-
公开(公告)号：CN110147890A
公开(公告)日：2019-08-20
申请号：CN201910395898.X
申请日：2019-05-13
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于狮群算法优化极限学习机集成学习的方法及系统，将改进后的狮群算法应用于极限学习机的集成学习中，充分利用狮群算法精度高、收敛快以及极限学习训练速度快的特点，通过使用狮群算法追随当前搜索到的最优值来寻找全局最优解以减少迭代次数来优化极限学习机个体，并根据极限学习机相关理论制定了相应的选择机制，将输出权值的模小并且训练误差小的极限学习机选择出来以供集成网络，在可接受的训练时间内，网络稳定性和泛化能力得到了显著提升，是一种有实际应用价值的新方法。
-
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
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：CN108460724A
公开(公告)日：2018-08-28
申请号：CN201810114537.9
申请日：2018-02-05
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于马氏距离判别的自适应图像融合方法和系统，在融合过程中将目标图像分为三部分，重合区域最左边完全取自img1中的数据，右边的部分完全取自img2经变换后的图像，通过对各个相机的重叠区域部分评估择优，自动选择规划出合适的各镜头成像点集，使得融合的图像更为真实，细节更加突出，极大地减小了因为细节丢失而导致的系统检测误差。本发明将马氏距离判别分析的方法引入图像融合技术之中，可以有效克服重叠区域坐标内各像素间的噪声干扰，自动选择规划出合适的各相机成像点集，以此评估出的像素点集合成后的图像整体平滑度更好，同时对真实场景的还原度高，极大的提升了图像融合的准确率。
-
公开(公告)号：CN108393887A
公开(公告)日：2018-08-14
申请号：CN201810098531.7
申请日：2018-01-31
Applicant: 湖北工业大学
IPC: B25J9/16
CPC classification number: B25J9/1612 , B25J9/1602 , B25J9/1628 , B25J9/1697
Abstract: 本发明涉及一种手眼标定方法，尤其是涉及一种用于工件手眼标定方法。本发明根据中间相隔多层的两次手眼标定数据，自动插补计算中间各层的工件位姿坐标。有效的解决了因空间相对位置变化而需要逐层标定的问题，减少了标定次数，节省时间，减少的人工的工作强度，提高了抓取精度。
-
公开(公告)号：CN108305282A
公开(公告)日：2018-07-20
申请号：CN201810092708.2
申请日：2018-01-31
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于杂交水稻算法的图像配准方法及系统。该方法包括采集物体的图像，得到参考图像以及多个待配准图像；参考图像表示空间坐标正确的图像；对各待配准图像进行预处理，采用双线性插值方法将各待配准图像处理为与参考图像具有相同分辨率的图像，得到各待配准图像对应的预处理后的图像；通过杂交水稻算法建立每个预处理后的图像的第一空间变换模型；根据所有预处理后的图像的第一空间变换模型得到第二空间变换模型；通过第二空间变换模型对预处理后的图像的坐标进行仿射变换，得到对应该待配准图像的配准图像。本方法和系统能够提高多级分辨率图像配准的精准度和效率。
-
Patent Agency Ranking
公开(公告)号：CN108304874A
公开(公告)日：2018-07-20
申请号：CN201810092705.9
申请日：2018-01-31
Applicant: 湖北工业大学
CPC classification number: G06K9/6223 , G06F16/2465 , G06F16/285 , G06F2216/03
Abstract: 本发明公开一种数据分类方法及系统。所述方法首先获取随机产生的水稻种群和待分类数据；然后根据所述待分类数据计算每个所述水稻个体的适应度值；根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体；然后获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体；获取所述恢复系个体自交过程中产生的自交最优个体；获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体；最后将所述适应度值最优的个体作为聚类中心，对所述待分类数据进行分类。本发明所述的数据分类方法及系统通过采用杂交水稻算法来优化K-means初始聚类中心，解决了K-means聚类算法的聚类结果容易陷入局部最优的缺陷。
-
公开(公告)号：CN107528799A
公开(公告)日：2017-12-29
申请号：CN201710730801.7
申请日：2017-08-23
Applicant: 湖北工业大学
IPC: H04L12/911 , H04L12/801 , H04L29/08
Abstract: 本发明公开了一种云计算资源分配方法及系统，首先获取含有多个水波的初选集合和迭代次数，并计算每个水波的适应度值；然后判断最小的适应度值是否小于等于预设阈值，若是则适应度值最小水波所对应的云计算资源分配方案为最优云计算资源分配方案，若否，对水波进行传播处理，更新初选集合，记录更新次数；再计算更新后的初选集合中的水波的适应度值，判断更新次数是否小于迭代次数，若是则更新后的适应度值最小的水波所对应的云计算资源分配方案为最优云计算资源分配方案，若否，跳转至判断更新后的最小适应度值是否小于等于预设阈值。因此，采用本发明提供的方法或系统，能够在用户作业要求的前提条件下，提高云计算资源分配效率。
-
公开(公告)号：CN107527333A
公开(公告)日：2017-12-29
申请号：CN201710637673.1
申请日：2017-07-31
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于伽马变换的快速图像增强方法，方法包括：输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的平均值，图像灰度值的众数，图像灰度值的中位数；根据这三个指标值的大小关系，预判断伽马变换中的γ的取值范围，然后利用局部遍历法确定最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值，实现了快速的图像自适应增强，使图像增强算法有更高的效率和更好的图像质量，是一种快速自适应的图像增强方法。
-
公开(公告)号：CN107480724A
公开(公告)日：2017-12-15
申请号：CN201710730191.0
申请日：2017-08-23
Applicant: 湖北工业大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明公开一种聚类中心的确定方法及系统，方法包括：构建包括多个水波的水波群；对水波群中的各水波进行传播处理；分别判断传播处理后的各水波的适应度值是否大于传播处理前的水波的适应度值；若是，则用传播处理后的水波代替水波群中传播处理前的水波；否则更新水波群中传播处理前的水波的波高和波长，且传播处理前的水波的位置保持不变；更新水波群和迭代次数；判断当前的迭代次数是否小于设定的进化代数；若是，则返回继续对更新后的水波群中的各水波进行传播处理；否则筛选出更新后的水波群中适应度值最大的水波作为最优水波。本发明提供的方法及系统，通过传播处理从优化搜索的角度出发，使聚类中心一代又一代地优化，并逼进最优聚类中心。
-
公开(公告)号：CN107358333A
公开(公告)日：2017-11-17
申请号：CN201710371942.4
申请日：2017-05-24
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于熵的多蚁群人车竞争-协作疏散优化方法，主要通过多蚁群优化算法分别模拟人员和车辆的疏散过程，利用蚁群间的通信机制来模拟人员和车辆的竞争和协作，粒子的运动过程模拟疏散个体，包括人员、车辆的混合疏散过程，并且采用基于熵的多蚁群通信机制模拟人员和车辆群体之间的竞争和信息共享，从而能够更好地模拟人车混合疏散过程中的人员群体和车辆群体，以及不同对象之间的交互，有效避免单一蚁群的正反馈机制带来的拥堵现象，更好地体现人车混合疏散过程中不同交通对象的竞争和协作，得到的疏散方案能够同时满足多个目标需求，从而为不同决策者和疏散个体提供合理高效的决策依据和疏散预案。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.042 seconds)
