-
公开(公告)号：CN117671788A
公开(公告)日：2024-03-08
申请号：CN202311661117.X
申请日：2023-12-06
Applicant: 大连理工大学
IPC: G06V40/20 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种基于人工智能的人体动作识别方法，目的是提供一种高分类准确率的视频人体动作识别方式。所述方法包括图像的预处理和卷积神经网络模型的训练与预测。首先，在数据预处理部分，本发明基于卡尔曼滤波的方法，针对数据集中的测试集进行预测与延长。其次，在模型训练部分，本发明采用一种改进的图卷积神经网络，首先构建逐通道拓扑细化图卷积结构，然后分别构建空间模块与时间模块，最后进行组合形成完整的逐通道拓扑细化图卷积神经网络。在改进的数据集上进行模型训练与预测，最后得出人体动作识别分类准确率。本发明对人体动作的识别与分类具有重要意义。
-
公开(公告)号：CN114742097B
公开(公告)日：2023-05-23
申请号：CN202210285394.4
申请日：2022-03-23
Applicant: 大连理工大学
Abstract: 本发明提供一种基于轴承振动信号自动确定变分模态分解参数的优化方法，属于信号分解技术领域。首先，利用模态能量反映带宽大小，建立带宽优化子模型，用于自动获取最优带宽参数αopt。其次，建立能量损失优化子模型，用于避免发生欠分解现象。再次，建立模态平均位置距离优化子模型，用于防止过多K的产生避免发生过分解现象。最后，综合考虑带宽参数α和模态总数K之间的相互作用、模态分量之间的相互影响以及重构信息的完整性，利用对数函数进行非线性变换，使三个优化子模型的值形成相似的尺度，获得能够自动确定最优VMD参数αopt和Kopt的优化模型，并建立VMD算法分解性能量化评价指标。本发明能够定性定量的给出该优化方法具有更高精度的信号分解性能。
-
公开(公告)号：CN115238862A
公开(公告)日：2022-10-25
申请号：CN202210823159.8
申请日：2022-07-14
Applicant: 大连理工大学
Abstract: 本发明属于时间序列预测领域，涉及一种基于深度学习的潮位时间序列预测方法。本发明采用了HA‑DeepAR模型，对经过预处理的潮位时间序列首先进行调和分析，计算潮汐调和常数，并利用潮汐调和常数计算潮位中的天文潮信息，对于余水位信息采用DeepAR模型进行预测，最终将预测的天文潮位和余水位叠加，得到总的潮位预测值，并给出潮位的置信区间，方便进行风险评估。
-
公开(公告)号：CN114549925A
公开(公告)日：2022-05-27
申请号：CN202210052118.3
申请日：2022-01-18
Applicant: 大连理工大学
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于时间序列预测领域，涉及一种基于深度学习的海浪有效波高时间序列预测方法。对于进行了离差标准化后的输入序列，采用小波分解对海浪有效波高时间序列进行消噪和特征提取，将分解得到的序列输入深层残差卷积神经网络，最后将网络的输出转换为一维序列，通过两层的线性层汇集成一维的预测结果，作为海浪有效波高的预测值。最后通过对比实验证明，本发明提出的模型具有较高的精度。
-
公开(公告)号：CN112001128A
公开(公告)日：2020-11-27
申请号：CN202010963798.5
申请日：2020-09-15
Applicant: 大连理工大学
Abstract: 一种基于深度学习的轴流压气机失速喘振预测方法，属于航空发动机建模与仿真技术领域。首先，对航空发动机喘振数据进行预处理，在实验数据中划分出测试数据集和训练数据集。其次，依次构建LR分支网络模块、构建WaveNet分支网络模块、构建LR-WaveNet预测模型。最后，在测试数据上进行实时预测：首先对测试集数据采用相同方式进行预处理，并按LR-WaveNet预测模型的输入要求调整数据维度；按时间顺序，采用LR-WaveNet预测模型给出每个样本的喘振预测概率；采用LR-WaveNet预测模型给出带噪声点数据随时间的喘振概率，测试模型的抗干扰性。本发明综合了时域统计特征和变化趋势，提高了预测精度，并且具有一定的抗干扰性；有利于提高发动机主动控制的性能，具有一定的普适性。
-
Patent Agency Ranking
公开(公告)号：CN111737910A
公开(公告)日：2020-10-02
申请号：CN202010521798.X
