-
公开(公告)号：CN110119588A
公开(公告)日：2019-08-13
申请号：CN201910423119.2
申请日：2019-05-21
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于扩展卡尔曼滤波状态估计值的在线优化设计方法，本发明通过对扩展卡尔曼算法得到的状态估计值添加采样点因子实现对状态估计值的更新，进而将更新后所得的状态估计值代替状态观测值。进而求出更新后的观测预测值，与观测值对比，得到残差信息阵，利用残差信息来检验更新后最适合于当前时刻的状态估计值，并将该状态估计值作为当前时刻的状态估计值。通过这种方式可以再一定程度上降低模型动态偏差对系统跟踪带来的影响，解决扩展卡尔曼滤波在系统出现模型偏差时带来的精度不足的问题，能在非线性系统领域内得到较好的运用，且具有一定的鲁棒性。
-
公开(公告)号：CN110110673A
公开(公告)日：2019-08-09
申请号：CN201910389942.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双向2DPCA与级联前向神经网络的人脸识别方法，本发明大体包括三部分内容：第一部分，对原始图像进行直方图均衡化，提高对比度；第二部分，使用双向2DPCA进行特征提取；第三部分，将提取后的特征输入进级联前向神经网络训练，建立起人脸识别分类器。本发明即能够快速准确提取出特征值，也能利用级联前向神经网络进行识别，并通过样本不断学习提高识别准确率，实现了对人脸的有效识别。
-
公开(公告)号：CN110110475A
公开(公告)日：2019-08-09
申请号：CN201910419234.2
申请日：2019-05-20
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于在线学习渐消因子的扩展卡尔曼滤波方法。本发明先引用了强跟踪中渐消因子的思想，通过对渐消因子进行一定量的遍历算法，达到更新状态预测误差协方差的效果。进而在线调节增益阵，用以获取不同的状态估计值，将更新后的状态估计值代替当前时刻的状态预测值，并得到更新后的观测预测值，将更新后的观测预测值与观测值进行对比，得到残差信息，对所有的残差信息取绝对值，并将绝对值化后的最小残差所对应的渐消因子提取，以该渐消因子为中心，继续进行下一级的遍历，直到三级遍历结束后返回最终所得到的渐消因子，并将该渐消因子对应的滤波估计值作为当前时刻的滤波估计值。本发明方法相比于强跟踪滤波而言，有着更好的滤波精度，且能在线更新，具有一定的实用性。
-
公开(公告)号：CN110009528A
公开(公告)日：2019-07-12
申请号：CN201910294727.8
申请日：2019-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于最优结构多维泰勒网的参数自适应更新方法，本发明大体包括三部分内容。第一部分针对具备噪声干扰的非线性时变系统进行系统建模；第二部分，用卡尔曼滤波的参数更新算法对多维泰勒网的连接权值进行参数更新；第三部分，结合剪枝算法来优化网络结构，建立一种具备最优结构和最佳泛化能力的多维泰勒网络。在负荷电荷的预测中，基于多维泰勒网的卡尔曼滤波参数更新算法相比于带有遗忘因子的递归最小二乘算法，在每一步的更新估计中增加了噪声，卡尔曼滤波算法使用新的量测值和估计值进行融合可以更好的估计参数精度。
-
公开(公告)号：CN106597840B
公开(公告)日：2019-05-03
申请号：CN201710032627.9
申请日：2017-01-16
Applicant: 杭州电子科技大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于产生式规则库推理的PID参数整定方法。本发明所建立的规则库，能够描述控制信号、闭环控制系统输出及偏差量与PID控制器参数（输出量）之间存在的复杂非线性关系，其中构建的规则库的前项属性为输入量的参考值，后项为输出量的置信结构。对于被激活的规则，通过融合算法将被激活规则后项中的置信结构进行融合，并从融合结果中推理出PID控制器参数的估计值。然后将规则库输出的估计值作为PID控制器的输入参数并得到控制量对被控对象产生控制作用，最终通过闭环系统将被控对象的输出量反馈至输入端，通过在线调整所建规则库模型参数来实现自整定PID控制器参数功能，并使得系统输出能够实时跟踪控制信号。
-
Patent Agency Ranking
公开(公告)号：CN109658383A
公开(公告)日：2019-04-19
申请号：CN201811395638.4
