-
公开(公告)号：CN111756353B
公开(公告)日：2024-04-16
申请号：CN202010535826.3
申请日：2020-06-12
Applicant: 杭州电子科技大学
IPC: H03H17/02 , G01F23/296
Abstract: 本发明涉及一种基于非线性融合滤波的液位仪噪声优化方法。本发明构建一个由线性卡尔曼模型和非线性无迹卡尔曼模型叠加的混合非线性系统融合模型。通过卡尔曼滤波器对线性部分估计得到最优估计和无迹卡尔曼滤波器对非线性部分进行估计，将原非线性滤波问题转化为一个多模型优化滤波估计问题。利用残差的似然函数确定两个滤波器的权重，将融合后的状态估计值和估计误差协方差进行迭代，对声波传感器液位仪模型在测量液面过程中的噪声进行滤波优化，提高了液位仪测量液位的精度。
-
公开(公告)号：CN112507966B
公开(公告)日：2024-03-01
申请号：CN202011537807.0
申请日：2020-12-23
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/56 , G06V10/77 , G06V10/764
Abstract: 本发明公开了一种基于四元数非凸罚稀疏主成分分析的彩色人脸识别方法，属于模式识别和人工智能领域。本发明方法首先利用四元数对彩色图像的红、绿、蓝三通道进行编码，构造四元数矩阵的复表示形式，然后计算四元数协方差矩阵并对其特征分解得到主成分向量，再引入非凸罚L1/2范数作为稀疏约束项得到一种新的四元数非凸罚稀疏主成分分析（QHSPCA）优化模型，采用坐标下降法和不动点迭代法求解该模型的稀疏解，最后用最近邻分类器实现人脸识别。在Georgia Tech人脸数据库上的实验表明，本发明提出的QHSPCA方法具有较好的识别性能，计算效率也有所提高。
-
公开(公告)号：CN112001339B
公开(公告)日：2024-02-23
申请号：CN202010879084.6
申请日：2020-08-27
Applicant: 杭州电子科技大学
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06V10/762 , G06T7/60 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于YOLO v4的行人社交距离实时监测方法。本发明包括：收集整理数据集，网络模型训练，视频图像输入，目标行人预测，根据检测结果遍历目标，计算目标距离和阈值并对其分类，输出分类结果。本发明主要采用了YOLO v4的网络模型，经过参数调整，在VOC2007的验证集下对行人目标的AP达到了87.54%，识别精度较高。本发明的分类阈值根据目标尺度动态变化，实现了多尺度下的行人目标距离度量。
-
公开(公告)号：CN112489075B
公开(公告)日：2024-02-06
申请号：CN202011396814.3
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征函数的序惯式多传感器融合滤波方法，本发明通过对多个传感器采用序惯式的设计方式，将上一时刻到达融合中心的传感器的状态估计值，作为下一时刻到达融合中心的传感器的状态预测值，对传来的信息，来一组数据就处理一组数据，先到先融合，并充分考虑到信息的丢包现象，时间成本较低。通过序惯式融合方式，可以在很大程度减少因丢包现象而导致的滤波估计误差，序惯式设计考虑到了信息的实时更新和继承的特性，能够得到较高的估计精度，能在非线性系统甚至强非线性系统中得到很好的应用。
-
公开(公告)号：CN110110475B
公开(公告)日：2023-08-22
申请号：CN201910419234.2
申请日：2019-05-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于在线学习渐消因子的扩展卡尔曼滤波方法。本发明先引用了强跟踪中渐消因子的思想，通过对渐消因子进行一定量的遍历算法，达到更新状态预测误差协方差的效果。进而在线调节增益阵，用以获取不同的状态估计值，将更新后的状态估计值代替当前时刻的状态预测值，并得到更新后的观测预测值，将更新后的观测预测值与观测值进行对比，得到残差信息，对所有的残差信息取绝对值，并将绝对值化后的最小残差所对应的渐消因子提取，以该渐消因子为中心，继续进行下一级的遍历，直到三级遍历结束后返回最终所得到的渐消因子，并将该渐消因子对应的滤波估计值作为当前时刻的滤波估计值。本发明方法相比于强跟踪滤波而言，有着更好的滤波精度，且能在线更新，具有一定的实用性。
-
Patent Agency Ranking
