-
公开(公告)号：CN103106265B
公开(公告)日：2016-10-12
申请号：CN201310037741.2
申请日：2013-01-30
Applicant: 北京工商大学
Abstract: 本发明提出一种相似图像分类方法及系统。其中，方法包括以下步骤：输入待识别图像并获取待识别图像的形状特征、梯度特征、颜色特征和纹理特征；将图像库中的训练样本分割生成多个不同尺寸的局部区域图像，并进行尺度变换，获得图像模板集，图像模板集中包括多个图像模板；分析图像模板集中的图像模板，并获得图像模板的形状特征、梯度特征、颜色特征和纹理特征；将待识别图像与图像模板集图像的对应特征进行匹配，并进行处理，获得待识别图像的图像细节信息；通过图像表示数据并利用Bagging分类器得到待识别图像的类别。根据本发明实施例的方法，通过对输入图像进行形状特征、梯度特征、颜色特征和纹理特征的提取和匹配，实现了相似图像的正确分类。
-
公开(公告)号：CN105427294A
公开(公告)日：2016-03-23
申请号：CN201510767961.X
申请日：2015-11-11
Applicant: 北京工商大学
IPC: G06T7/00
Abstract: 本发明提出了一种图像畸变线性模型建立方法，包括像机成像模型的建立和像机畸变参数的求解两个基本步骤。步骤一，首先建立像机成像线性模型，进一步考虑镜头畸变，建立像机非线性模型；步骤二，首先建立图像畸变非线性模型，通过公式推导，求解畸变前后像点间的关系式，进而通过泰勒公式展开，做线性化处理，求得图像畸变线性模型。本发明建立了图像畸变线性模型，可灵活有效的解决像机自标定过程中同时求解像机内部参数和畸变系数的问题。
-
公开(公告)号：CN114363850B
公开(公告)日：2024-04-12
申请号：CN202210051614.7
申请日：2022-01-17
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于无线传感器网络紧密度中心性的抗毁性增强方法。无线传感器网络常因能量耗尽、硬件故障或者遭遇攻击等原因导致节点失效，使得原本连通的网络拓扑分割，甚至导致全局网络受损。因此，研究抗毁性对解决无线传感器网络规模化应用瓶颈具有重要的理论价值。本发明提出了一种无线传感器网络紧密度中心性度量方法，并根据此方法确定在网络中添加的异构节点的位置。进一步，分析了网络的生命周期，依照本发明提出的增加异构节点的方法，可使网络的抗毁性得到极大的提高。
-
公开(公告)号：CN114363851B
公开(公告)日：2024-04-09
申请号：CN202210051627.4
申请日：2022-01-17
Applicant: 北京工商大学
Abstract: 本发明提出了一种无线传感器网络抗毁性度量方法。无线传感器网络的传感器节点数量虽然庞大，但容易失效，极易出现因网络中部分节点的失效而导致原本连通的网络拓扑分割，大大降低网络的覆盖度，甚至使网络失效。因此，研究网络的抗毁性及如何度量网络的抗毁性对解决无线传感器网络的实际应用具有重要的理论价值。本发明提出了一种无线传感器网络抗毁性度量方法，可有效分析网络的抗毁性能，为网络抗毁性的提高提供有效的理论支持。
-
公开(公告)号：CN113011397B
公开(公告)日：2024-03-29
申请号：CN202110461909.7
申请日：2021-04-27
Applicant: 北京工商大学
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于遥感图像4D‑FractalNet的多因素蓝藻水华预测方法，属于水质监测技术领域，具体包括：首先，在传统CNN的基础上加入时间维度与水华发生的相关因素，进行改进得到4D‑CNN‑SVM模型，对卷积层进行递归扩展，形成4D‑FractalNet模型；然后，利用细菌觅食算法对4D‑FractalNet模型中的卷积核数量和尺寸进行优化；利用优化后的4D‑FractalNet模型对各输入的遥感图像进行特征提取，并对水体富营养化等级预测；最后，在BP神经网络上增加承接层作为Elman神经网络；结合采样站点采集的历史时刻的叶绿素浓度测量值，藻类生长机理模型计算的当前时刻叶绿素浓度值，以及遥感图像的提取特征共同输入Elman神经网络，对下一时刻的叶绿素浓度值进行预测；本发明能实现蓝藻水华爆发的全面预测。
