-
公开(公告)号：CN111914718B
公开(公告)日：2023-08-18
申请号：CN202010727958.6
申请日：2020-07-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于平均影响值数据变换的特征加权PCA人脸识别方法。本发明中MIV的计算过程是通过对系统的输入值做等比例增加和减小，得到增加和减少后的数据分别作为系统输入，求解其对应的系统输出值。求取各个输入变量做等比例增加对应的系统输出值减去各个输入变量做等比例减小对应的系统输出值得到系统输入的各个参变量对系统输出的影响程度值及MIV值；采用多次计算求平均值的方式确定各个特征变量最终的MIV值。通过对MIV值一定的等比例放缩，将其用作PCA降维最近邻分类方法输入数据的特征权值来进行人脸识别。通过ORL人脸数据集的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN108714026B
公开(公告)日：2021-09-03
申请号：CN201810255649.6
申请日：2018-03-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度卷积神经网络（DCNN）和在线决策融合的心电分类方法。与以前使用手工特征或从原始信号域学习特征的方法不同，所提出的基于DCNN的方法以端到端的方式从时频域学习特征和分类。本发明首先利用短时傅立叶变换将心电波形信号转化为时频域。接下来，由特定长度的训练样本训练具体的DCNN网络模型。最后，提出一种在线决策融合方法，将来自不同模型的过去和现在的决策融合成更准确的决策。综合20类ECG数据集的实验结果说明了所提出方法的有效性。
-
公开(公告)号：CN111983994B
公开(公告)日：2021-08-20
申请号：CN202010813193.8
申请日：2020-08-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于复杂工业化工过程的V‑PCA故障诊断方法。由于传统主元分析(PCA)特征提取不准确，在用于故障诊断时常存在误报率和漏报率较高的现象。为此，本发明采用一种新的数据预处理方法以改进PCA在故障诊断中的性能指标。相较于传统PCA方法的欧氏距离预处理方法，并不能够精确地反应数据之间的相关性。因此，提出了一种基于变化率预处理方法，有效的改善了PCA在故障诊断中的误报率和漏报率较高的情况。最后，通过仿真例子验证了传统PCA方法、基于变化率预处理的PCA方法。实验仿真结果表明，本发明方法具有较好的检测性能。
-
公开(公告)号：CN112765921A
公开(公告)日：2021-05-07
申请号：CN202011537812.1
申请日：2020-12-23
Applicant: 杭州电子科技大学
IPC: G06F30/367
Abstract: 本发明公开了一种强非线性动态系统的高阶扩展卡尔曼滤波器设计方法。首先，基于多维高阶多项式建模强非线性动态系统的状态模型和测量模型；其次，将状态模型中的高阶多项式定义为系统的隐性变量，并将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；再次，视高阶隐变量为系统的各阶加性参数，再通过对他们之前进行随机动态建模，建立起由状态与参数相结合的扩维线性状态模型；然后，再对测量模型进行相应处理，将原始系统建模为基于状态与参数相结合的扩维线性测量模型；最后，基于扩维的线性系统，设计出针对原始状态估计的新型高阶扩展卡尔曼滤波器。本发明通过数字仿真验证了新滤波器的有效性。
-
公开(公告)号：CN112764345A
公开(公告)日：2021-05-07
申请号：CN202011513880.4
申请日：2020-12-21
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于目标状态跟踪的强非线性系统卡尔曼滤波器设计方法。本发明将目标状态和测量方程中的基本函数定义为隐变量，从而将原始目标状态模型和测量模型改写成伪线性形式；然后，将隐变量视为系统的参数变量，建立各隐变量与其他隐变量及目标状态变量之间的动态线性模型；进一步将测量模型改写成当前时刻目标状态估计值和各参数变量值之间的一阶线性乘积形式；最后，借助卡尔曼滤波器组逐步求解参数变量，设计出一个逐步线性化的高阶扩展卡尔曼滤波器。通过三个目标状态追踪案例对比的仿真测试，验证了本发明的有效性。
-
Patent Agency Ranking
公开(公告)号：CN110084324B
公开(公告)日：2021-05-04
申请号：CN201910389452.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于极限学习机的卡尔曼滤波参数自适应更新方法。本发明大体包括三部分内容：第一部分根据递归最小二乘的极限学习机的学习部分；第二部分对卡尔曼滤波算法迭代更新的算法分析；第三部分根据卡尔曼滤波的极限学习的学习部分。上述方法通过在线更新隐含层到输出层的连接权值，使得汽轮机在极限学习的分类精度得到提高。
-
公开(公告)号：CN112731372A
公开(公告)日：2021-04-30
申请号：CN202011513729.0
申请日：2020-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于加性潜变量扩维卡尔曼滤波的状态估计方法，本发明首先将状态模型中的非线性函数项的分量定义为潜变量，据此将状态模型扩维成基于系统原始变量和相应潜变量相结合的伪线性形式；其次建立潜变量的动态关联模型，并与上述伪线性模型相结合形成扩维状态后的线性状态模型；再次基于引入的潜变量和扩维状态，将观测模型等价改写为扩维状态后的线性模型；最后基于扩维后的状态线性模型和观测线性模型，设计含有潜变量的新型扩维卡尔曼滤波器。潜变量的引入将非线性的状态模型转化成线性形式，避免了传统扩展卡尔曼滤波由于泰勒展开式产生的截断误差，从而有效地提高了滤波效果。
-
公开(公告)号：CN112597890A
公开(公告)日：2021-04-02
申请号：CN202011533736.7
申请日：2020-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多维泰勒网的人脸识别方法。本发明中多维泰勒网的构建过程是通过对神经网络结构激活函数进行泰勒展开，其次对激活函数的泰勒展开进行线性组合得到网络输出，最终通过最小化损失函数得到目标函数最优解。通过ORL人脸数据集的仿真测试，利用PCA以及2DPCA算法提取的特征脸作为网络输入，验证了本发明的有效性。
-
公开(公告)号：CN111985550A
公开(公告)日：2020-11-24
申请号：CN202010813199.5
申请日：2020-08-13
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于Gap度量下的工业化工数据预处理的分类方法。本发明的核心思想是将从工业化工系统采集到的Wine数据集构造成多维变量系统矩阵。然后通过Gap度量算法投影到黎曼球上，计算每个样本距离样本中心的Gap度量。变换后的数据矩阵再利用主成分分析(PCA)进行特征提取与降维，之后再运用机器学习中K近邻算法对降维后的数据进行分类。通过运用上述所提出方法进行仿真实现，具有较好的数据分类效果和分类准确率，从而验证了本发明的有效性。
-
公开(公告)号：CN111983994A
公开(公告)日：2020-11-24
申请号：CN202010813193.8
申请日：2020-08-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于复杂工业化工过程的V-PCA故障诊断方法。由于传统主元分析(PCA)特征提取不准确，在用于故障诊断时常存在误报率和漏报率较高的现象。为此，本发明采用一种新的数据预处理方法以改进PCA在故障诊断中的性能指标。相较于传统PCA方法的欧氏距离预处理方法，并不能够精确地反应数据之间的相关性。因此，提出了一种基于变化率预处理方法，有效的改善了PCA在故障诊断中的误报率和漏报率较高的情况。最后，通过仿真例子验证了传统PCA方法、基于变化率预处理的PCA方法。实验仿真结果表明，本发明方法具有较好的检测性能。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.032 seconds)