申请日：2018-11-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于卷积神经网络和卡尔曼滤波的道路损伤识别方法。在道路修复前，养路工人需要对路面情况进行调研，此项工程需要耗费巨大的人力、物力和财力。本发明的步骤如下：一、图像预处理。二、图像增强与卷积神经网络的训练。三、k＝1,2,…,m，依次执行步骤四至六。m为被测图像的数量。四、将第k张被测图像放大并调整为300×300的分辨率。五、将步骤五所得的第k张被测扩展图像输入步骤2训练所得的卷积神经网络中。六、将步骤五所得的权重初始值通过卡尔曼滤波算法进行优化。本发明采用前馈运算、随机梯度下降法、反馈运算、PCA降维和卡尔曼滤波等方法进行实时的参数更新，建立高准确率的卷积神经网络模型。
-
公开(公告)号：CN108714026A
公开(公告)日：2018-10-30
申请号：CN201810255649.6
申请日：2018-03-27
Applicant: 杭州电子科技大学
IPC: A61B5/0402 , G06K9/46 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度卷积神经网络（DCNN）和在线决策融合的心电分类方法。与以前使用手工特征或从原始信号域学习特征的方法不同，所提出的基于DCNN的方法以端到端的方式从时频域学习特征和分类。本发明首先利用短时傅立叶变换将心电波形信号转化为时频域。接下来，由特定长度的训练样本训练具体的DCNN网络模型。最后，提出一种在线决策融合方法，将来自不同模型的过去和现在的决策融合成更准确的决策。综合20类ECG数据集的实验结果说明了所提出方法的有效性。
-
公开(公告)号：CN108596206A
公开(公告)日：2018-09-28
申请号：CN201810232936.5
申请日：2018-03-21
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多尺度多方向空间相关性建模的纹理图像分类方法。本发明是通过深度神经网络提取纹理图像特征，对特征图进行多方向的图像旋转，图像旋转后接入双向LSTM，经LSTM特征信息处理后进入softmax进行分类。它可以充分利用卷积层对局部空间相关性和LSTM单元长期空间相关性的表示能力。为了更加充分训练模型，采取数据增强。最后在两个基准数据集DTD和FMD进行了广泛的实验，以比较所提出的方法和最先进的方法。结果说明所提出的模型具有较强的纹理图像表示能力，取得了较好的性能。
-
公开(公告)号：CN104121907B
公开(公告)日：2017-02-08
申请号：CN201410369663.0
申请日：2014-07-30
Applicant: 杭州电子科技大学
IPC: G01C21/20
Abstract: 本发明涉及一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法。本发明包括在计算时间更新时，设置初始值及罗德里格斯参数；计算容积点值；计算四元数误差点；计算四元数容积点；计算迭代四元数及迭代四元数误差；计算迭代容积点；估计一步预测状态；估计平方根因子预测误差协方差阵；计算测量更新中的容积点；计算迭代容积点值；计算预测测量估计；计算平方根因子新息协方差矩阵估计；计算互协方差阵；卡尔曼增益；状态更新估计；计算估计误差协方差阵及相应的平方根因子；四元数更新；计算相应的估计误差欧拉角。本发明能够提高对飞行器姿态的精确性与稳定性。
-
公开(公告)号：CN105139086A
公开(公告)日：2015-12-09
申请号：CN201510496888.7
申请日：2015-08-13
Applicant: 杭州电子科技大学
IPC: G06Q10/04
Abstract: 本发明涉及一种基于优化置信规则推理的轨道高低不平顺幅值估计方法。本发明利用置信规则库建模参数变量输入与成品率输出之间的映射关系。通过建立描述不同测点的振动频域特征数据与轨道高低不平顺幅值之间的对应变化关系。利用序列线性规划的方法，通过有限的历史数据，优化初始BRB模型，减少主观因素对模型的影响。SLP方法是将原模型的非线性优化的问题，转化为逐步的线性优化问题，更加简单快速的计算出优化模型的各个参数，使得在给定振动频域特征的情况下，可以通过信度推理精确和快速地估计出轨道高低不平顺幅值。通过本发明提高了模型的估计精度与计算的效率，对需要实时监测的轨道高低不平顺系统具有更为高效的优势。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.052 seconds)
