-
公开(公告)号：CN109035089A
公开(公告)日：2018-12-18
申请号：CN201810822970.8
申请日：2018-07-25
Applicant: 重庆科技学院
CPC classification number: G06Q50/205 , G06K9/00302 , G06K9/6269
Abstract: 本发明提供一种在线课堂氛围评估系统及方法，评估系统包括视频流采集模块，数据流处理模块，图像分析模块，课堂出勤分析模块，课堂氛围评估模块，课堂氛围评分模块，展示模块；本发明通过摄像头采集教室视频流数据，对采集的视频进行截取一帧一帧的图像，分割所有人脸图像，并按顺序编号，同时把特征值赋给相应编号的人脸，然后再按编号进行人脸识别和面部表情识别，以识别视频流数据中学生的人数、情绪和动作姿态，图像中学生低头则评分为0分，学生有互动行为加1分，再根据学生听课时的情绪分析策略得出当前学生听课状态评分，最终综合评估出课堂氛围评分。本发明能够在线实时评估课堂质量，能够有效提高评估效果。
-
公开(公告)号：CN109635611A
公开(公告)日：2019-04-16
申请号：CN201811553053.0
申请日：2018-12-19
Applicant: 重庆科技学院
IPC: G06K7/10
CPC classification number: G06K7/10029
Abstract: 本发明一种基于帧时隙的优化动态分组防碰撞方法，通过实验仿真，对标签进行分组预处理，然后在标签分组预处理的基础上进行混合查询，对空闲时隙、碰撞时隙、分组数和最佳帧长度等几个参数进行优化改进，减少碰撞机率、提高系统识别效率、减少空时隙数以及数据传输量，提高算法的稳定性。
-
公开(公告)号：CN108596261A
公开(公告)日：2018-09-28
申请号：CN201810399022.8
申请日：2018-04-28
Applicant: 重庆青山工业有限责任公司 , 重庆科技学院
Abstract: 本发明提供一种基于生成对抗网络模型的齿轮参数过采样方法，按以下步骤进行：S1：确定需要采样的齿轮参数并采集相应数据；S2：通过神经网络构建一个生成器和一个判别器；S3：输入噪声序列信号到生成器中，得到生成数据；S4：将生成的数据与原始采样数据输入判别器进行分类判断；S5：利用Softmax层进行线性变换，得到最终分类结果；S6：将分类结果与设定值比较得到分类误差，当大于预设目标，则更新生成器中各个神经元的权重生成新的数据；小于预设目标，则更新判别器中各个神经元的权重重新分类判断；S7：将生成器生成的数据和原始采样数据融合。其效果是：生成的数据与原始采样数据具有类似的分布，为齿轮性能分析提供了足够的数据资源。
-
公开(公告)号：CN110020683A
公开(公告)日：2019-07-16
申请号：CN201910263160.8
申请日：2019-04-02
Applicant: 重庆青山工业有限责任公司 , 重庆科技学院
Abstract: 本发明提供一种齿轮样本数据库构建方法，先采集实际齿轮参数，确定标签；然后通过神经网络构建生成器和判别器，且各层权重系数的初始值服从均匀分布；然后输入噪声序列信号和设定的标签到生成器中生成数据；然后将生成数据与原始采样数据同时输入所述判别器进行分类判断；通过更新生成器和判别器中各个神经元的权重，使其达到动态平衡；然后根据距离大小按升序排序；并从每个类别的生成数据队列中依次选择所差数量的生成数据融入原始样本数据中作为最终的训练数据库供分类器使用。其效果是：能够在采样数据偏少的情况下通过生成新的数据来满足数据库中各个类别训练样本的数量要求，避免了因为数据量不足对分类器的训练效果造成影响。
-
公开(公告)号：CN109828860A
公开(公告)日：2019-05-31
申请号：CN201910102990.2
申请日：2019-02-01
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于改进万有引力搜索(GSA)和支持向量机(SVM)的故障诊断方法，包括：对所获取的数据集进行标准化预处理，获取经过标准化预处理后的训练数据集；根据所述训练数据集对支持向量机(SVM)进行训练学习，并通过万有引力搜索优化算法(GSA)对设置的初始参数(惩罚参数C及内核参数g)进行数据分析以获取目标参数，确定目标参数对应的GSA-SVM故障诊断模型。从监测节点获取与待监测的多个压缩机中每个压缩机内的特征气阀数据；利用所述目标参数对应的SVM故障诊断模型对压缩机气阀的特征数据进行分析，确定气阀的故障类型。通过该模型，可对气阀故障数据进行分类预处理，然后在分类数据结果的基础上进行混合诊断，对SVM的惩罚参数(C)及内核参数(g)的选取和GSA优化SVM时陷入局部最优的问题引入粒子群(PSO)算法中的惯性权重和全局记忆性等进行优化，减少故障诊断的分类时间、提高故障诊断的准确率，提高算法的适用性。
