-
公开(公告)号：CN112577928A
公开(公告)日：2021-03-30
申请号：CN202011330341.7
申请日：2020-11-24
Applicant: 北京邮电大学
IPC: G01N21/552 , G16C20/50
Abstract: 本发明涉及基于TDBCs‑Kretschmann的高灵敏度分子检测结构设计方法，是一种对手性分子检测的方法，属于光学和信号处理领域，其特征在于采用如下步骤：(1)洛伦兹振荡器建模，确定手性TDBCs；(2)确定TM偏振的反射系数；(3)确定反射光束的横向偏移；(4)确定入射角；(5)确定具有手性结构的两个分裂频率；(6)确定Rabi分裂。本发明将GH平移来代替诸如吸收和消光之类的光学响应，能够很容易的测量出左分子和右分子之间的差异，采用基于Kretschmann的高灵敏手性分子检测器，利用菲涅耳方程和固定相方法来进行相关计算，提出的检测器对与TDBC浓度有关的耦合强度f非常敏感，具有潜在的应用价值。为手性分子检测结构设计领域提供了一种拥有高灵敏度探测的方法。
-
公开(公告)号：CN112115851A
公开(公告)日：2020-12-22
申请号：CN202010976282.4
申请日：2020-09-16
Applicant: 北京邮电大学
Abstract: 本发明涉及基于CMEEMD‑GAIW‑SW‑DFA的分布式光纤信号听觉信息融合方法，是一种对分布式光纤振动信号进行信息融合的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定引入白噪声信号后的光纤信号；(2)确定第一个IMF分量序列集合；(3)确定剩余分量；(4)确定各类信号的IMF分量的互信息；(5)确定信号各IMF分量的初始权值；(6)确定自适应动态惯性权重调整函数；(7)确定融合后光纤信号的方差均值；(8)确定奇异指数和多重分形谱。本发明结合CMEEMD‑GAIW方法与SW‑DFA方法，充分考虑了光纤信号各分量包含信息量的多少，设置了融合权重并利用GAIW算法对其进行了全局自适应动态分配，为光纤信号听觉得融合提供了一种有效实用的方法。
-
公开(公告)号：CN112102382A
公开(公告)日：2020-12-18
申请号：CN202010974772.0
申请日：2020-09-16
Applicant: 北京邮电大学
Abstract: 本发明涉及一种基于多尺度变换与ADCensus‑JWGF的机电设备视觉信息立体匹配算法，是一种对现代化机电设备正常工作监测立体视觉分布式信息匹配的方法，属于目标追踪领域，其特征在于采用如下步骤：(1)确定Census变换过程；(2)确定Census匹配代价；(3)确定AD匹配代价；(4)确定融合匹配代价；(5)确定各尺度空间下图像代价聚合；(6)确定滤波图核函数；(7)确定最小代价聚合视差值；(8)确定JWGF结果。本发明融合AD算法和Census算法，将两者优势结合起来，提高了算法匹配效果准确性，保证抗干扰能力。采用基于金字塔式多尺度变化算法，引导滤波进行代价聚合，同时采用JWGF算法降低噪声，提高算法精度，增强算法鲁棒性，具有较好的匹配效果。
-
公开(公告)号：CN110647671A
公开(公告)日：2020-01-03
申请号：CN201910929480.2
申请日：2019-09-29
Applicant: 北京邮电大学
IPC: G06F16/906
Abstract: 本发明涉及基于AAE-DWMIL-LearnNSE的数据流分类算法，是一种对数据流进行分类的方法，属于数据挖掘与机器学习领域，其特征在于采用如下步骤：(1)更新每个分类器权重；(2)加权处理基分类器；(3)加权合成集成分类器；(4)计算新数据集上分类错误率；(5)综合预测模型；(6)数据流分类函数确定及分类。本发明克服了由于缺乏对训练样本进行有选择的选取，导致分类精度受影响程度大的问题，去掉了对旧的数据样本的保存环节，为新数据节省了大部分存储空间，同时充分利用了旧的分类模型，取得了较高的分类准确率。有效解决了度量源领域中有标签的训练样本和目标领域中无标签测试样本之间相似度问题。
-
公开(公告)号：CN110472540A
公开(公告)日：2019-11-19
申请号：CN201910708045.7
申请日：2019-08-01
