-
公开(公告)号：CN110730415B
公开(公告)日：2020-09-01
申请号：CN201910954581.5
申请日：2019-10-09
Applicant: 浙江大学
Abstract: 本发明属于水下节点定位领域，提出了一种基于分层海流模型的水下传感器节点定位方法。由于水下环境的复杂性会导致海流流速在空间和时间上的不确定性，不同深度处的海流运动不同，进而造成水下不同深度传感器节点运动速度不同。因此，在普通节点定位过程中，普通节点在接收到不同深度的超级节点发送的信号时，这些信息的可信程度也不相同。为了挖掘每条信息中的更多的信息，本发明所提出的普通节点定位算法将根据海流模型，为不同深度的传感器信息分配不同的权值，相关度大的节点发送过来的信息分配更大的权值，以提高节点定位的准确性。因此，本发明对于解决实际的水下节点定位问题具有重要的现实意义。
-
公开(公告)号：CN111260543A
公开(公告)日：2020-06-09
申请号：CN202010060679.9
申请日：2020-01-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多尺度图像融合和SIFT特征的水下图像拼接方法。该方法包括如下步骤：1)采用改进白平衡算法和基于线性插值的CLAHE算法对水下图像进行图像增强；2)采用双重金字塔图像融合方法融合图像增强后的图像，得到水下预处理图像；3)将水下预处理图像通过改进SIFT算法进行水下图像配准；4)计算得到图像仿射变换矩阵后，采用线性渐变合成算法完成最后的水下图像拼接。本发明通过实验证明此方法充分考虑到水下环境和水下成像特点，可以明显提升水下图像增强，配准和拼接的效果和准确率。
-
公开(公告)号：CN110209698A
公开(公告)日：2019-09-06
申请号：CN201910391665.2
申请日：2019-05-13
Applicant: 浙江大学
IPC: G06F16/2455 , G06F16/22
Abstract: 本发明公开了一种基于丝绸文物数据的织物图案创意设计方法，首先，根据属性对丝绸文物数据进行标记，建立包含属性信息的丝绸文物数据库；其次，对数据库进行稀有数据和常用数据的分类；然后，针对数据库的极度不均衡性对FP-Growth算法进行改进，得到适用于对该丝绸文物数据库进行关联数据挖掘的改进FP-Growth算法；最后结合丝绸图案设计领域的辅助设计系统根据数据挖掘结果得到创意设计的图案。本发明利用改进FP-Growth算法对丝绸文物数据库进行关联数据挖掘，得到具有关联性的的织物图案设计结果，解决了现有的辅助设计系统所存在的所得结果可利用性不高的问题。另外，该改进算法对于丝绸文物数据库的关联规则的挖掘相对于其它关联规则挖掘算法更加快速有效。
-
公开(公告)号：CN111275644B
公开(公告)日：2023-06-02
申请号：CN202010064566.6
申请日：2020-01-20
Applicant: 浙江大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Retinex算法的水下图像增强方法和装置。该方法包括：对原始RGB水下图像进行白平衡处理和颜色校正，得到预处理后的图像；将所述预处理后的图像转化至LAB色彩空间；采用单通道Retinex算法对L通道进行图像增强处理和亮度矫正，采用双边滤波对A和B通道进行颜色校正，得到LAB图像；将所述LAB图像转换至RGB图像，完成水下图像增强操作。本发明解决了水下图像清晰度低，偏色严重，物体边缘轮廓线不清晰等问题，达到色彩校正、边缘增强的效果。
-
公开(公告)号：CN115294415A
公开(公告)日：2022-11-04
申请号：CN202210931506.9
申请日：2022-08-04
Applicant: 浙江大学
IPC: G06V10/771 , G06V10/774 , G06V20/70 , G06V10/766 , G06N5/00 , G06N3/04
Abstract: 本发明公开了一种面向老年用户的服务机器人人工标注数据筛选方法，属于智能机器人技术领域。服务机器人在进入某一老年用户家居环境时，根据其在用户家居环境中收集到的新类别数据，需选出最具学习价值同时又最易于老年用户标注的图像，将其呈现给用户进行标注。具体的筛选方法为：机器人以图像的三种属性(感知亮度、对比度、尺寸大小)为特征，结合图像标注难易度预测模型，得到图像对于老年用户的标注难易度预测。将图像的标注难易度预测值与其他三种描述图像学习价值的指标相结合，计算出图像的筛选价值度量，进而根据该度量选择一定比例的价值度量最大的图像，作为请求老年用户给出标注并要求机器人学习的数据。
-
Patent Agency Ranking
