-
公开(公告)号：CN116070768A
公开(公告)日：2023-05-05
申请号：CN202310128193.8
申请日：2023-02-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于数据重构和TCN‑BiLSTM的短期风电功率预测方法。首先利用结合自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解处理，将功率序列分解得到多个本征模态函数(IMF)，以降低神经网络预测模型输入数据的复杂程度。然后计算每个分量的样本熵(SE)值，并将SE值相近的分量归为一类，合并得到新的重构分量，从而减少需要训练和预测的分量数量。最后，建立一种结合时间卷积网络(TCN)和双向长短期记忆网络(BiLSTM)的多元组合预测模型对各分量进行特征提取、信息挖掘及预测，并叠加各分量的预测结果得到最后的预测值。本发明相比于其他风电功率预测传统方法，具有更高的预测精度。
-
公开(公告)号：CN114332989A
公开(公告)日：2022-04-12
申请号：CN202111495330.9
申请日：2021-12-08
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06N3/04 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种多任务级联卷积神经网络的人脸检测方法及系统，将获取的人脸检测数据集分为训练集和测试集，采用多支路的扩张卷积结构对MTCNN网络中的P网络进行改进，利用训练集分别训练O网络、R网络和改进后的P网络的其中一条支路，得到MTCNN网络的最优参数；以此生成训练好的MTCNN网络；对测试集中的图片进行预处理，将预处理后的图片输入到训练好的MTCNN网络中进行人脸检测，输出检测结果，去除了极其耗时的图像金字塔结构，改之以多支路的扩张卷积代替，不再需要大量搬运数据来完成对图像的多次缩放，也不再需要多次重复的将图像输入到P‑net中，减少了无用操作，从而提高人脸检测的效率。
-
公开(公告)号：CN102339019B
公开(公告)日：2013-05-15
申请号：CN201110210600.7
申请日：2011-07-26
Applicant: 重庆邮电大学
Abstract: 一种基于模糊神经网络的智能轮椅避障方法，它包括有位于轮椅前端的两个声纳传感器和一个摄像头，摄像头多次采集障碍物信息，两个声纳传感器好采集障碍物的位置信息,通过处理，用模糊神经网络的方法融合两个声纳传感器和摄像头采集到的实时信息，时刻计算轮椅与障碍物的实时位置，根据设计的模糊神经网络控制规则，从而规划轮椅的轮速和转角信息，完成轮椅的动态避障。以一定的方法将这些互补或冗余的传感器信息进行融合，获得最佳的、可靠的信息，为导航决策和定位提供依据，使移智能轮椅具有完成避障过程中所需的有效完整的信息，从而达到避障策略的正确性和控制的鲁棒性的目的。
-
公开(公告)号：CN102319155A
公开(公告)日：2012-01-18
申请号：CN201110142786.7
申请日：2011-05-30
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于唇部检测与跟踪的智能轮椅控制方法，涉及一种图像处理与智能轮椅控制相结合的基于唇部检测与跟踪的智能轮椅控制方法，本发明以智能轮椅为平台，建立了唇部轮廓检测与跟踪的数学模型，使用摄像头读取人脸部分图像；对唇部轮廓进行检测跟踪；对唇部运动序列进行特征提取，并在其中使用了鲁棒性良好的主动外观模型方法；运用隐马尔可夫模型对图像序列进行建模与识别；实现了通过唇读技术控制智能轮椅运动的方法，采用本发明的智能轮椅控制交互技术，可以使老年人或者有行动限制的残疾人通过自然语言实现对智能轮椅的基本控制，这种控制方法不需要智能轮椅的使用者学习机器语言，直接使用自然语言，实现了人机自然交互。
-
公开(公告)号：CN101620270B
公开(公告)日：2011-09-28
申请号：CN200910104419.0
申请日：2009-07-23
Applicant: 重庆邮电大学
IPC: G01S5/02
Abstract: 本发明属于无线通信技术和智能信息处理技术领域，具体涉及蜂窝移动通讯系统中移动台的无线定位技术；基于聚类融合的无线定位方法，用于获得优化的移动台定位结果，包括如下步骤：S1：由至少一个基站测量的移动台电波特征测量值，获得移动台的位置估计值；S2：对多组位置估计值通过粒子群聚类算法，获得聚类中心；S3：对同一移动台的多个聚类中心进行融合，决策输出优化的移动台定位结果；本发明可对多个移动台并行定位，不但提高了定位精度，而且大大提高了定位系统的效率。
-
Patent Agency Ranking
公开(公告)号：CN101618543B
公开(公告)日：2011-07-06
申请号：CN200910104420.3