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明涉及基于LMD-ICA-PNN的Φ-OTDR振动信号分类算法，是一种对振动信号进行识别分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行LMD分解，确定第一个PF分量；(5)建立ICA数学模型；(6)构建PNN神经网络；(7)确定输出变量的判别函数。本发明克服了小波分解自适应较差和EMD分解的模态混叠与端点效应问题，利用PNN神经网络可以用线性学习算法完成非线性学习算法的优势，与LMD相结合，取得了较高的分类准确率。为振动信号识别分类领域提供了一种拥有较高分类准确率的方法。
-
Patent Agency Ranking
公开(公告)号：CN110458071A
公开(公告)日：2019-11-15
申请号：CN201910708064.X
申请日：2019-08-01
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明涉及基于DWT-DFPA-GBDT的光纤振动信号特征提取与分类方法，是一种对光纤振动信号进行特征提取与分类的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定原始振动信号的时域特征；(2)确定原始振动信号的频域特征；(3)确定原始振动信号的小波域特征；(4)计算马氏距离；(5)获得特征向量按可分性大小的排序；(6)确定损失函数；(7)确定拟合函数；(8)确定本轮迭代的强学习分类器。本发明实现了时域、频域及小波域三个不同域的特征提取，构建了完备的振动信号特征向量，将GBDT与DWT相结合，为振动信号特征提取与分类领域提供了一种在保证分类精度的基础上降低模型的复杂度的方法。
-
公开(公告)号：CN110346032A
公开(公告)日：2019-10-18
申请号：CN201910708031.5
申请日：2019-08-01
Applicant: 北京邮电大学
IPC: G01H9/00 , H04B10/071
Abstract: 本发明涉及基于恒虚警与过零率相结合的Φ-OTDR振动信号端点检测方法，是一种对振动信号进行检测识别的方法，属于信号处理与模式识别领域，其特征在于采用如下步骤：(1)确定噪声信号的概率分布和预加重的滤波器；(2)确定恒虚警率阈值和预加重后的振动信号；(3)确定光纤帧信号；(4)确定过零率；(5)建立短时过零率检测模型；(6)融合恒虚警阈值检测结果与短时过零率的检测结果。本发明将过零率方法与恒虚警检测算法相结合，提出一种振动信号端点检测方法，增加了许多新的报警点，具有较高的检测率。实验结果表明本发明设计的振动信号端点检测方法有着较好的信号检测效果，极大程度上降低了虚警率。
-
公开(公告)号：CN109919219A
公开(公告)日：2019-06-21
申请号：CN201910156017.9
申请日：2019-03-01
Applicant: 北京邮电大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于粒计算ML-kNN的Xgboost多视角画像构建方法，步骤是：1多源异构数据的融合，2关联数据的权重计算，3基于粒计算的基础上构建ML-kNN多标签学习，4建立两层Xgboost多视角融合框架。本发明与传统画像构建方法相比，其优点为本发明采用了将多源异构数据作为画像构建的数据集，解决传统画像构建中信息描述角度单一问题。采用基于粒子度的ML-kNN多标签学习算法，通过对粒度粗细的调控来选择样本的近邻点集。采用双层Xgboost的多视角融合模型解决高维特征问题，提高模型的准确性与泛化能力。
-
-
公开(公告)号：CN106225778A
公开(公告)日：2016-12-14
申请号：CN201610563243.5
申请日：2016-07-18
Applicant: 北京邮电大学
CPC classification number: G01C11/34 , G01C11/08 , G01C2011/36
Abstract: 本发明公开了一种多介质传播中随机波动的视觉定位研究。在工程应用中，光在多介质的传播中易产生偏差，介质混杂且随机波动易造成多介质下的视觉定位不准确。本文探索双目相机在多介质下的视觉定位技术。分为如下步骤：步骤一、图像坐标系中畸变系数的确定；步骤二、图像坐标系到相机坐标系的转换；步骤三、世界坐标系中相机间的相对位姿；步骤四、相机坐标系到世界坐标系的转换；步骤五、介质转换条件下的视觉定位；步骤六、基于云模型的视觉定位随机性描述。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.024 seconds)