-
Patent Agency Ranking
公开(公告)号：CN117041996A
公开(公告)日：2023-11-10
申请号：CN202311083747.3
申请日：2023-08-25
Applicant: 北京工商大学
Abstract: 本发明提出了一种混合传感器网络移动节点的二次部署方法。混合传感器网络包括移动节点与静态节点，由于初始时刻采用随机抛洒的方式对传感器进行部署，会导致传感器分布不均，造成资源的浪费。本发明先分析混合传感器网络特性，对其建立数学模型，包括传感器的感知模型，并针对覆盖率这一网络重要的性能指标建立了覆盖率模型。再通过设计精确的算法，对移动节点进行二次部署。与传统方法相比，本发明降低了算法的时间复杂度，且能够更精确的选择移动节点的部署位置，并实现最佳的覆盖范围，提高了部署效率。通过本发明的应用，可在各种场景下实现高效、快速且准确的移动节点二次部署，进而提升传感器网络的性能。
-
公开(公告)号：CN111246504B
公开(公告)日：2023-05-23
申请号：CN202010174430.0
申请日：2020-03-13
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于小世界特性的动态分簇路由优化方法。首先，在水质传感器网络中引入小世界特性，通过其较小的平均路径长度和较大的聚类系数减少网络的能量消耗并提高网络的容错能力。其次，对上述网络进行改进，引入动态分簇思想，通过构建有效的能耗模型，合理选取簇头，有效延长网络的生命周期。本发明通过对引入小世界特性的水质传感器网络路由方法进行改进，可有效延长水质传感器网络的生命周期，提高网络的监测能力。
-
公开(公告)号：CN111669767B
公开(公告)日：2023-05-16
申请号：CN202010458814.5
申请日：2020-05-27
Applicant: 北京工商大学
Abstract: 本发明提出了一种传感器网络动态部署方法。首先，对非重点监测区域内的传感器进行定位，选其为移动节点。其次，对重点监测区域利用同心圆法找出目标节点。最后，根据弗洛伊德算法计算出将移动节点移动到目标节点的级联移动路径，从而实现了基于区域特征模型的水质传感器网络的动态部署。本发明通过传感器节点的级联移动，可利用更短的时间，在保证网络生命周期的前提下实现对传感器网络重点监测区域的动态部署，使之达到更佳的覆盖性能。
-
公开(公告)号：CN115906487A
公开(公告)日：2023-04-04
申请号：CN202211486727.6
申请日：2022-11-24
Applicant: 北京工商大学
IPC: G06F30/20 , G06F17/18 , G06F17/12 , G06Q50/26 , G06F18/214 , G06F111/04
Abstract: 本发明公开了一种基于Lasso回归分析的城区PM2.5污染扩散建模方法，属于环境工程技术领域。本发明方法采用虚拟点源法建立面源城区PM2.5高斯烟羽模型，建立球面极坐标系下的城区PM2.5污染扩散模型，采用Lasso回归方法辨识虚拟点源PM2.5污染排放速率，最后得到城区PM2.5扩散模型。本发明解决了现有城市PM2.5污染扩散模型精度不足与数据缺乏导致模型参数辨识能力差的问题，借助Lasso回归分析针对面源高斯烟羽模型的未知参数PM2.5排放速率进行参数识别，提高污染扩散模型的环境适应性及准确性。本发明实现了特定环境下城区PM2.5污染扩散模型的精确建模，提高了PM2.5污染扩散计算精度。
-
公开(公告)号：CN109922478A
公开(公告)日：2019-06-21
申请号：CN201910031572.9
申请日：2019-01-14
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于改进布谷鸟算法的水质传感器网络优化部署方法。首先，建立水质传感器网络覆盖模型，将监测区域离散化为网格点，定义被传感器覆盖的网格点个数占总网格个数的比例为覆盖率，以提高网络覆盖率为优化目标。其次，利用改进的布谷鸟算法实现对整个网络的优化部署。本发明通过对布谷鸟算法进行改进，可通过更少的迭代次数，使水质传感器网络达到最优的覆盖性能。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.05 seconds)
