公开(公告)号：CN109377447B

公开(公告)日：2022-11-15

申请号：CN201811086423.4

申请日：2018-09-18

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  郑逍 ,  王春枝 ,  苏军 ,  张旭 ,  杨娟 ,  孙爽 ,  陈凤 ,  孙一恒 ,  金灿

IPC: G06T3/40 ,  G06T7/33

Abstract: 本发明公开了一种基于杜鹃搜索算法的Contourlet变换图像融合方法，对配准后的源图像A、B，分别进行Contourlet变换，得到1个低频子带和不同尺度、不同方向的多个高频子带；按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合，得到融合后的系数；融合图像为R，对于融合后的系数，按照其低频子带和高频子带的顺序，依次进行Contourlet逆变换；最后输出融合后的图像。本发明与传统的图像融合方法相比，对各尺寸各方向上的融合系数权重进行了加权处理，计算出最优权值，并以此提出一种优化的Contourlet变换图像融合方法。

公开(公告)号：CN109873810B

公开(公告)日：2022-07-19

申请号：CN201910031356.4

申请日：2019-01-14

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  孙一恒 ,  王春枝 ,  金灿 ,  孙爽 ,  杨娟 ,  郑逍 ,  陈凤 ,  苏军 ,  严灵毓

IPC: H04L9/40 ,  G06N3/00 ,  G06K9/62

Abstract: 本发明公开了一种基于樽海鞘群算法支持向量机的网络钓鱼检测方法，首先初始化樽海鞘群算法的基本参数：种群数目、迭代次数、个体维度、搜索空间；随机初始化个体的位置和范围；然后按照适应度值的大小划分为领导者樽海鞘和跟随者樽海鞘，利用这两种樽海鞘的协调合作挖掘出支持向量机的最优参数。在每次迭代中，用于评价个体的适应度值的函数是个体所携带的参数对于支持向量机在钓鱼网站数据集上的检测准确率。本发明与一般的优化算法如遗传算法、引力搜索算法、蝙蝠算法、粒子群算法等，在优化支持向量机上，能够尽可能的挖掘出支持向量机的最优参数参数，提升支持向量机在钓鱼检测的准确率。

公开(公告)号：CN108665436B

公开(公告)日：2021-05-04

申请号：CN201810440930.7

申请日：2018-05-10

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  张旭 ,  徐炜 ,  王春枝 ,  苏军 ,  杨娟 ,  郑逍 ,  金灿 ,  孙爽 ,  陈凤 ,  孙一恒 ,  吴盼 ,  刘伟 ,  严灵毓

IPC: G06T5/50

Abstract: 本发明公开了一种基于灰度均值参照的多聚焦图像融合方法和系统，能明显提高融合图像对比度。主要步骤为对配准后的源图像A，B，分别计算两幅图的灰度平均值，之后根据A、B两幅源图像上每一点像素的灰度值距离平均值的远近来决定融合图像的灰度值，最后输出融合后的图像。本发明与传统的图像融合方法相比在提高清晰度方面和提高融合图像的对比度方面有很好的效果，在运行时间上和传统的图像融合方法是同一个量级，也是一种快速融合算法。

公开(公告)号：CN111931899A

公开(公告)日：2020-11-13

申请号：CN202010760059.6

申请日：2020-07-31

Applicant: 武汉烽火技术服务有限公司 ,  湖北工业大学 ,  烽火通信科技股份有限公司

Inventor： 魏明 ,  陈凤 ,  姚全锋 ,  余晗 ,  胡小飞 ,  叶志伟 ,  王春枝 ,  李振国

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种改进布谷鸟搜索算法优化极限学习机的网络流量预测方法，涉及智能计算技术领域，本发明提供的改进布谷鸟搜索算法优化极限学习机的网络流量预测方法，采用实数编码表示每个寄生巢，采用snap-drift布谷鸟搜索算法对极限学习机进行参数优化，实现预测误差更小，预测时间更短。本发明执行snap-drift布谷鸟搜索算法给鸟蛋分配解、拒不搜索、概率搜索选择最差寄生巢、全局搜索、更新Pm和更新Pa等操作，可知算法寻优能力强，计算复杂度低，计算速度快，收敛速度快，能够进行全局搜索，有跳出局部最优解的能力。

公开(公告)号：CN109308523A

公开(公告)日：2019-02-05

申请号：CN201811086479.X

申请日：2018-09-18

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  孙一恒 ,  王春枝 ,  苏军 ,  金灿 ,  孙爽 ,  郑逍 ,  陈凤 ,  刘伟 ,  严灵毓

IPC: G06N3/08 ,  G06N3/00

CPC classification number: G06N3/084 ,  G06N3/006

Abstract: 本发明公开了一种基于鸽群优化算法的多层感知器训练方法，首先初始化鸽群算法的基本参数，随机初始化个体的位置和范围；然后在指南针算子阶段根据具体的公式更新鸽子的位子和速度，旨在扩大多层感知器的参数寻优范围；接下来在地表算子阶段利用具体的公式加快收敛速度和深入挖掘局部最优；在每次迭代中，用于评价个体的适应度值的函数是个体所携带的参数对应的多层感知器的均方误差；本发明与传统的BP算法在训练多层感知器的过程中，能够克服BP算法训练多层感知器易陷入局部最优解和寻优过程慢的特性，能够尽可能的挖掘出最优性能的多层感知器参数，提升了多层感知器的性能。

公开(公告)号：CN108197709A

公开(公告)日：2018-06-22

申请号：CN201810092417.3

申请日：2018-01-31

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  孙爽 ,  苏军 ,  王春枝 ,  金灿 ,  陈凤 ,  郑逍 ,  孙一恒 ,  常鹏阳 ,  蔡文成 ,  曹倩倩 ,  张旭

IPC: G06N3/12 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开基于杂交水稻算法的光伏电站多目标无功优化方法及系统，包括：获取光伏电站的电压值；根据电压值得到电压差、有功网损；根据雅克比矩阵得到表示系统的稳定裕度的最小特征值；分别对电压差、有功网损、最小特征值进行归一化处理，根据归一化后的电压偏差、归一化后的有功网损、归一化后的最小特征值得到目标函数；根据杂交水稻算法对目标函数进行最优值求解，得到目标函数的最优值；根据最优值确定对应的最优电压偏差、最优有功网损、最优最小特征值。采用本发明方法或系统对光伏电站内部进行基于杂交水稻算法的多目标无功优化，达到均衡光伏电站站内节点电压，提高其稳定裕度，并且降低有功网损的目的。