-
公开(公告)号：CN119478732A
公开(公告)日：2025-02-18
申请号：CN202411497784.3
申请日：2024-10-25
Applicant: 昆明理工大学
Abstract: 本发明涉及基于DDANet的无人机隧道安全巡检位姿识别优化方法，属于隧道安全监控技术领域。本发明包括步骤：在传统DenseNet‑201的基础上引入多层级空洞卷积，构建出初始的网络架构；构建注意力机制模型CBAM，先将通道注意力机制与空间注意力机制顺序进行串联，再接入到网络中，最终得到新的网络架构DDANet；通过单目摄像机采集无人机隧道巡检的视频流，并将视频流数据传输给新的网络架构DDANet网络进行特征提取，得到相应的特征点；根据得到的特征点建立帧间匹配隧道特征点最小二乘模型，并采用奇异值分解方法获得无人机位姿旋转矩阵与平移矩阵的值。本发明改善了无人机在隧道巡检过程中的识别精度与响应速度。
-
公开(公告)号：CN118779562A
公开(公告)日：2024-10-15
申请号：CN202410731002.1
申请日：2024-06-06
Applicant: 昆明理工大学
Abstract: 本发明公开了一种交通事故三支致因规则的快速提取方法及系统，包括如下步骤：采用增量式构建算法构建对象导出的三支概念格；基于对象导出的三支概念格提取三支决策关联规则；交通事故三支致因规则的快速提取。将本发明方法应用于交通事故致因规则挖掘中，从而得到具有代表性的交通事故致因三支规则，经过分析发现，三支决策关联规则相比二支决策关联规则语义更为丰富，表达更为精细，且能够表达出二支决策规则无法表达的知识，能够挖掘出更加丰富全面的交通事故机理。
-
公开(公告)号：CN118779561A
公开(公告)日：2024-10-15
申请号：CN202410730996.5
申请日：2024-06-06
Applicant: 昆明理工大学
Abstract: 本发明公开了一种新颖的对象导出的三支概念格的快速构建方法及系统，具体包括：1)对象导出的三支概念的快速提取方法：其利用形式背景的经典概念格L(T)、补背景的经典概念格#imgabs0#以及原始背景的对象导出的三支概念之间的关系，将原始形式背景下的概念和补背景下相应概念进行有效组合进而构造对象导出的三支概念，能有效提高提取对象导出的三支概念的效率；2)对象导出的三支概念间的序关系的快速建立方法：对于任意对象导出的三支概念的序关系的建立，将其候选孩子概念集合进行压缩，从而快速建立对象导出的三支概念间的序关系，减少了不必要的时间。本发明能有效提高现有基于原始背景的概念格和补背景的概念格来构造对象导出的三支概念格的效率。
-
Patent Agency Ranking
公开(公告)号：CN117892957A
公开(公告)日：2024-04-16
申请号：CN202410057270.X
申请日：2024-01-16
Applicant: 昆明理工大学 , 云南卫士盾科技有限公司
IPC: G06Q10/0631 , G06Q10/047 , G06Q10/0637 , G06F30/27 , G06Q10/0635 , G06F111/04
Abstract: 本发明矿山事故灾难应急资源定位‑分配区间多阶段随机规划方法，包括：分别建立单周期内多个观测时刻下的灾情信息更新的单次决策模型和多周期的贝叶斯序贯决策的矿山事故灾难应急资源分配模型，融合这两个模型构建三级复杂路网的矿山事故灾难应急资源决策的区间多阶段随机规划IMSLP模型，再对IMSLP模型进行处理，将多目标决策问题转化为单目标决策问题中的最优停止问题进行求解。本发明能得出基于三级复杂路网在不同灾情情景下矿山事故灾难应急资源定位‑分配全过程的区间多阶段随机规划IMSLP模型并得到各个周期的车辆选址、路径选择和矿山事故灾难应急资源配送决策，实现对灾情全过程更全面的预测，以便提出更针对性的应急方案。
-
公开(公告)号：CN115470888A
公开(公告)日：2022-12-13
申请号：CN202211015238.2
申请日：2022-08-23
Applicant: 昆明理工大学
IPC: G06N3/04 , G06N3/08 , G06F30/27 , G06F111/06
Abstract: 本发明涉及多目标优化的1DCNN‑GRU‑LSTM神经网络隧道掌子面瓦斯浓度预测方法，属于穿煤隧道工程瓦斯浓度预测领域。本发明包括以下步骤：获取瓦斯浓度数据集；对获取的瓦斯浓度数据集进行缺失值填补；对数据进行数据集划分和归一化处理；根据所选时间窗口长度，将数据集切片化处理；引入卷积神经网络处理具有时序性的历史瓦斯浓度序列数据，并设置参数；引入门控循环单元神经网络和长短期记忆神经网络处理具有时序性的历史瓦斯浓度序列数据；通过多目标方式更加有效的对模型进行优化求解。本发明通过统计学习和机器学习方法对瓦斯浓度序列数据建立预测模型，使得瓦斯浓度的预测精度得到提高。
-
公开(公告)号：CN114581354A
公开(公告)日：2022-06-03
申请号：CN202210330622.5
申请日：2022-03-31
Applicant: 昆明理工大学 , 云南卫士盾科技有限公司
Abstract: 本发明提供了一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法。该方法首先对图像的形式化描述；其次对两不同传感器相同采样时间获取的原始图像进行图像分解，得到原始图像的背景的细节两个子图像；再次对分解得到的细节层和背景层分别时空特征相似性分析，有效区分两个细节层之间和两个背景层之间的互补与冗余特征，确定图像在下一步融合时的重要程度系数；再次实现对背景层和细节层的分别融合；之后进行图像细节层与背景层的叠加融合，实现图像重构。最后、向后滑动处理图像位置，并重复进行图像分解、融合和重构几个步骤，直至融合完所有的图像帧，实现巷道顶板变形时间维动态演化过程图像融合。
-
-
-
-
-
-
Search Results
18
records
(took 0.031 seconds)
