-
公开(公告)号：CN119886731A
公开(公告)日：2025-04-25
申请号：CN202510216485.6
申请日：2025-02-26
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q50/04 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习算法的柔性作业车间调度方法，具体涉及性作业车间调度领域，包括一其步骤包括：S1：构建作业集和作业集生产加工总时间模型；S2：设定相应的约束条件，构建柔性作业车间调度模型；S3：根据作业集信息和车间资源相关信息，将作业集和机器信息分别用析取图和超图表示分别作为输出带入图同构网络(GIN)和超图卷积网络(HGCN)中完成信息的提取；S4：采用近端优化策略实现决策；对所述柔性作业车间调度模型进行求解，得到生产加工方案；S5：训练深度强化学习方法的网络模型，得到最优动作网络模型按照得到的生产加工方案对作业集进行生产加工；获得耗时最短的最优生产加工方案，提高作业集的生产加工效率。
-
公开(公告)号：CN114298439B
公开(公告)日：2025-04-25
申请号：CN202210005353.5
申请日：2022-01-05
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/04 , G06N3/126
Abstract: 本发明公开了一种基于质量感知的多目标云制造服务组合优化方法，其步骤包括：1构建云制造服务组合优化模型；2设定算法参数；3采用镜像策略生成初始种群；4选择父代个体；5使用交叉、变异操作产生子代个体；6更新归档种群；7概率更新；8判断是否满足终止条件，满足则结束，否则转到步骤4。本发明从时间、成本、可靠性、可用性和信誉度五个维度同时优化，能为汽车厂商选择最佳的零部件供应商，从而能为汽车厂商节省时间、成本，增加产品的可靠性和可用性，也能为产品提供较好的口碑，提高用户的满意度。
-
公开(公告)号：CN119831291A
公开(公告)日：2025-04-15
申请号：CN202510083085.2
申请日：2025-01-20
Applicant: 安徽大学
IPC: G06Q10/0631 , G06N3/006 , G06Q50/04
Abstract: 本发明公开了一种基于历史信息蚁群算法的混合流水车间调度方法，包括：1构建玻璃工件加工的总时间与能耗模型；2设定相应的约束条件，构建双目标混合流水车间调度模型；3根据玻璃工件和机器相关信息，并使用历史信息蚁群算法对所述双目标混合流水车间调度模型进行求解，得到生产加工方案，从而对玻璃工件进行生产加工。本发明能获得耗时与能耗相结合的最优生产加工方案，从而能提高玻璃工件的生产加工效率。
-
公开(公告)号：CN119828735A
公开(公告)日：2025-04-15
申请号：CN202510040968.5
申请日：2025-01-10
Applicant: 安徽大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于联合优化的无人机轨迹规划与任务卸载决策方法，包括：1在一个集中式飞行无人机和一组分布式无人机组成的双层无人机协作通信网络框架下，优化飞行无人机轨迹与移动设备任务的卸载决策；2利用基于Wolf‑PHC的方法和基于博弈论的方式获得移动设备任务的卸载决策和分派决策；3基于所得到的卸载决策和分派决策，应用DDPG算法解决飞行无人机的轨迹优化问题。本发明能够有效解决在移动设备和无人机电量都有限的场景下计算资源有限和任务执行时间过长的问题，通过无人机之间的协作和轨迹优化，找到一种最佳卸载策略，从而实现降低任务完成总延迟。
-
公开(公告)号：CN118967527B
公开(公告)日：2025-01-24
申请号：CN202411443444.2
申请日：2024-10-16
Applicant: 安徽大学
IPC: G06T5/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种物理模型引导和曼巴结合的云去除方法，所述方法包括以下步骤：构建光学遥感云去除数据集；基于物理模型引导的云分布显著图区域划分；基于曼巴的云去除模型构建与模型参数训练；获取待处理有云光学遥感影像数据；云去除性能验证。与现有技术相比，利用显著图计算辅助分析云覆盖遥感影像受云雾干扰的程度，引导云去除模型进行针对性的参数调整，以增强模型在特定区域对信息恢复的敏感性。同时基于具有高效全局特征提取能力的曼巴状态空间模型构建云去除模型，实现薄云和厚云区域缺失信息的恢复。在薄云和厚云共存情况下，保证云去除结果在薄云区域不过度校正，厚云区域得到充分填充与优化。
-
Patent Agency Ranking
公开(公告)号：CN118864865B
