-
公开(公告)号：CN111931899A
公开(公告)日：2020-11-13
申请号：CN202010760059.6
申请日：2020-07-31
Applicant: 武汉烽火技术服务有限公司 , 湖北工业大学 , 烽火通信科技股份有限公司
Abstract: 本发明公开了一种改进布谷鸟搜索算法优化极限学习机的网络流量预测方法，涉及智能计算技术领域，本发明提供的改进布谷鸟搜索算法优化极限学习机的网络流量预测方法，采用实数编码表示每个寄生巢，采用snap-drift布谷鸟搜索算法对极限学习机进行参数优化，实现预测误差更小，预测时间更短。本发明执行snap-drift布谷鸟搜索算法给鸟蛋分配解、拒不搜索、概率搜索选择最差寄生巢、全局搜索、更新Pm和更新Pa等操作，可知算法寻优能力强，计算复杂度低，计算速度快，收敛速度快，能够进行全局搜索，有跳出局部最优解的能力。
-
公开(公告)号：CN111899193A
公开(公告)日：2020-11-06
申请号：CN202010753913.6
申请日：2020-07-30
Applicant: 湖北工业大学
Abstract: 本发明属于图像增强技术领域，公开了一种基于低照度图像增强算法的刑侦摄影系统及方法，摄影端利用摄影设备进行图像数据获取与对象捕捉，并将获取的图像数据传送至增强端；增强端利用构建的基于增强网络模块生成对抗网络的低照度图像增强模型对传输的低照度图像进行增强，并运用对抗网络算法进行图像识别，为未进行过识别的种类贴上标签；同时提取存储后台中已完成识别的类似标签进行辅助识别；将完成识别增强的图片传输至摄影端以及存储后台分别进行输出与存储。本发明低照度图像增强效果最好、增强效率高、应成体系的系统可应用于各种复杂场景、选取了最适用于刑侦摄影的算法技术。
-
-
公开(公告)号：CN107046532B
公开(公告)日：2020-04-17
申请号：CN201710135987.1
申请日：2017-03-09
Applicant: 湖北工业大学
Abstract: 本发明属于数据安全防护技术领域，公开了一种Web应用系统安全检测方法，建立适合于Web通信的流量隐藏机制；用于实现Web应用中系统漏洞检测与防护，使攻击者难以根据Web信息流的轮廓特征对用户访问Web站点的识别；建立Web应用的旁路信息控制机制，用于实现Web应用的漏洞分析并抑制Web内容的泄露。本发明解决了目前实现Web应用中系统漏洞检测与防护中，数据信息的隐私得不到有效保护，攻击者根据Web信息流的轮廓特征就能实现对用户访问Web站点的信息进行识别，使用户Web内容泄露的问题。
-
公开(公告)号：CN110996333A
公开(公告)日：2020-04-10
申请号：CN201911077782.8
申请日：2019-11-06
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于鲸鱼算法的无线传感器网络节点定位方法，包括初始化鲸鱼算法的相关参数；构建目标函数，寻找函数最小值，得到未知节点位置；判断是否超出无线传感器区域；计算种群成员a、A、C、l值；利用p和|A|更新鲸鱼位置；计算适应度；比较得出最佳适应度；判断是否达到最大迭代次数；输出全局最佳适应度及对应位置等步骤。本发明的方法具有更快的收敛速度和定位精准度，适用于无线传感器网络定位系统。
-
Patent Agency Ranking
公开(公告)号：CN110533088A
公开(公告)日：2019-12-03
申请号：CN201910759386.7
申请日：2019-08-16
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于区分式卷积神经网络的场景文字语种识别方法，传统的图像分类方法往往对图像进行整体性分析，缺少对细节的明确捕捉，不能良好地处理此类问题。为了解决上述技术问题，提出了一种名为“区分式卷积神经网络”的模型以及相应方法，通过“区分式聚类”(discriminative clustering)算法，在图像的深度卷积特征上学习到一组“区分性图样"(discriminative patterns)，即有区分性的局部特征。最后，图像的总体表示用两层全连接网络层进行分类。本发明能明显改进之前的传统的图像分类方法在字体、噪声、光照等条件因素下识别存在一些不足。
-
公开(公告)号：CN110147890A
公开(公告)日：2019-08-20
申请号：CN201910395898.X
申请日：2019-05-13
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于狮群算法优化极限学习机集成学习的方法及系统，将改进后的狮群算法应用于极限学习机的集成学习中，充分利用狮群算法精度高、收敛快以及极限学习训练速度快的特点，通过使用狮群算法追随当前搜索到的最优值来寻找全局最优解以减少迭代次数来优化极限学习机个体，并根据极限学习机相关理论制定了相应的选择机制，将输出权值的模小并且训练误差小的极限学习机选择出来以供集成网络，在可接受的训练时间内，网络稳定性和泛化能力得到了显著提升，是一种有实际应用价值的新方法。
-
公开(公告)号：CN109919294A
公开(公告)日：2019-06-21
申请号：CN201910148480.9
申请日：2019-02-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，结合优化算法使用萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，优化算法每一次更新最优解时都使用两种算法中的更优解替换原本自身的最优解，充分解决了目前现有技术中的萤火虫算法易于陷入局部最优和杜鹃搜索算法收敛速度较慢的缺点，集合了两者的优点，从而更高效的进行图像增强，该方法具有较快的搜索速度和较强的全局寻优能力。
-
公开(公告)号：CN109829420A
公开(公告)日：2019-05-31
申请号：CN201910083222.7
申请日：2019-01-18
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于改进蚁狮优化算法的高光谱图像的特征选择方法，首先创建小波支持向量机的分类模型，移除部分高相关度的波段，得到独立波段；然后用二进制编码方式初始化该优化算法参数，用来表示高光谱图像的波段信息；最后对目标函数进行最优值求解，得到最优值从而得到最佳波段组合的分类准确度。采用本发明方法对高光谱图像的特征选择，提高了高光谱图像特征选择的准确率和速度。
-
公开(公告)号：CN109308523A
公开(公告)日：2019-02-05
申请号：CN201811086479.X
申请日：2018-09-18
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于鸽群优化算法的多层感知器训练方法，首先初始化鸽群算法的基本参数，随机初始化个体的位置和范围；然后在指南针算子阶段根据具体的公式更新鸽子的位子和速度，旨在扩大多层感知器的参数寻优范围；接下来在地表算子阶段利用具体的公式加快收敛速度和深入挖掘局部最优；在每次迭代中，用于评价个体的适应度值的函数是个体所携带的参数对应的多层感知器的均方误差；本发明与传统的BP算法在训练多层感知器的过程中，能够克服BP算法训练多层感知器易陷入局部最优解和寻优过程慢的特性，能够尽可能的挖掘出最优性能的多层感知器参数，提升了多层感知器的性能。
-
-
-
-
-
-
-
-
-
Search Results
258
records
(took 0.06 seconds)
