-
公开(公告)号：CN115858526A
公开(公告)日：2023-03-28
申请号：CN202211493543.2
申请日：2022-11-25
Applicant: 河南大学
IPC: G06F16/22 , G06F16/242 , G06F16/2458 , G06F16/34
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于数据源格式不定的多维可视化的试验数据管理系统，包括：试验数据管理模块，用于多源异构试验数据的采集、存储和检索管理；场景显示与数据可视化模块，用于通信连接试验数据管理模块，根据试验数据管理模块提供的数据和外部实时数据进行数据可视化显示；数据库管理模块，用于通信连接试验数据管理模块和场景显示与数据可视化模块，合理分配系统各个功能模块到相应的试验人员机构。本发明实现了试验数据的仿真信息汇集、存储、处理、比较、融合及分析，其大幅度提高了试验数据的管理效率。
-
公开(公告)号：CN115841589A
公开(公告)日：2023-03-24
申请号：CN202211394182.6
申请日：2022-11-08
Applicant: 河南大学
IPC: G06V10/764 , G06V10/776 , G06V10/82 , G06N3/0475 , G06N3/088
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于生成式自我注意机制的无监督图像翻译方法，包括：将获取的待翻译图像输入到独立编码器，得到待翻译图像的DSI深浅信息空间，进而得到组合和叠加后的DSI深浅信息空间；将组合和叠加后的DSI深浅信息空间输入到预先构建并训练好的含有生成式自我注意机制的生成器，得到目标翻译图像；获取目标域图像，将目标域图像和目标翻译图像输入到预先构建并训练好的含有生成式自我注意机制的多尺度判别器，判断目标翻译图像是否为真实图像。本发明主要应用于无监督图像翻译领域，解决了现有无监督图像翻译方法的准确性比较低的问题，有效提高了翻译图像的图像质量。
-
公开(公告)号：CN115481917A
公开(公告)日：2022-12-16
申请号：CN202211190154.2
申请日：2022-09-28
Applicant: 河南大学
Abstract: 本发明公开了一种基于IFS和可信度衰减模型的空中目标威胁评估方法，包括如下步骤：首先，根据各空中目标的情报信息转化为直觉模糊数，并构造直觉模糊评估矩阵。其次，通过直觉模糊熵和判断矩阵计算指标的客、主权重，并构造综合权重。然后，运用IFWA进行指标信息加权，获得加权直觉模糊评估矩阵，并转化为mass函数矩阵；再次，计算基于信息量的折扣系数，并利用可信度衰减模型对不同时刻的mass函数进行组合；最后，根据组合结果对各空中目标进行威胁评估排序。本发明方案与传统算法相比，采用主、客观因素构造指标的综合权重，采用时间衰减模型对多时刻的动态信息进行组合，其最终排序结果更加合理，具有重要的理论意义和应用价值。
-
公开(公告)号：CN110033028B
公开(公告)日：2022-09-16
申请号：CN201910206387.9
申请日：2019-03-19
Applicant: 河南大学
Abstract: 本发明公开了一种基于算术平均贴近度的冲突证据融合方法，包括如下步骤：获取多个传感器测量信息根据实际应用场景选择合适的方法获取证据的BPA，并转换为证据信息，引入模糊理论中算术平均贴近度概念度量证据对同一焦元的相互支持程度，利用证据之间的算术平均贴近度计算融合证据的权重系数；最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明引入模糊数学中的算术平均贴近度方法，利用证据中同一焦元的基本概率赋值的算术平均贴近度衡量各证据对同一命题的相互支持程度，并对证据进行修正后采用Dempster组合规则对修正后的证据进行逐个融合，具有重要的理论意义和应用价值。
-
公开(公告)号：CN113449412B
公开(公告)日：2022-07-22
申请号：CN202110564130.8
申请日：2021-05-24
Applicant: 河南大学
IPC: G06F30/20 , G06K9/62 , G06F111/08 , G06F119/08
Abstract: 本发明公开了一种基于K‑means聚类和综合相关度的机械故障诊断方法，包括如下步骤：首先，获取传感器对各个故障类型的原始观测信息；利用K‑means聚类寻找各个故障类型数据组的质心；计算传感器采集的机械设备运行数据与各个故障类型数据簇质心之间的JS散度和灰色关联度构建综合相关度；对综合相关度进行归一化处理，将其转化为基本概率指派函数；最后，采用Dempster组合规则对基本概率指派函数进行逐个融合，输出最终对机械设备故障类型的决策结果。本发明方案提出的基于K‑means聚类和综合相关度的故障诊断方法，可以有效地对机械设备进行故障诊断，具有重要的理论意义和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN113453335A