申请日：2020-06-10
Applicant: 大连理工大学
Abstract: 一种基于深度学习的轴流压气机失速喘振预测方法，属于航空发动机建模与仿真技术领域。首先，对航空发动机喘振数据进行预处理，在实验数据中划分出测试数据集和训练数据集。其次，依次构建LR分支网络模块、构建WaveNet分支网络模块、构建LR-WaveNet预测模型。最后，在测试数据上进行实时预测：首先对测试集数据采用相同方式进行预处理，并按LR-WaveNet预测模型的输入要求调整数据维度；按时间顺序，采用LR-WaveNet预测模型给出每个样本的喘振预测概率；采用LR-WaveNet预测模型给出带噪声点数据随时间的喘振概率，测试模型的抗干扰性。本发明综合了时域统计特征和变化趋势，提高了预测精度，并且具有一定的抗干扰性；有利于提高发动机主动控制的性能，具有一定的普适性。
-
公开(公告)号：CN106980763A
公开(公告)日：2017-07-25
申请号：CN201710198679.3
申请日：2017-03-30
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于基因突变频率的癌症驱动基因的筛选方法，属于癌症医学领域。该方法包含如下步骤：(1)肿瘤基因突变数据获取；(2)突变数据预处理；(3)筛选每个基因的邻近基因；(4)计算每种突变的背景突变数据；(5)根据突变分值使用假设检验筛选突变基因。本发明方法不仅利用现代高通量测序技术及DNA数据处理软件，使用经典的聚类算法和统计方法，而且与影响基因突变的生物因素相结合使癌症驱动基因的筛选更加精确，对新型抗癌药物的研发和癌症临床诊疗都具有重要意义。
-
公开(公告)号：CN117218369A
公开(公告)日：2023-12-12
申请号：CN202311105289.9
申请日：2023-08-30
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于三维人体扫描数据的特征提取方法，具体步骤如下:该方法基于通过三维扫描仪获得的三维人体扫描数据，对三维人体扫描数据进行统一的空间坐标系构建，将首个人体扫描数据作为配准基准，使用配准算法对数据进行逐一配准，根据人体特征关键特征点完整定义，获取特征曲面，并根据曲面上点的曲率大小，实现人体关键特征点与关键特征的自动化且准确的提取方法；本发明用以解决传统的手工测量人体特征效率低以及难以测量某些复杂特征等问题，对于人体特征的提取具有较好的普适性。
-
公开(公告)号：CN116164966A
公开(公告)日：2023-05-26
申请号：CN202310267340.X
申请日：2023-03-17
Applicant: 大连理工大学
IPC: G01M13/04 , G01M13/045 , G06F18/213 , G06F18/24 , G06N3/0895 , G06N3/0464
Abstract: 本发明属于滚动轴承故障诊断领域，涉及一种基于半监督学习框架的滚动轴承故障诊断方法。本发明利用滚动轴承的振动信号构成数据集来训练模型，其中仅需极小一部分有标签，整体数据量要求也较低。方法中所述的框架对于无标签数据进行数据增强并构筑伪标签并与有标签数据叠加混合构成新的数据集，再在新的数据集上，以有标签数据和无标签数据损失的加权和为损失函数训练模型，最终利用最佳模型来完成诊断任务；本发明对数据的利用程度高，充分挖掘无标签数据的信息完整诊断，真正做到了仅需利用极少标签来低成本地完成滚动轴承诊断模型的半监督学习，性价比高。
-
公开(公告)号：CN115204073A
公开(公告)日：2022-10-18
申请号：CN202210924597.3
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06F30/28 , G01C13/00 , G06F113/08 , G06F119/14
Abstract: 本发明属于空间插值技术领域，涉及一种基于克里金插值算法的潮汐预测方法。对经过预处理后的已知验潮站的历史潮高数据进行调和分析，求得各个验潮站的潮汐特征信息。计算各个验潮站之间的距离，对验潮站的调和常数的半方差函数和距离关系进行函数拟合，然后确定调和常数的半方差函数。将半方差函数作为权重对要预测的位置进行插值计算，确定其调和常数，然后根据潮汐调和预报方法预测任意时间的潮高信息，最后通过实验证明，本发明提出了一种可行的空间插值潮汐预测方法。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
