-
公开(公告)号：CN106599936A
公开(公告)日：2017-04-26
申请号：CN201611246351.6
申请日：2016-12-29
Applicant: 湖北工业大学
CPC classification number: G06K9/6227 , G06N3/006 , G06N3/126
Abstract: 本发明公开一种基于二进制蚁群算法的特征选择方法及系统。方法包括：获取需要进行特征选择的训练样本集；对所述训练样本集进行特征抽取，得到样本特征集；利用二进制遗传算法对所述样本特征集进行分类并寻求最大遗传适应度，得到最优解；所述遗传适应度为使所述二进制遗传算法的结果接近目标结果的程度；根据所述最优解设置二进制蚁群算法的能见度信息，对所述二进制蚁群算法的蚁群进行初始化；利用包含所述能见度信息的二进制蚁群算法对所述样本特征集进行特征选择。本发明提供的方法及系统，利用二进制遗传算法为二进制蚁群算法提供合适的能见度信息，从而能够使二进制蚁群算法的收敛速度和鲁棒性提高，进一步提高了特征选择的效率和性能。
-
-
公开(公告)号：CN104092618A
公开(公告)日：2014-10-08
申请号：CN201410352930.3
申请日：2014-07-23
Applicant: 湖北工业大学
IPC: H04L12/801
Abstract: 本发明公开了一种基于杜鹃搜索算法的对等网络流量特征选择方法，通过利用杜鹃搜索算法对对等网络流量特征选择问题优化求解，从而可以快速的获得对等网络流量本质属性的最优特征子集，可用于对等网络流量识别和模式识别相关技术领域中。本发明能够在可接受的时间代价内找到特征选择问题的高质量的可行解，不需要人为指定要选择的特征维数，能够智能的在正确识别率和特征维数之间取得很好的平衡，自动寻找到比较合适的最优特征子集。本发明利用杜鹃搜索算法对对等网络中原始数据集进行特征选择，剔除不相关或冗余的对等网络流量特征，取出真正相关的特征，节省对等网络流量识别中特征提取的计算时间，从而提高对等网络流量识别的效率和正确率。
-
-
公开(公告)号：CN119780958A
公开(公告)日：2025-04-08
申请号：CN202411972564.1
申请日：2024-12-30
Applicant: 湖北工业大学
Abstract: 本发明涉及卫星激光测高脚点定位高程误差分析方法、装置和介质，属于卫星测绘技术领域，其中，该方法包括获取卫星传感器的传感器数据和卫星激光测高仪发送的激光的离散全波形数据，建立卫星激光测距误差模型，并确定影响误差因子；影响误差因子包括激光测距误差；将离散全波形数据输入至卫星激光测距误差模型，得到激光测距误差的激光测距误差值；根据传感器数据和激光测距误差值，得到卫星激光脚点定位高程综合误差值；本发明可以通过卫星激光测距误差模型计算得到激光测距误差值，从而可以通过激光测距误差值和其他传感器检测到的数据得到卫星激光脚点定位高程综合误差值，不需要输入激光足印内的地形参数，提高了模型的可用性。
-
Patent Agency Ranking
公开(公告)号：CN118764914A
公开(公告)日：2024-10-11
申请号：CN202410863028.1
申请日：2024-06-28
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于强化学习的无人机辅助边缘计算公平任务卸载方法，包括以下步骤：步骤一、建立系统模型，进行公式化处理，系统模型包括通信模型，计算模型和能耗模型；步骤二、提供问题描述与构建；步骤三、使用强化学习算法求解多约束优化问题；步骤四、性能分析，包括长期奖励回报以及在不同用户设备数量和通信条件下对平均时延，平均能耗和计算服务公平性的评价。该方法的计算服务公平性始终高于其他算法，表明在平衡不同用户设备任务卸载量、提高计算服务公平性方面具有良好效果，不仅在平均奖励值、时延、能耗和计算服务公平性方面表现出优势，并且在不同用户设备数量下具有良好的适应性和稳定性。
-
公开(公告)号：CN118709090A
公开(公告)日：2024-09-27
申请号：CN202410863034.7
申请日：2024-06-28
Applicant: 湖北工业大学
IPC: G06F18/2431 , G06F18/214 , G06F17/16 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种涡旋光通信轨道角动量的模式识别模型的训练方法。将图像输入到待训练的模型提取全局特征；将全局特征输入卷积层生成全局特征表示，生成全局预测分数；通过全局特征和全局预测分数定位对象区域，并生成标签注意力图，学习标签区域相关性生成预测分数；将对象区域输入模型提取局部特征；将局部特征输入卷积层生成局部特征表示，生成局部预测分数；将标签区域相关性的预测分数与局部预测分数聚合，得到最终的局部预测分数；通过全局预测分数和最终的局部预测分数计算损失，使用反向传播进行优化，得到最终模型。分类结果取全局预测分数和最终的局部预测分数中每个类别预测分数的最大值，从而能够识别混合多模式涡旋光束轨道角动量。
-
公开(公告)号：CN114679568B
公开(公告)日：2024-05-14
申请号：CN202210235936.7
申请日：2022-03-10
Applicant: 湖北工业大学
IPC: H04N7/18 , H04N5/76 , H04N23/661 , G08G3/00 , G06N3/0464 , G06N3/084 , G08B21/24 , H04L67/025
Abstract: 本发明公开了一种新型航道船舶监控预警系统，所述方法及系统由六个模块组成，分别是采集模块，中转模块，管理模块，处理模块，展示模块，存储模块，利用新型基于时空特征的新型像素投票的全景图像分割技术，不仅能够快速有效地对复杂航道情况进行分割处理，而且保证了结果的准确性。本发明提供的方法及系统适用于各类型复杂航道监控。实现所需成本小，应用范围广，可解决目前世界航道监控领域的主流问题。
-
公开(公告)号：CN115035295B
公开(公告)日：2024-04-30
申请号：CN202210678949.1
申请日：2022-06-15
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于共享卷积核和边界损失函数的遥感图像语义分割方法，分割网络包括特征编码器、解码器和边界损失函数，特征编码器包括三个基础模块，每个基础模块包含多个以不同的空洞率共享同一卷积核的并行分支；解码器利用横纵轴注意力机制融合每个基础模块输出的特征图并上采样至原图大小并对每个像素预测分类得到最终的语义分割结果。针对现有语义分割方法对小目标及边缘分类精度不佳的现状，在网络训练阶段，对真实标签采用Sobel卷积和扩张操作得到边界标签，利用边界损失函数对边界错误施加额外的惩罚，达到让网络注重判断小目标及边界的目的。本发明方法能够较为准确地预测不同尺度的地物，且具有推理速度快、对硬件设备要求不高的特点。
-
公开(公告)号：CN117789019A
公开(公告)日：2024-03-29
申请号：CN202311657325.2
申请日：2023-12-04
Applicant: 湖北工业大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V20/17
Abstract: 本发明涉及集成学习和深度神经网络在矿物光谱解混领域中的应用，尤其是一种孪生‑稀疏自编码网络的高光谱遥感矿物端元提取方法。基于孪生网络结构，使用两组子网络对多模态光谱特征同时进行训练，通过网络的权值共享与更新比较二者的相似程度，结合地面光谱较高的光谱分辨率对机载影像中的矿物端元进行修正，针对研究区完成矿物端元提取。本发明提供了局部空间矿物光谱解混的可行性，弥补了传统端元提取方法难以直观反映矿物吸收特征的不足。
-
-
-
-
-
-
-
-
-
Search Results
258
records
(took 0.054 seconds)
