-
公开(公告)号：CN111680934A
公开(公告)日：2020-09-18
申请号：CN202010614975.9
申请日：2020-06-30
Applicant: 西安电子科技大学
IPC: G06Q10/06
Abstract: 本发明提出了一种基于群体熵和Q学习的无人机任务分配方法，实现步骤为：初始化参数；根据无人机和任务的位置信息获取每个无人机的邻居无人机集合；确定敏感无人机和非敏感无人机；初始化细胞自动机自演化算法参数；获取演化结果，并采用群体熵去衡量每一轮演化的结果；从中选取最优的群体熵信息并根据该信息初始化Q学习中每个无人机的Q表；然后初始化Q学习参数无人机进行Q学习，最后获取无人机任务分配结果。本发明采用群体熵作先验值的方法加速Q学习收敛，并在Q学习过程中充分考虑了全局信息和局部信息，提高算法的学习效率，在保证无人机任务分配结果可靠性的基础上，提升无人机任务分配的收敛速度。
-
公开(公告)号：CN110164151A
公开(公告)日：2019-08-23
申请号：CN201910545162.6
申请日：2019-06-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分布式深度循环Q网络的交通灯控制方法，主要解决现有技术难以实现多路口之间协作及对多路口建模出现状态空间过大的问题。其实现方案是：1)读取城市交通路网信息，建立各个路口的车辆交通状态集合，并采用协作图的方法将读取的城市交通路网信息转换为邻接矩阵进行存储；2)根据路网中的车辆等待时间和车辆到达目的地数量，设置通用的性能评价指标；3)从各个路口车辆交通状态集合中获取各个路口各时刻的状态集、动作集和动作奖励值；4)建立分布式深度循环Q网络交通灯控制模型，根据该模型对城市路网交通灯进行控制。本发明能实现各路口之间的协作，避免了状态空间爆炸问题，可用于城市交通管理，减少城市交通拥堵。
-
Patent Agency Ranking
公开(公告)号：CN105930859B
公开(公告)日：2019-04-23
申请号：CN201610224973.2
申请日：2016-04-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于线性流形聚类的雷达信号分选方法，主要解决现有方法在存在干扰点、离群点分选精度低，算法不稳定的问题。其实现步骤是：首先将时域中的样本点通过重排频谱转换到时频域，计算时频域中每个样本点的局部密度和特征属性,并由局部密度和特征属性判断出为交叠点的样本点；然后计算每一个样本点与交叠点的向量，并用每个样本点平行度最高的两个向量的平均值作为该样本点的样本向量；最后求得两两样本点的样本向量的角度值，构造角度相似性矩阵，对该相似性矩阵进行谱聚类得到分选结果。本发明分选聚类精度高，有效克服了干扰点和离群点对聚类效果产生的影响，可应用于雷达目标信号识别。
-
公开(公告)号：CN104881736B
公开(公告)日：2018-11-30
申请号：CN201510249821.3
申请日：2015-05-15
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进角色的多Agent工作流访问控制方法，主要解决工作流的访问权限控制问题。其实现步骤是：1)构建以用户‑角色‑任务‑权限的四层结构模式，设计不同类型的Agent，Agent之间交互协作，完成工作流执行角色；2)在工作流系统平台上配置四层结构模式，其配置包括：身份认证、组织树角色管理、任务执行管理和角色‑任务‑权限管理；3)根据四层结构模式进行工作流的访问控制。本发明由于在角色和权限之间添加了任务，角色只有在执行任务时才能拥有权限，实现了工作流系统中最小权限分配，提高了工作流系统的动态适应性。
-
公开(公告)号：CN104850890B
公开(公告)日：2017-09-26
申请号：CN201510175608.2
申请日：2015-04-14
Applicant: 西安电子科技大学
IPC: G06N3/02
Abstract: 本发明公开了一种基于实例学习和Sadowsky分布的卷积神经网络参数调整方法，主要是在利用卷积神经网络训练分类模型的基础上，将特例样本的进一步分类问题归结为基于Sadowsky分布的感知问题，并从理论上证明了感知特征向量中存在Sadowsky分布；通过构造实例集合、Sadowsky分布搜索算法和满足Sadowsky分布的权值映射算法，来训练新的实例卷积神经网络；在分类决策时，两个卷积神经网络共同作用于样本，取概率最大值对应的标签作为分类的结果。本发明的方法能够在保证具有公共特征的样本分类正确的基础上，进一步提高特例样本的分类精度。
-
公开(公告)号：CN104680178A
公开(公告)日：2015-06-03
申请号：CN201510100218.9
申请日：2015-03-06
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于迁移学习多吸引子细胞自动机的图像分类方法，主要解决现有基于迁移的图像分类方法无法避免空盆出现，计算源域样本和目标域样本相似性不准确，源域样本到目标域的迁移效果差，分类准确性低的问题。其步骤是：(1)图像数据预处理；(2)训练源域空间中的多吸引子细胞自动机MACA树；(3)划分目标域训练集；(4)构造局部模式空间训练集；(5)训练局部模式空间中的多吸引子细胞自动机MACA树；(6)生成目标域多吸引子细胞自动机MACA树。本发明具有泛化能力强，分类准确性高的优点，有效克服了现有图像分类方法无法避免空盆出现和迁移效果差的问题。
-
公开(公告)号：CN101581940B
公开(公告)日：2011-04-27
申请号：CN200910022869.5
申请日：2009-06-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成学习时间序列预测的隧道事件检测方法，主要解决同类方法不能对传感器值精确预测达到有效控制隧道通风的问题。其检测步骤为：对采集的公路隧道数据进行预处理，形成训练数据集；根据训练数据集训练出多个基预测器，由基预测器加权组合形成强预测器；根据当前t时刻隧道传感器的值，利用强预测器计算t+1时刻隧道烟雾浓度预测值，并根据预测误差动态调整参与集成的基预测器；将t+1时刻的隧道烟雾浓度预测值与烟雾浓度阈值比较，判断烟雾浓度是否为超标事件；对于超标事件，计算通风控制器的控制参数，降低烟雾浓度。本发明具有预测功能强、控制通风控制器精度高的优点，用于高速公路隧道的运营监控及节能减排方面。
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
