一种基于迁移学习和多维度特征提取模型的非侵入式负荷分解方法

    公开(公告)号:CN117435909A

    公开(公告)日:2024-01-23

    申请号:CN202311145185.0

    申请日:2023-09-06

    Applicant: 河南大学

    Abstract: 本发明公开了一种基于迁移学习和多维度特征提取模型的非侵入式负荷分解方法,主要包括以下步骤:数据预处理;构建多维度特征提取模型;模型预训练;迁移模型,在另一个数据集上微调训练模型;测试模型;负荷分解。本发明的多维度特征提取模型利用卷积以及循环神经网络的变种相融合的方式在不同通道维度内进行特征的提取,从而结合二者的优点更好的提取特征,通过多维度特征提取模型的特征提取能力,进行预训练时提取电器多个维度的运行特征,并得到预训练模型,然后将该模型迁移到与预训练时不同的数据集中,从而面对新环境的数据集无需从头训练,仅需对该种类电器进行微调训练,进而达到节约算力以及加快新模型训练的目的。

    一种面向城市街景的高效轻量的实时语义分割方法

    公开(公告)号:CN117058383A

    公开(公告)日:2023-11-14

    申请号:CN202311045821.2

    申请日:2023-08-18

    Applicant: 河南大学

    Abstract: 本发明属于计算机视觉及实时语义分割技术领域,公开一种面向城市街景的高效轻量的实时语义分割方法,其中提出了一种高效的轻量级的非对称残差瓶颈模块,该模块结合了扩张卷积、深度可分离的非对称卷积以及通道混洗技术,减少了模型参数量,实现更快的推理速度,该残差瓶颈模块将局部信息和全局信息结合,提取不同感受野的丰富特征;该方法对不同分辨率的特征图进行特征融合,有效地提高了模型对不同特征表示的利用能力,进而提高模型的分割精度。本发明设计了一种更加轻量高效的城市街景图像实时语义分割方法,在不需要任何预训练模型和后处理技术的情况下,大大减少了参数量和模型的尺寸,可以在分割准确性和推理速度间达到更好的平衡。

    基于二级模糊综合评价的高速公路事故严重程度预测方法

    公开(公告)号:CN116665453A

    公开(公告)日:2023-08-29

    申请号:CN202310755457.2

    申请日:2023-06-25

    Applicant: 河南大学

    Abstract: 本发明公开一种基于二级模糊综合评价的高速公路事故严重程度预测方法,包括:根据高速公路事故数据集确定影响高速公路事故严重程度的因素集,将因素集分类为一级和二级因素集,并进行编码;根据各因素在死亡、受伤、财产损失三类事故中的比值计算评价矩阵;计算不同因素的权重,根据各因素在事故数量中的占比计算各因素权重集;使用因素集以及权重集和评价矩阵,基于模糊集合运算规则,分别计算不同二级因素的评价结果,最终结合不同一级因素之间的权重求二级模糊综合评价最终结果;进而得到高速公路事故严重程度预测结果。本发明充分考虑影响事故因素以及因素之间的模糊关系,可以快速且准确的对高速公路事故严重程度进行预测。

    一种基于运动历史图像和集成学习器的视频动作识别方法

    公开(公告)号:CN111523477B

    公开(公告)日:2023-08-01

    申请号:CN202010331129.6

    申请日:2020-04-24

    Applicant: 河南大学

    Abstract: 本发明提供了一种基于运动历史图像和集成学习器的视频动作识别方法。在提取视频中对象的运动信息时,基于运动历史图像方法提取了多重运动历史图像作为动作信息,并利用图像不变矩描述不同动作的特征差异,将得到的各个视频样本的运动特征输入XGBoost集成分类器进行训练,得到最终的分类模型。本发明仅需要较少的样本数量即可取得较好地视频动作识别效果。

    一种基于阈值降噪网络的非侵入式负荷分解方法

    公开(公告)号:CN115905814A

    公开(公告)日:2023-04-04

    申请号:CN202211572490.3

    申请日:2022-12-08

    Applicant: 河南大学

    Abstract: 本发明公开了一种基于阈值降噪网络的非侵入式负荷分解方法,包括:获取各电器的功率数据,对所述功率数据进行归一化处理,并将归一化后功率数据划分为训练集和测试集;构建基于Soft Thresholding和Transfromer的阈值降噪网络,并将其作为负荷分解模型,将预处理后的训练集数据输送至构建好的负荷分解模型中进行训练;通过测试集数据对训练好的负荷分解模型进行测试,计算出各个电器的分解功率。本发明构建的阈值降噪网络主要包括Soft Thresholding和Transfromer层,既能实现并行化处理,又能够去除数据中的噪声污染,得到更精确的特征,提升了负荷分解的准确度。

