参数，选取核函数，构造该v‑支持向量回归模型的决策函数；4）构造该v‑支持向量回归模型的风速预报模式，利用该预报模式预报分析风速值。该方法包括经验风险损失函数获取模块、对偶问题求解模块、决策函数构造模块及风速预报模块。本发明能够满足实际应用中，如风力发电、农业生产等，对风速预报精度的要求。
-
公开(公告)号：CN112329805A
公开(公告)日：2021-02-05
申请号：CN202010805239.1
申请日：2020-08-11
申请人： 河南师范大学
摘要： 本发明公开了一种基于异方差噪声孪生LSSVR的风速预报方法，包括以下步骤：A、获取待预测地区具有异方差噪声影响的风速数据集D1，计算得到基于异方差噪声特性的损失函数；B、基于异方差噪声特性孪生最小二乘支持向量回归的原问题，推导并求解基于异方差噪声特性孪生最小二乘支持向量回归的对偶问题；C、确定基于异方差噪声特性孪生最小二乘支持向量回归对偶问题的惩罚参数及核参数，选取合适的核函数；构造基于异方差噪声特性孪生最小二乘支持向量回归的上界和下界函数，最后构造决策函数；D、构造基于异方差噪声特性的孪生最小二乘支持向量回归的风速预报模型并对风速进行预报。本发明能够改进现有技术的不足，提高了风速预报精度。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.023 秒)
