公开(公告)号：CN112102382A

公开(公告)日：2020-12-18

申请号：CN202010974772.0

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  韩静雯

IPC: G06T7/33 ,  G06T7/55 ,  G06T5/00 ,  G06K9/62

Abstract: 本发明涉及一种基于多尺度变换与ADCensus‑JWGF的机电设备视觉信息立体匹配算法，是一种对现代化机电设备正常工作监测立体视觉分布式信息匹配的方法，属于目标追踪领域，其特征在于采用如下步骤：(1)确定Census变换过程；(2)确定Census匹配代价；(3)确定AD匹配代价；(4)确定融合匹配代价；(5)确定各尺度空间下图像代价聚合；(6)确定滤波图核函数；(7)确定最小代价聚合视差值；(8)确定JWGF结果。本发明融合AD算法和Census算法，将两者优势结合起来，提高了算法匹配效果准确性，保证抗干扰能力。采用基于金字塔式多尺度变化算法，引导滤波进行代价聚合，同时采用JWGF算法降低噪声，提高算法精度，增强算法鲁棒性，具有较好的匹配效果。

公开(公告)号：CN110647671A

公开(公告)日：2020-01-03

申请号：CN201910929480.2

申请日：2019-09-29

Applicant: 北京邮电大学

Inventor： 赵兴昊 ,  王松 ,  胡燕祝

IPC: G06F16/906

Abstract: 本发明涉及基于AAE-DWMIL-LearnNSE的数据流分类算法，是一种对数据流进行分类的方法，属于数据挖掘与机器学习领域，其特征在于采用如下步骤：(1)更新每个分类器权重；(2)加权处理基分类器；(3)加权合成集成分类器；(4)计算新数据集上分类错误率；(5)综合预测模型；(6)数据流分类函数确定及分类。本发明克服了由于缺乏对训练样本进行有选择的选取，导致分类精度受影响程度大的问题，去掉了对旧的数据样本的保存环节，为新数据节省了大部分存储空间，同时充分利用了旧的分类模型，取得了较高的分类准确率。有效解决了度量源领域中有标签的训练样本和目标领域中无标签测试样本之间相似度问题。

公开(公告)号：CN110472540A

公开(公告)日：2019-11-19

申请号：CN201910708045.7

申请日：2019-08-01

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  刘娜 ,  熊之野

IPC: G06K9/00

Abstract: 本发明涉及基于LMD-ICA-PNN的Φ-OTDR振动信号分类算法，是一种对振动信号进行识别分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行LMD分解，确定第一个PF分量；(5)建立ICA数学模型；(6)构建PNN神经网络；(7)确定输出变量的判别函数。本发明克服了小波分解自适应较差和EMD分解的模态混叠与端点效应问题，利用PNN神经网络可以用线性学习算法完成非线性学习算法的优势，与LMD相结合，取得了较高的分类准确率。为振动信号识别分类领域提供了一种拥有较高分类准确率的方法。

公开(公告)号：CN110458071A

公开(公告)日：2019-11-15

申请号：CN201910708064.X

申请日：2019-08-01

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  刘娜 ,  熊之野

IPC: G06K9/00

Abstract: 本发明涉及基于DWT-DFPA-GBDT的光纤振动信号特征提取与分类方法，是一种对光纤振动信号进行特征提取与分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定原始振动信号的时域特征；(2)确定原始振动信号的频域特征；(3)确定原始振动信号的小波域特征；(4)计算马氏距离；(5)获得特征向量按可分性大小的排序；(6)确定损失函数；(7)确定拟合函数；(8)确定本轮迭代的强学习分类器。本发明实现了时域、频域及小波域三个不同域的特征提取，构建了完备的振动信号特征向量，将GBDT与DWT相结合，为振动信号特征提取与分类领域提供了一种在保证分类精度的基础上降低模型的复杂度的方法。

公开(公告)号：CN110346032A

公开(公告)日：2019-10-18

申请号：CN201910708031.5

申请日：2019-08-01

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  刘娜 ,  熊之野

IPC: G01H9/00 ,  H04B10/071

Abstract: 本发明涉及基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测方法，是一种对振动信号进行检测识别的方法，属于信号处理与模式识别领域，其特征在于采用如下步骤：(1)确定噪声信号的概率分布和预加重的滤波器；(2)确定恒虚警率阈值和预加重后的振动信号；(3)确定光纤帧信号；(4)确定过零率；(5)建立短时过零率检测模型；(6)融合恒虚警阈值检测结果与短时过零率的检测结果。本发明将过零率方法与恒虚警检测算法相结合，提出一种振动信号端点检测方法，增加了许多新的报警点，具有较高的检测率。实验结果表明本发明设计的振动信号端点检测方法有着较好的信号检测效果，极大程度上降低了虚警率。

