公开(公告)号：CN112699722A

公开(公告)日：2021-04-23

申请号：CN202011118967.1

申请日：2020-10-19

Applicant: 哈尔滨理工大学

Inventor： 谢怡宁 ,  曹丰 ,  何勇军

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01M13/00 ,  G01M13/045

Abstract: 本发明涉及旋转机械的故障诊断方法。当前故障诊断软件无法实现自动对旋转机械进行诊断，且精度低，并且传统方法对设备进行故障诊断效率低下。为解决这一问题，提出了提出了一种融合CNN和GMM的故障诊断方法。该方法在训练阶段首先利用大量振动数据训练一个CNN提取振动信号特征，然后为每类故障训练一个GMM。在故障诊断阶段，新的输入信号经过特征提取后在GMM模型上分类，实现故障诊断。实验表明，与传统方法相比，所提出的方法在旋转机械故障诊断方面具有更高的准确率。本发明应用于旋转机械故障诊断领域。

公开(公告)号：CN107330869B

公开(公告)日：2021-04-23

申请号：CN201710504878.2

申请日：2017-06-28

Applicant: 哈尔滨理工大学

Inventor： 谢怡宁 ,  赵晶 ,  余莲 ,  何勇军 ,  孙广路

IPC: G06T5/00 ,  G06T7/11

Abstract: 重叠细胞分割后的异常像素点重构，本发明涉及DNA倍体分析技术中，重叠细胞分割后出现的像素点异常的问题。DNA倍体分析技术通过图像处理技术测量细胞DNA的相对含量，在癌症诊断方面有着广泛的应用。然而重叠细胞的分割后的像素点异常，导致细胞的纹理、灰度以及最重要的光密度等特征出现异常，在诊断中极易出现误诊。为改善这一问题，本发明提出了一种基于GMM‑UBM模型的细胞重叠区域像素重构方法。实验表明，该方法能有效地调整细胞的纹理、灰度、光密度等特征值，减少DNA含量测量的误差，降低异常像素点对分类器识别率的影响。本发明应用于重叠细胞分割后的异常像素点重构。