申请日：2009-07-23
Applicant: 重庆邮电大学
Abstract: 本发明属于自动控制领域，具体涉及异构多机器人系统的任务分配方法；包括如下步骤：S1：初始化机器人和子任务参数；S2：机器人选择自己擅长、自身能力与子任务能力需求接近、离自己近、信息浓度高的子任务执行；本发明充分考虑机器人系统的功能结构对多机器人系统任务分配的影响，实现了异构多机器人系统的任务分配。
-
公开(公告)号：CN101620270A
公开(公告)日：2010-01-06
申请号：CN200910104419.0
申请日：2009-07-23
Applicant: 重庆邮电大学
IPC: G01S5/02
Abstract: 本发明属于无线通信技术和智能信息处理技术领域，具体涉及蜂窝移动通讯系统中移动台的无线定位技术；基于聚类融合的无线定位方法，用于获得优化的移动台定位结果，包括如下步骤：S1：由至少一个基站测量的移动台电波特征测量值，获得移动台的位置估计值；S2：对多组位置估计值通过粒子群聚类算法，获得聚类中心；S3：对同一移动台的多个聚类中心进行融合，决策输出优化的移动台定位结果；本发明可对多个移动台并行定位，不但提高了定位精度，而且大大提高了定位系统的效率。
-
公开(公告)号：CN114332989B
公开(公告)日：2025-04-08
申请号：CN202111495330.9
申请日：2021-12-08
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06N3/0464 , G06V10/82 , G06V10/774 , G06N3/0475
Abstract: 本发明公开了一种多任务级联卷积神经网络的人脸检测方法及系统，将获取的人脸检测数据集分为训练集和测试集，采用多支路的扩张卷积结构对MTCNN网络中的P网络进行改进，利用训练集分别训练O网络、R网络和改进后的P网络的其中一条支路，得到MTCNN网络的最优参数；以此生成训练好的MTCNN网络；对测试集中的图片进行预处理，将预处理后的图片输入到训练好的MTCNN网络中进行人脸检测，输出检测结果，去除了极其耗时的图像金字塔结构，改之以多支路的扩张卷积代替，不再需要大量搬运数据来完成对图像的多次缩放，也不再需要多次重复的将图像输入到P‑net中，减少了无用操作，从而提高人脸检测的效率。
-
公开(公告)号：CN119741621A
公开(公告)日：2025-04-01
申请号：CN202411724591.7
申请日：2024-11-28
Applicant: 重庆邮电大学
IPC: G06V20/17 , G06V10/25 , G06N3/045 , G06V10/82 , G06V10/762 , G06V10/774 , G06N3/0464 , G06V10/764 , G06V10/22 , G06V10/44 , G06N3/048
Abstract: 本发明请求保护一种基于区域聚类和特征注意力机制的航拍小目标检测方法。首先将从输入图像中提取到的候选目标的中心坐标作为聚类算法的输入特征。然后使用基于密度的DBSCAN聚类算法对这些目标进行聚类，随后根据聚类结果从图像中裁剪出这些区域，对裁剪出的区域进行中心填充处理来使其保持合理范围内的尺度和比率并将其与原始数据集合并得到新的扩充后的数据集。将扩充后的数据集放入改进后的单阶段目标检测网络RetinaNet中进行训练，用基于注意力机制的检测头进行最终的目标分类和定位。该方法可以达到数据增强的效果。此外，基于注意力机制的检测头可以去除分类和回归任务中无用信息的干扰，使网络能够自适应地关注更适当的信息进行分类和回归。
-
公开(公告)号：CN114492501B
公开(公告)日：2024-09-27
申请号：CN202111519739.X
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/15 , G06F18/241 , G06F18/21 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于改进SMOTE算法的脑电信号样本扩充方法、介质及系统，使用脑电信号采集仪器采集脑电信号数据；对脑电信号进行包括带通滤波、基线校验、归一化在内的方法进行预处理，划分为测试数据集与训练数据集；使用改进的SMOTE算法对脑电信号进行样本筛选并作为原始样本；将样本分成safe、danger以及noise三种类型；使用幅频加噪技术对在原始样本的基础上合成人工样本，从而实现数据集的样本扩充，合并成为新的训练数据集；利用卷积神经网络进行性能测试。本发明相比其余传统脑电数据样本扩充方法能更有效地提升生成新样本的质量与数量，使得训练卷积神经网络时有效提取特征，提升分类准确度，一定程度上解决了脑电信号数据集样本量小的问题。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.024 seconds)
