-
公开(公告)号：CN112884038A
公开(公告)日：2021-06-01
申请号：CN202110181037.9
申请日：2021-02-06
Applicant: 河南大学
IPC: G06K9/62
Abstract: 本发明提供了基于多距离度量学习的多标签特征选择方法，具体包括如下步骤：步骤1：归一化训练数据集；步骤2：初始化特征加权矩阵并设置超参数；步骤3：基于近邻模型计算近似留一法分类误差；步骤4：计算特征图正则化项、标签图正则化项和范数正则化项；步骤5：基于梯度下降技术最小化总目标损失函数，直到满足停止准则；步骤6：根据最终输出的特征加权矩阵行向量的长度对特征进行降序排序，前K个特征即为算法选出的最优特征子集。本发明通过特征图正则化项和标签图正则化项可以保持特征的相关性和标签的相关性，通过范数正则化项可以保证特征加权矩阵的行稀疏性，因此能够很好地进行多标签分类任务的特征选择。
-
公开(公告)号：CN112689315A
公开(公告)日：2021-04-20
申请号：CN202011574192.9
申请日：2020-12-24
Applicant: 河南大学
Abstract: 本发明提供了一种基于移动汇聚节点的WSNs改进分簇能耗优化方法，移动汇聚节点根据具体的运动模型进行移动。该方法包含以下步骤：首先，根据邻域节点阈值确定邻域节点集合，从而构建能量密度函数；其次，根据移动汇聚节点在不同轮的运动参数（速度、距离）构建运动性能函数；然后根据LEACH算法基础框架，将能量密度函数和运动性能函数引入簇头选择；最后根据当前轮节点死亡率构建自适应调节函数，对簇头选择进行自适应调节；重复上述簇头选择过程，直至全部节点死亡。本发明综合考虑了传感器节点邻域半径内剩余能量率和密度、移动汇聚节点运动参数变化、节点死亡率等因素，提高了簇头选择自适应性、延长了网络寿命、降低了数据延迟、均衡了网络负载。
-
公开(公告)号：CN112312511A
公开(公告)日：2021-02-02
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
公开(公告)号：CN112269401A
公开(公告)日：2021-01-26
申请号：CN202010926385.X
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于跟踪精度与风险控制的自适应主动传感器跟踪方法，首先通过量测数据采样获得跟踪目标的参数以及状态信息，利用动态模糊贝叶斯网络（DFBN）的方法对目标的威胁度进行评估，并结合主动传感器信号被跟踪目标截获的概率对威胁风险进行预测；其次，利用目标预测协方差以及量测噪声协方差对主动传感器的跟踪精度进行评估；最后，通过融合跟踪精度以及风险控制构建效能函数对主动传感器资源进行合理地分配；本发明对威胁风险的评估方法进行改进，更加准确、合理地对目标威胁风险进行了预测；其次将跟踪精度与风险控制融合构建了自适应主动传感器跟踪方法，更加适用于复杂多变的现实环境，提高了对目标的跟踪能力。
-
公开(公告)号：CN110225454B
公开(公告)日：2020-12-18
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。
-
Patent Agency Ranking
公开(公告)号：CN111625775A
公开(公告)日：2020-09-04
申请号：CN202010468422.7
申请日：2020-05-28
Applicant: 河南大学
Abstract: 本发明公开了一种基于Hellinger距离和信度熵的加权冲突证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，利用基本概率赋值转换公式将融合证据中的焦元变为单子集焦元，并引入Hellinger距离获得融合证据的支持度；另外，通过改进信度熵表征证据的不确定性程度，综合考虑Hellinger距离和改进信度熵确定融合证据的信任度并获得权重因子，然后利用加权平均思想修正融合证据，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。本发明方案与传统算法相比，通过基本概率赋值转换函数和Hellinger距离能够有效地衡量存在非单子集命题证据之间的冲突程度，同时通过改进的信度熵表征证据的不确定程度，综合考虑支持度和信息量共同确定融合证据的权重系数，具有重要的理论意义和应用价值。
-
公开(公告)号：CN111340118A
公开(公告)日：2020-06-26
申请号：CN202010124973.1
申请日：2020-02-27
Applicant: 河南大学
Abstract: 本发明公开了一种基于信度熵和BJS散度的冲突证据融合方法，包括如下步骤：首先，获取杂草种类目标识别信息转换为证据信息，然后，通过融合证据的信度熵度量证据的不确定度，利用融合证据的BJS散度和支持度之间的关系构造证据的相对支持度，综合考虑融合证据的不确定度、相对支持度以及静态可信度对融合证据进行加权平均处理，得到加权平均证据，最后，采用Dempster组合规则对加权平均证据进行逐个融合，输出最终决策结果。本发明方案与传统算法相比，利用融合证据的信度熵有效度量不确定信息，通过证据的BJS散度有效度量证据BPA之间的相似度，利用信度熵和BJS散度共同确定融合证据的权重系数，实现智慧农业中杂草识别的快速、准确决策处理。
-
公开(公告)号：CN111260502A
公开(公告)日：2020-06-09
申请号：CN202010025380.X
申请日：2020-01-10
Applicant: 河南大学
Abstract: 本发明公开了一种基于相似度和虚假度的冲突证据融合方法，包括获取电力系统的故障诊断信息，并转换为证据信息，利用证据之间所有同一焦元基本概率分配值的最大值和最小值之间的关系，定义新的证据之间的相似度和虚假度，二者结合证据权重系数的关系和借鉴Murphy方法进行再次修正，最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终结果。本发明综合考虑证据之间的相似度和虚假度，利用证据中所有同一焦元的基本概率赋值的相似度衡量各证据对同一命题的相互支持程度，综合考虑证据之间所有焦元的相互支持程度和衡量融合证据的冲突程度的虚假度，共同确定融合证据的权重系数，实现电力系统故障诊断的快速、准确处理。
-
公开(公告)号：CN109587753A
公开(公告)日：2019-04-05
申请号：CN201811415812.7
申请日：2018-11-26
Applicant: 河南大学
Abstract: 本发明提供了一种基于目标阈值约束的改进LEACH协议的簇头选择算法，在满足目标与节点阈值约束的前提下，设计了包含节点与目标距离因子、节点与基站距离因子和节点剩余能量率等约束条件共同作用下的簇头选择改进算法。该算法首先根据监测区域所有节点与监测目标的位置关系确定候选观测节点集，之后在候选观测节点集中对节点进行随机性簇头选择。本发明改进了LEACH协议簇头选择的阈值公式，使剩余能量大且距离基站近的节点有更高的概率被选为簇头节点。因此，改进算法的簇头选择机制更加合理，能更有效的平衡和减少网络中节点的能量消耗，延长网络的生命周期。
-
公开(公告)号：CN108171318A
公开(公告)日：2018-06-15
申请号：CN201711236180.3
申请日：2017-11-30
Applicant: 河南大学
Abstract: 本发明采用模拟退火和高斯函数的集成方法对全连接层初始化权值和传统滤波器进行优化：首先提取样本的隐层特征映射作为先验信息，并利用模拟退火寻得最优解作为全连接层初始化权值，进而加快权值更新和卷积神经网络收敛；其次在卷积层引入高斯函数，通过高斯函数运算对图像进行平滑，降低噪声对特征提取的干扰，进而提升了卷积神经网络的性能。从而解决了在现有技术中卷积神经网络训练过程中梯度下降易陷入局部最优以及特征提取过程中噪声干扰过大等问题。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.024 seconds)