公开(公告)号：CN113052219B
公开(公告)日：2022-05-31
申请号：CN202110281866.4
申请日：2021-03-16
Applicant: 浙江大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种异常轨迹检测方法及装置、电子设备，该方法包括：构建自编码器，所述自编码器由编码器和解码器组成，所述编码器的输出与所述解码器相连，所述编码器和解码器的主体均为RNN网络；采集运动目标的多个时间序列正常轨迹数据组成训练集；使用所述训练集对所述自编码器进行训练；利用所述编码器对所述训练集进行特征变换，得到若干个正常轨迹的编码特征代表；利用所述编码器对待检测轨迹数据进行特征变换，得到待检测轨迹的编码特征；将所述待检测轨迹的编码特征与所有编码特征代表进行比较，判断待检测轨迹是否异常。与现有的技术相比，本发明具有可扩展性强、模型搭建简单、能够应用于实时监控场景等优点。
-
公开(公告)号：CN113052872A
公开(公告)日：2021-06-29
申请号：CN202110271736.2
申请日：2021-03-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于声呐图像的水下运动目标跟踪方法。首先基于高斯混合模型及最邻近算法对声呐图像背景进行建模，结合形态学方法分离图像的前景和背景，获取刚进入视野范围内运动目标初始位置，根据初始位置初始化基于级联匹配的跟踪器，该跟踪器以ECO‑HC算法为基础，在确认目标跟丢的情况下基于高斯混合模型对长期存在于视野范围内的目标进行重定位，结合水下运动目标的运动模型及外观模型对目标重定位结果和跟踪结果进行级联匹配，解决了一般情况下目标跟丢后无法再跟上的问题，有利于跟踪准确率的提高，实现长期稳定的水下运动目标跟踪。
-
公开(公告)号：CN113052219A
公开(公告)日：2021-06-29
申请号：CN202110281866.4
申请日：2021-03-16
Applicant: 浙江大学
Abstract: 本申请公开了一种异常轨迹检测方法及装置、电子设备，该方法包括：构建自编码器，所述自编码器由编码器和解码器组成，所述编码器的输出与所述解码器相连，所述编码器和解码器的主体均为RNN网络；采集运动目标的多个时间序列正常轨迹数据组成训练集；使用所述训练集对所述自编码器进行训练；利用所述编码器对所述训练集进行特征变换，得到若干个正常轨迹的编码特征代表；利用所述编码器对待检测轨迹数据进行特征变换，得到待检测轨迹的编码特征；将所述待检测轨迹的编码特征与所有编码特征代表进行比较，判断待检测轨迹是否异常。与现有的技术相比，本发明具有可扩展性强、模型搭建简单、能够应用于实时监控场景等优点。
-
公开(公告)号：CN109240274B
公开(公告)日：2020-04-17
申请号：CN201811308258.2
申请日：2018-11-05
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于高阶相关性的工业过程故障诊断方法，属于工业过程监控领域，本发明所提出的方法利用栈式稀疏自编码网络从表示学习的角度无监督地获取各传感器量测数据中的高阶相关性信息，并针对获取的高阶相关性特征提出三个监测指标SRE、M2和C。分层次的学习方式使得该发明对于工业过程中微小故障或早期故障的变化的表示更为精细，也就更利于检测出此类故障的发生与否；同时，所提出的监测指标不仅可以监测过程运行是否保持在控制域内，而且对于故障类型的识别具有一定的指导性；此外，无监督的学习模式不受工业过程中样本标签不足、数据不均衡等影响。因此，本发明对于解决实际中的工业过程监控问题具有重要的现实意义。
-
公开(公告)号：CN110730415A
公开(公告)日：2020-01-24
申请号：CN201910954581.5
申请日：2019-10-09
Applicant: 浙江大学
Abstract: 本发明属于水下节点定位领域，提出了一种基于分层海流模型的水下传感器节点定位方法。由于水下环境的复杂性会导致海流流速在空间和时间上的不确定性，不同深度处的海流运动不同，进而造成水下不同深度传感器节点运动速度不同。因此，在普通节点定位过程中，普通节点在接收到不同深度的超级节点发送的信号时，这些信息的可信程度也不相同。为了挖掘每条信息中的更多的信息，本发明所提出的普通节点定位算法将根据海流模型，为不同深度的传感器信息分配不同的权值，相关度大的节点发送过来的信息分配更大的权值，以提高节点定位的准确性。因此，本发明对于解决实际的水下节点定位问题具有重要的现实意义。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.028 seconds)