公开(公告)日：2021-09-28
申请号：CN202110716487.3
申请日：2021-06-25
Applicant: 河南大学
Abstract: 本文提供了基于DV‑hop改进的凸优化WSNs节点定位方法，包括以下步骤：参考节点根据自身搭载的GPS设备进行精确定位，并广播关于自身信息数据包，其他节点转播该数据包，每个节点保存最小跳数值参考节点的数据包；参考节点根据数据信息包中的跳数值计算出平均跳距并广播到网络，未知节点计算到参考节点间的距离；将未知节点到参考节点之间距离的累积误差建立的非凸目标函数，通过矩阵变换转化为带有非凸约束条件的凸目标函数，随后将非凸约束收紧得到更紧的凸约束求解，从而实现对未知节点位置的精确估计。本发明能够在较少参考节点的前提下确定未知节点的位置，同时降低了能量消耗及成本投入，具有良好的可行性和有效性。
-
公开(公告)号：CN110225454A
公开(公告)日：2019-09-10
申请号：CN201910561527.4
申请日：2019-06-26
Applicant: 河南大学
Abstract: 本发明公开了一种基于置信度传递的分布式容积卡尔曼滤波协作定位方法。其中，该方法包括：无线传感器网络中移动代理节点初始状态满足高斯分布，并将移动代理节点协作定位建模为时变因子图中多变量节点的边缘后验分布估计问题；其次，提出了高斯参数化置信度传递与重构策略，以及分布式容积卡尔曼滤波方法，计算因子图上每个变量节点的后验分布，进而获得每个移动代理节点定位结果。本发明公开协作定位方法中相邻代理节点之间只需传递高斯参数化置信度，具有良好的扩展性和鲁棒性，较低的通信开销和计算复杂度，提升整体网络定位精度和效率。
-
公开(公告)号：CN110190990A
公开(公告)日：2019-08-30
申请号：CN201910419049.3
申请日：2019-05-20
Applicant: 河南大学
Abstract: 本发明提供一种低压配电台区网络拓扑结构的自动辨识方法及装置，该方法包括：步骤1、判断所述低压配电台区网络拓扑结构中是否含有分支箱；步骤2、若不含有分支箱，则获取JP柜或开关柜中采集到的第一电流数据，以及获取表箱中采集到的第二电流数据；步骤3、根据所述第一电流数据和所述第二电流数据，计算得到所述低压配电台区的网络拓扑结构。该装置包括：判断单元、数据获取单元和拓扑结构提取单元。本发明可以在不引入过多硬件设施的前提下，实现网络拓扑的自动辨识，节省成本，实现容易，操作方便，效率较高。
-
公开(公告)号：CN103916874B
公开(公告)日：2017-05-03
申请号：CN201410166538.X
申请日：2014-04-23
Applicant: 河南大学
Abstract: 本发明公开了一种基于极坐标的无线传感器网络覆盖方法，步骤如下：（1）、服务器设定极坐标系原点的位置，无线传感器节点根据直角坐标系与极坐标系的位置关系，转化为极坐标位置信息；（2）、每个无线传感器节点将自身极坐标位置信息发送给邻居节点；（3）、根据邻居节点的位置信息，计算出节点相对每个邻居节点在径向达到与邻居节点相切位置时所需改变的虚拟半径及节点到达边界期望位置所需改变的虚拟半径；（4）、并将节点移动至新的坐标位置；（5）、计算出节点的感知圆在圆周方向上达到与邻居节点感知圆相切的位置所需移动的虚拟角度；更新节点的位置信息；（6）、结束或返回步骤（2）。本发明能够提高节点部署区域为圆形的无线传感器网络覆盖率。
-
公开(公告)号：CN117150385A
公开(公告)日：2023-12-01
申请号：CN202311216989.5
申请日：2023-09-20
Applicant: 河南大学
IPC: G06F18/2415 , G06F18/25
Abstract: 本发明提出了一种非高斯且非平稳系统噪声下基于变分贝叶斯的目标跟踪方法，该方法包含以下步骤：首先，在分布式目标跟踪框架下，根据未知参数所服从的概率密度进行先验建模；其次利用标准变分贝叶斯方法定点迭代联合估计出目标状态、混合系数和尺度矩阵等后验分布参数；最后在多传感器分布式框架下依据协方差交叉融合策略实现对局部平台状态估计值的融合。本发明在目标跟踪过程中综合考虑了非高斯且非平稳重尾过程噪声和Skew量测噪声的影响，能够有效地估计出目标状态、噪声协方差等未知参数，进而提高了目标的跟踪精度，同时具有较好的自适应性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.033 seconds)