-
Patent Agency Ranking
公开(公告)号：CN109214103A
公开(公告)日：2019-01-15
申请号：CN201811116526.0
申请日：2018-09-25
Applicant: 重庆青山工业有限责任公司 , 重庆科技学院
Abstract: 本发明提供一种基于边界约束生成对抗网络的齿轮可靠性分析系统，其特征在于包括：原始数据采样模块、生成对抗网络模块、均值协方差标记模块以及分类器，其中：原始数据采样模块：用于获取齿轮原始参数并对其进行归一化处理；生成对抗网络模块：包括生成器和判别器，在生成器和判别器之间还设置有边界约束模块；均值协方差标记模块：用于对生成对抗网络模块最终的生成数据进行标记；分类器：选择部分原始参数和部分标记后的生成数据作为最终的合成数据集进行安全性能分类。其效果是：能够生成更多的实例数据，并对其进行有效的标记，采用带约束GAN产生的数据具有更好的可靠性分类能力。
-
公开(公告)号：CN109102029A
公开(公告)日：2018-12-28
申请号：CN201810964677.5
申请日：2018-08-23
Applicant: 重庆科技学院
Abstract: 本发明公开了一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，本发明使合成人脸样本的质量评估变得更加客观，具有较高的可靠性。评估方法包括：S1、数据预处理；S2、采用卷积神经网络构建合成人脸样本集的评估模型；S3、通过S2中构建的评估模型对合成人脸样本进行评估质量好的合成人脸样本,由于生成对抗网络模型的机制，质量好的样本其概率分布pg(x)与原始样本的概率分布pdata(x)相近，所以通过分类模型训练测试时可以得到较高的准确率；质量差的合成人脸样本,则因其分布pg(x)离原始样本分布pdata(x)较远，且存在较多的可能性，所以其样本间差别较大，经分类模型进行训练测试时准确率较低。
-
公开(公告)号：CN111422079A
公开(公告)日：2020-07-17
申请号：CN202010168626.9
申请日：2020-03-12
Applicant: 重庆科技学院
Abstract: 本发明公开了一种无人机空中续航系统及方法，本发明中搭建输电无人机为受电无人机输送电能。受电无人机在执行任务时，时刻检测自身电量，当电量过低时，通过GPS搜索最近的基站，并通过无线通信发送指令到基站，自身保持悬停或匀速以降低功耗。基站接受指令过后，启动输电无人机导航到受电无人机附近，输电无人机通过蓝牙连接受电无人机，然后对接对接装置，开始为受电无人机输电，最后输电完成分离。这有效的解决了无人机的续航时间短、距离短的问题。
-
公开(公告)号：CN110195823A
公开(公告)日：2019-09-03
申请号：CN201910638743.4
申请日：2019-07-16
Applicant: 重庆科技学院
IPC: F17D5/02
Abstract: 本发明提供增强管道泄露的监测范围，检测点可灵活选定，且不会对原管道产生二次伤害的一种基于深度神经网络的管道微泄露检测方法,包括以下步骤，S1：采集的管道泄漏音频；S2：对数据进行预处理，S3:生成基于卷积神经网络的管道微泄漏检测模型，S4：对管道微泄漏检测模型进行训练，并采用训练完成的管道微泄漏检测模型进行管道微泄漏检测。本发明的有益效果是：基于卷积神经网络微泄漏检测模型可以为管道泄漏检测提供一种非接触式的检测办法，弥补现有办法损坏管体等不足的问题，为相关问题的科学研究奠定了数据基础。
-
公开(公告)号：CN108985464A
公开(公告)日：2018-12-11
申请号：CN201810780662.3
申请日：2018-07-17
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于信息最大化生成对抗网络的人脸连续特征生成方法，它能够生成特征属性连续变化的人脸图像，包括：S1、选择数据集；S2、预处理；S3、搭建基于信息最大化的生成对抗网络模型：模型包括生成器G与判别器D，生成器G通过控制潜在变量c的类型以及维度，从而利用随机噪声向量z生成与真实样本概率密度分布接近的生成样本G(z,c)，将生成样本G(z,c)与真实样本X分别作为判别器D的输入，判别器D负责对输入的生成样本G(z,c)与真实样本X进行“真”与“假”的判断。最终在基于信息最大化的生成对抗网络模型中，生成器G与判别器D进行不断的交替训练，直到判别器D无法判断某一个人脸样本是来自于生成样本还是真实样本X时，该模型训练完成。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