公开(公告)日：2024-11-29
申请号：CN202411345013.2
申请日：2024-09-25
Applicant: 安徽大学
IPC: G06V10/26 , G06V20/10 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明涉及一种基于对比学习和多模态融合的遥感影像水体分割方法，与现有技术相比，解决了现有的方法在处理遥感影像水体分割问题时，分割性能严重依赖训练样本的数量及质量和忽视了不同模态之间的互补信息，从而导致分割结果的精度和鲁棒性不足的问题。本发明包括以下步骤：获取多模态的遥感影像数据集、构建基于对比学习和多模态融合的遥感影像水体分割模型、基于对比学习和多模态融合的遥感影像水体分割模型训练、水体分割结果获取。本发明充分利用了遥感影像中的多模态信息，通过对比学习提取各模态间的互补和对比特性，进一步通过多模态融合策略整合各模态信息，从而在规则化和优化水体分割的解空间，保证分割结果的精度和鲁棒性。
-
公开(公告)号：CN118840763A
公开(公告)日：2024-10-25
申请号：CN202410805921.9
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于轨迹预测条件扩散模型的无监督骨架视频异常检测方法，包括：1获取人体骨架数据集并进行预处理，2建立通道注意力网络模型、轨迹预测网络模型和条件扩散模型，3训练建立的网络模型架构，4利用建立好的模型实现预测。本发明能改进扩散模型的输入条件，从而能提高异常检测准确率。
-
公开(公告)号：CN117474801B
公开(公告)日：2024-05-07
申请号：CN202311425998.5
申请日：2023-10-30
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种融合时空频信息的非均匀遥感视频影像去雾方法，所述方法包括以下步骤：获取合成有雾遥感视频影像数据集；构建融合时域、空域和频域信息的非均匀遥感视频影像去雾模型；非均匀遥感视频影像去雾模型训练；待去雾真实遥感视频影像数据获取；待去雾真实遥感视频影像去雾结果的获取。与现有技术相比，通过构建帧间三维卷积时空特征聚合模块，能够有效利用遥感视频影像数据连续帧间的相似信息，挖掘时空特征，提高图像恢复的质量，同时本发明结合频域分析的方法进行帧内去雾，充分考虑影像低频信息和高频信息的差异，均衡影像全局亮度、对比度、颜色信息和恢复局部细节纹理。
-
公开(公告)号：CN117893827A
公开(公告)日：2024-04-16
申请号：CN202410083823.9
申请日：2024-01-19
Applicant: 安徽大学
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0455 , G06N3/084 , G06N3/09 , G06N3/0475 , G06V10/82
Abstract: 本发明涉及一种基于模态注意力的循环生成学习的高光谱和激光雷达分类方法，与现有技术相比解决了监督学习模型的分类性能严重依赖训练样本的数量及质量和多模态数据融合不充分的问题。本发明包括以下步骤：高光谱和激光雷达数据的特征提取；模态注意力的循环生成学习；多尺度决策级融合分类。本发明基于高光谱数据可以表征物体的光谱和空间特征，但是，很难区分相似光谱特征但高程信息不同的物体和激光雷达数据具有三维信息和高度信息的特点，提出用三支路提取数据特征，利用循环生成网络学习无标签数据的特征，并采用模态注意力浅层融合和多尺度决策级深层融合多模态特征进入分割网络，有效地解决了多模态数据融合分类问题，提高了分割的准确性和效率。
-
公开(公告)号：CN117689072A
公开(公告)日：2024-03-12
申请号：CN202311711511.X
申请日：2023-12-13
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q10/047 , G06Q10/0631 , G06Q10/083 , G06Q10/0835
Abstract: 本发明公开了一种考虑三维装载约束的卡车无人机协同配送的规划方法，包括：1基于配送场景构建以最小化配送时间和车辆的使用数量为目标的目标函数；2构建路径约束；3构建配送时间的计算相关的约束；4构建三维装载的约束；5利用gurobi求解器对配送模型进行求解，得到最终配送方案。本发明通过构建更加全面的卡车无人机协同配送模型，有效整合三维装载与路径规划，并生成最优协同配送方案，从而大幅提高配送的合理性和效率，更贴近现实中装箱和配送不可分割的情况，弥补了现有协同配送方案的不足。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.028 seconds)