公开(公告)号：CN111832818B
公开(公告)日：2023-07-21
申请号：CN202010646083.7
申请日：2020-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于相关性分析的LSTM网络发电多步预测方法。本发明首先通过R/S分析法计算各变量的赫斯特指数，剔除本身不具有相关性的变量；然后利用灰色关联法计算各变量与发电量的关联度，进一步剔除出与光伏发电量关联度小的变量，选择关联度大的变量来进行训练；最后，利用W.Pedrycz的粒化方法对训练变量进行预处理，构建改进的长短时记忆LSTM网络对光伏发电量进行多步预测。通过分析利用筛选前、后变量进行光伏发电量多步预测仿真图和均方误差，证明了本发明提出的相关性分析方法和构建改进的LSTM网络的有效性，对解决具有相关性变量的多步预测问题具有很重要的意义。
-
公开(公告)号：CN111160650B
公开(公告)日：2022-08-09
申请号：CN201911401878.5
申请日：2019-12-31
Applicant: 杭州电子科技大学 , 国网湖北省电力有限公司
Abstract: 本发明公开了一种基于Adaboost算法的交通流特性分析与预测方法。本发明提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索，以解决神经网络易陷入局部最优的问题；并用Adaboost算法对优化过的神经网络集成，以解决神经网络对新样本集的泛化性能差问题，再此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布，使每个预测器最大程度提高网络预测精度。本发明可提高交通流预测精度对不同的交通流状态具有较好的适应性。
-
公开(公告)号：CN113887586A
公开(公告)日：2022-01-04
申请号：CN202111089878.3
申请日：2021-09-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种小样本下基于特征融合的FFCNN‑SVM迁移学习故障诊断方法。本发明中通过迁移学习中模型迁移的方法，将源域中成熟模型迁移至目标域中，构成目标域的初步模型。之后利用卷积层能够提取图片特征的特性，在初步模型上增加卷积层，之后利用目标域所提供的少量稀缺样本数据训练这个初步模型，待拟合后构成目标域浅层模型。之后利用SVM来替代CNN的全连接层，起到分类的效果。通过轴承故障数据集，能够很好的验证该方法的故障诊断新能。通过实验结果表明，本专利所提出的方法与其他迁移学习方法相比具有较好的故障诊断效果。
-
公开(公告)号：CN113869362A
公开(公告)日：2021-12-31
申请号：CN202110974815.X
申请日：2021-08-24
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于分数阶傅里叶变换的特征提取SVM故障诊断方法。本发明中分数阶傅里叶变换的计算过程是通过对系统的输入值在不同阶次的分数阶傅里叶域呈现出不同能量聚集性的特点，通过选择合适的阶次和分数阶域聚集位置，在分数阶域上滤波分离出特征分量，作为系统输入，求解其对应的系统输出值。依次求取各个输入变量通过分数阶傅里叶变化得到的特征值，将其用作SVM输入数据的特征值来进行故障诊断。本发明通过西储大学提供的轴承故障数据集的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN113837250A
公开(公告)日：2021-12-24
申请号：CN202111051156.9
申请日：2021-09-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了涉及一种基于余弦相似性计算度量与迁移学习的医学图像分类方法。本发明源域设备中有一种病症的不同时期的已知医学数据集图像分组与目标域的少量已知不同于源域的病症数据集图像奇异值分解和加权叠加后进行余弦相似性计算度量，根据相似性度量得到出的结果，将与目标域中已知图像样本距离最近的其对应时期的源域数据集组所对应的网络结构与权重参数迁移至目标域。使用目标域的一部分已知图像样本训练更新迁移的网络，用另一部分微调网络，再用剩下的未标注图像样本数据对迁移来的神经网络进行测试分类效果。本发明以相似性度量的结果为依据，可以对可迁移性进行评估，从而找到可迁移性更大的网络模型，使得目标域的分类效果更好。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.029 seconds)