    一种改进的联邦加权聚合方法及系统

    公开(公告)号:CN115049007A

    公开(公告)日:2022-09-13

    申请号:CN202210699849.7

    申请日:2022-06-20

    Applicant: 河南大学

    Abstract: 本发明公开一种改进的联邦加权聚合方法及系统,该方法包括:客户端发送训练后的人类活动识别模型到服务器端,服务器端对客户端上传的模型进行minhash聚类;服务器端基于聚类后的模型进行等量抽样;结合服务器端的人类活动无标签数据,利用选举机制获取抽样的每个客户端人类活动识别模型的准确率,并对模型准确率进行评估,从而获取参与服务器端全局模型聚合的模型,进而得到服务器端模型聚合时的准确率;把得到的参与全局模型聚合的模型和服务器端模型聚合时的准确率一起加权到模型聚合更新中,得到联邦加权聚合后的人类活动识别模型以进行人类活动识别。本发明提升了人类活动识别模型聚合速度,提高了人类活动识别模型聚合的准确率。

    一种基于深度学习的改进型城市街景图像分割方法

    公开(公告)号:CN115035299A

    公开(公告)日:2022-09-09

    申请号:CN202210697730.6

    申请日:2022-06-20

    Applicant: 河南大学

    Abstract: 本发明公开一种基于深度学习的改进型城市街景图像分割方法,包括:基于深度学习的改进型城市街景图像分割模型DEEPLS:使用编码解码的框架和ResNet101作为骨干网络,在ASPP模块中新增一层膨胀率为3的空洞卷积,合并之后的6层用并行的3×3卷积处理之后再用1×1卷积调整通道数,得到的特征图先2倍上采样,输入到CBAM注意力机制再2倍上采样,最后和经过CBAM注意力机制的浅层特征拼接融合得到预测图;基于改进型城市街景图像分割模型DEEPLS对城市街景图像进行分割。本发明能获取更精细的前景细节信息,提升城市街景图像分割效果。

    健康群智感知场景下基于契约理论的个体决策模型构建方法及系统

    公开(公告)号:CN114388081A

    公开(公告)日:2022-04-22

    申请号:CN202111573325.5

    申请日:2021-12-21

    Applicant: 河南大学

    Abstract: 本发明公开一种健康群智感知场景下基于契约理论的个体决策模型构建方法及系统,该方法基于健康群智感知系统,该方法包括:基于个体保持身体健康的内在动机、技术的使用成本、承担的风险、平台提供的个性化医疗指导服务、兼容性和复杂性的影响,构建个体效用函数;提取效用函数中个体保持身体健康的内在动机、技术的使用成本、承担的风险、平台提供的个性化医疗指导服务与疾病等级的关系,建立约束条件;基于构建的个体效用函数和约束条件构建个体决策模型。本发明根据个体保持身体健康的内在动机、技术的使用成本等关键因素构建了决策模型,可以对个体对HCS技术的接受能力进行评估,且当决策因素变化时,个体决策结果不同。

    车联网场景下的高效联邦学习方法

    公开(公告)号:CN113313264A

    公开(公告)日:2021-08-27

    申请号:CN202110616360.4

    申请日:2021-06-02

    Applicant: 河南大学

    Abstract: 本发明提供一种车联网场景下的高效联邦学习方法。该方法包括:步骤1:路侧单元得到备选学习任务集合;步骤2:选定训练任务;步骤3:建立初始模型参数,将训练任务和其网络地址发送至覆盖范围内的车辆;步骤4:各车辆解析训练任务的任务信息,然后决定是否参加训练过程;若参加,则通过网络地址与路侧单元建立通信连接;步骤5:将初始模型参数发送至建立各车辆;步骤6:各车辆使用本地数据对当前模型参数进行本地训练,并上传至路侧单元;步骤7:一旦接到某一车辆上传的本地训练模型就实时计算其权值,将其实时加权聚合至全局模型中,并生成当前模型参数并实时返回至各车辆;步骤8:迭代执行步骤6至步骤7,直至满足设定的迭代次数。

    一种基于引导滤波的IHS遥感图像融合方法

    公开(公告)号:CN111539900A

    公开(公告)日:2020-08-14

    申请号:CN202010331150.6

    申请日:2020-04-24

    Applicant: 河南大学

    Abstract: 本发明提供了一种基于引导滤波的IHS遥感图像融合方法。首先,采用引导滤波对多光谱图像进行处理,得到边缘信息更加丰富的多光谱图像,利用高通滤波对多光谱图像和全色图像进行滤波,得到其各自的高频细节分量;然后,利用自适应AIHS方法求解自适应系数,得到细节分量图;最后,为了得到更丰富的光谱信息,利用引导滤波对图像进行处理,提取差异信息,得到其中的光谱信息,并注入到细节分量图中,得到融合图像。本发明在融合图像空间细节的同时能够很好地保持光谱信息,减少光谱扭曲,具有更为理想的融合效果。

Patent Agency Ranking