基于谱嵌入和稀疏学习的秩约束自加权多视图图像聚类方法

    公开(公告)号:CN118823401A

    公开(公告)日:2024-10-22

    申请号:CN202410806714.5

    申请日:2024-06-21

    Abstract: 本发明属于图像处理领域,具体涉及一种基于谱嵌入和稀疏学习的秩约束自加权多视图图像聚类方法,包括:获取多视图图像数据,获取各个视图图像的原始图像空间;将原始图像空间进行低维谱嵌入表示,得到低维谱嵌入空间;根据低维谱嵌入空间和原始图像空间进行特征提取,得到初始相似矩阵;对所有的初始相似矩阵进行融合,并采用RSMIC‑SS模型对融合后的矩阵进行筛选,得到最优中心融合矩阵;根据最优中心融合矩阵对多视图图像数据进行聚类,得到聚类结果;本发明在构造各视图初始相似矩阵时联合原始数据空间以及低维谱嵌入空间来进行,原始图像空间保留图像间的所有相似信息,避免拉普拉斯降维后相似信息丢失对聚类性能的不利影响。

    一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法

    公开(公告)号:CN116467879A

    公开(公告)日:2023-07-21

    申请号:CN202310446838.2

    申请日:2023-04-24

    Abstract: 本发明属于流体管道泄漏检测领域,涉及一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法,包括:获取流体管道在不同泄露程度的振动声信号;对发生不同泄露程度的振动声信号进行特征提取,并对提取后的特征数据进行归一化处理;将归一化处理后的数据输入到改进模糊孪生支持向量机模型,得到管道泄漏检测结果;本发明利用不同样本的空间相对距离比值,对样本空间进行了区域划分,并在噪声和支持向量混叠区域引入了模糊数据集理论以进行区分,正常和噪声数据区域也重新进行了隶属度赋值,其在降低噪声数据对辨识模型的影响下也解决了FTSVM无法区分支持向量和噪声数据而导致模型鲁棒性差的缺点。

    一种基于改进ABC-VMD的最小二乘支持向量机网络流量预测方法

    公开(公告)号:CN115225516A

    公开(公告)日:2022-10-21

    申请号:CN202210840879.5

    申请日:2022-07-18

    Abstract: 本发明属于网络流量预测领域,具体涉及一种基于改进ABC‑VMD的最小二乘支持向量机网络流量预测方法,该方法包括:获取非平稳SDN网络流量数据;采用优化的变分模态分解法将非平稳SDN网络流量数据进行转换分解,得到平稳时间序列分量;采用最小二乘支持向量机对每个平稳时间序列分量进行预测,得到每个分量的预测数据;将每个分量预测数据进行重构,得到网络流量预测结果;本发明采用人工蜂群算法对变分模态分解法中的参数进行优化,采用优化后的变分模态分解法对非平稳SDN网络流量数据进行转换分解,得到了平稳时间序列分量;采用参数最小二乘支持向量机对每个平稳时间序列分量进行预测,使得预测的结果更精确。

Patent Agency Ranking