公开(公告)号：CN110097026A

公开(公告)日：2019-08-06

申请号：CN201910395119.6

申请日：2019-05-13

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  田雯嘉

IPC: G06K9/00

Abstract: 本发明主要提供一种基于多维要素视频分割的段落关联规则评判方法，具体内容包括：步骤一：视频解析；步骤二：场景分割中的关键帧提取；步骤三：基于关键帧的场景分割；步骤四，视频的音频分割；步骤五，视频的语义分割；步骤六：GNN网络的分割视频的段落关联规则评判方法；步骤七：构建关联网络。本发明对同一段视频进行多维分割后，采用了构建段落关联规则的方式对对应的多维要素进行了匹配。与其他视频分割的段落关联规则评判方法相比，本发明结合图像序列中像素在时间域上的变化以及相邻帧之间的相关性对视频在图像维度实现了很好的分割，保留了视频的关键信息，可以提供一种有效的多维要素视频分割的段落关联规则评判方法。

公开(公告)号：CN109919219A

公开(公告)日：2019-06-21

申请号：CN201910156017.9

申请日：2019-03-01

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  王英剑 ,  艾新波 ,  王松

IPC: G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于粒计算ML-kNN的Xgboost多视角画像构建方法，步骤是：1多源异构数据的融合，2关联数据的权重计算，3基于粒计算的基础上构建ML-kNN多标签学习，4建立两层Xgboost多视角融合框架。本发明与传统画像构建方法相比，其优点为本发明采用了将多源异构数据作为画像构建的数据集，解决传统画像构建中信息描述角度单一问题。采用基于粒子度的ML-kNN多标签学习算法，通过对粒度粗细的调控来选择样本的近邻点集。采用双层Xgboost的多视角融合模型解决高维特征问题，提高模型的准确性与泛化能力。

公开(公告)号：CN106225778A

公开(公告)日：2016-12-14

申请号：CN201610563243.5

申请日：2016-07-18

Applicant: 北京邮电大学

Inventor： 王松 ,  李睿凡 ,  胡燕祝 ,  马学思

IPC: G01C11/34 ,  G01C11/08

CPC classification number: G01C11/34 ,  G01C11/08 ,  G01C2011/36

Abstract: 本发明公开了一种多介质传播中随机波动的视觉定位研究。在工程应用中，光在多介质的传播中易产生偏差，介质混杂且随机波动易造成多介质下的视觉定位不准确。本文探索双目相机在多介质下的视觉定位技术。分为如下步骤：步骤一、图像坐标系中畸变系数的确定；步骤二、图像坐标系到相机坐标系的转换；步骤三、世界坐标系中相机间的相对位姿；步骤四、相机坐标系到世界坐标系的转换；步骤五、介质转换条件下的视觉定位；步骤六、基于云模型的视觉定位随机性描述。

公开(公告)号：CN114757175B

公开(公告)日：2025-05-06

申请号：CN202210492445.0

申请日：2022-04-29

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  赵兴昊 ,  王珂璠 ,  庄育锋

IPC: G06F40/279 ,  G06F40/211 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。

公开(公告)号：CN114186495B

公开(公告)日：2024-12-13

申请号：CN202111522693.7

申请日：2021-12-13

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  王松 ,  洪昀

IPC: G06F30/27 ,  G06F40/30 ,  G06F119/02

Abstract: 本发明涉及基于FECF的深度灾害预案智能语义匹配方法，是一种对灾害预案进行语义匹配的方法，属于自然语言处理和深度学习领域，其特征在于采用如下步骤：(1)对灾害预案问题进行建模；(2)确定单词的特征向量；(3)确定词汇上下文编码，t位置的隐含状态输出；(4)确定文本的注意力信息；(5)确定两个语句的匹配得分；(6)确定语句的模型训练。本发明有效的解决了灾害预案匹配时间较长问题，大大节省灾害预案匹配时间，提高了灾害预案的效率，有效的改善灾害预案文本语义匹配不准确的问题，大大提升了灾害预案匹配的准确率，为灾后处理提供了科学有效的依据。