-
公开(公告)号：CN113378643A
公开(公告)日：2021-09-10
申请号：CN202110525751.5
申请日：2021-05-14
Applicant: 浙江工业大学
Abstract: 一种基于随机变换和小波重构的信号对抗样本检测方法，包括以下步骤：(1)对调制信号数据进行预处理，并设计调制分类模型；(2)根据信号调制分类器设计对抗样本；(3)根据调制分类器模型和降噪方法设计增强分类模型；(4)根据训练集数据的正常样本和其降噪样本获取决策阈值；(5)根据决策阈值对测试样本进行判定：根据增强模型对测试样本与其降噪样本的预测结果的绝对误差值对样本进行判定，若预测结果高于决策阈值判断其为对抗样本，反之为正常样本。本发明能够准确的检测到数据中对抗性的样本，有效降低信号在解调过程中对抗样本带来的风险，加强信号传输过程的安全性。
-
公开(公告)号：CN113361569A
公开(公告)日：2021-09-07
申请号：CN202110550536.0
申请日：2021-05-20
Applicant: 浙江工业大学
Abstract: 一种基于时频融合信息的电磁信号调制类型识别模型的构建方法，包括以下步骤：(1)信号处理：提取电磁信号的I路和Q路信号；(2)分段傅里叶变换处理：对I路和Q路信号分别进行分段傅里叶变换处理，分时间段提取信号的频谱，得到I路和Q路信号的语谱图；(3)信号结合处理：将处理后的I路和Q路信号结合起来，再将原始信号和处理后的信号结合起来；(4)搭建神经网络模型：加入卷积层，最大池化层和全连接层，加入softmax分类器，设置交叉熵为损失函数；(5)训练电磁信号分类模型：结合好的信号通过搭建好的神经网络模型训练出一个电磁信号分类模型，根据分类的准确率来评估模型的性能。本发明提升对电磁信号的分类精度。
-
公开(公告)号：CN113033619A
公开(公告)日：2021-06-25
申请号：CN202110238868.5
申请日：2021-03-04
Applicant: 浙江工业大学
Abstract: 一种基于DVGAE‑GAN的交通路网数据修复方法，根据道路检测器分布构建路网邻接矩阵，获取交通路网数据，利用图变分自编码器(VGAE)提取实际获得的具有缺失路网数据的潜在时空特征，其中图变分自编码器采用降噪自编码器(DAE)架构，即对路网缺失数据进行编码操作，并解码生成原始路网数据。最后将降噪图变分自编码器提取的路网潜在时空特征经过生成对抗网络的对抗训练生成原始路网数据，其中GAN的生成器结构LSTM，因此GAN可以更好的根据时空特征生成完整的原始交通流数据，从而实现道路交通状态数据的修复。本发明有效提高交通路网状态数据修复的精度。
-
公开(公告)号：CN109635843B
公开(公告)日：2021-06-18
申请号：CN201811351263.1
申请日：2018-11-14
Applicant: 浙江工业大学
Abstract: 一种基于多视角图像的三维物体模型分类方法，包括以下步骤：1)基于冯氏光照反射模型对三维物体点云格式的数据进行渲染，得到三维物体多视角图像；2)随机选择每一个类别内的多个三维物体实例，将其对应的经过S1所得的图像进行复制，扩充该对应类别数据量，得到数据分布平衡的训练数据集；3)从训练数据集中随机选择连续视角图像，将其输入经过预训练的三维卷积神经网络进行目标数据集的训练；4)调整三维卷积神经网络卷积核大小，使得模型具有更好的分类效果。本发明采用三维卷积神经网络算法对物体多视角图像进行特征学习，在只有物体连续视角的情况下有效的学习每类物体的泛化特征，获得的特征有更好的判别性，且具有更好的分类精度。
-
公开(公告)号：CN112766360A
公开(公告)日：2021-05-07
申请号：CN202110053327.5
申请日：2021-01-15
Applicant: 浙江工业大学
Abstract: 一种基于时序二维化和宽度学习的时间序列分类方法，包括以下步骤：1)对输入数据进行归一化处理，得到X；2)利用四个子宽度学习系统和宽度学习对X进行特征提取,得到深度级联式宽度学习系统的输入U；3)深度级联式宽度学习系统对输入数据U进行分类。本发明将宽度学习和时序二维化相结合，提出了一种特征提取方式，不仅能充分地提取出时间序列的特征，而且能够起到降维的效果，提取出更适合深度级联式宽度学习系统的数据。特征提取完成后再利用深度级联式宽度学习系统进行分类，能够显著地减少时间成本和计算成本。本发明还提供一种基于时序二维化和宽度学习的时间序列分类的系统。
-
Patent Agency Ranking
公开(公告)号：CN110070713B
公开(公告)日：2021-01-01
申请号：CN201910298059.6
申请日：2019-04-15
Applicant: 浙江工业大学
Abstract: 一种基于双向嵌套LSTM神经网络的交通流预测方法，该方法基于道路交通流相关性矩阵获取预测路段及K个最相关路段的交通流数据，构建道路交通流时空矩阵数据集并进行数据序列化处理；然后构建双向嵌套LSTM神经网络预测模型，定义预测模型损失函数，结合训练集数据，完成模型训练；最后以测试集数据作为训练后模型的输入，实现测试集交通流状态的实时预测并定义模型评价标准，进行误差分析。本发明通过改善LSTM单元时间层级效应和考虑未来、历史交通流状态与现有状态的联系，提高了道路交通流数据的时间特征提取能力，从而提高了道路交通流的预测精度。
-
公开(公告)号：CN110288824B
公开(公告)日：2020-12-01
申请号：CN201910416601.3
申请日：2019-05-20
Applicant: 浙江工业大学
IPC: G08G1/01
Abstract: 一种基于Granger causality路网早晚高峰拥堵状况和传播机制分析方法，包括以下步骤：1)建立交叉口交通状态时间序列：采用对偶法对道路交叉口建模，以路段为节点，将交叉口抽象为节点之间的边；对交通状态数据进行预处理，整理出有向交叉口全天饱和度时间序列，在早晚高峰时段中选取拥堵时刻并以此向前选取设定长度的交通状态时间序列；2)基于Granger causality构建路网拥堵传播关系网络；3)基于节点平均出度和入度寻找关键节点；引入动力学传播模型，对路网拥堵传播过程进行拟合，构建道路交通拥堵传播机制。本发明方法简单，利于软件实现，结果可以应用到交通状态分析、交通诱导及控制系统中。
-
公开(公告)号：CN108510741B
公开(公告)日：2020-10-30
申请号：CN201810510008.0
申请日：2018-05-24
Applicant: 浙江工业大学
Abstract: 一种基于Conv1D‑LSTM神经网络结构的交通流预测方法，包括以下步骤：1)对道路交通流数据进行预处理并构建道路交通流状态矩阵数据集；2)获取同一时刻内不同路段的交通流状态，提取交通流数据的空间特征；3)基于包含空间特征的交通流数据提取数据时间特征：将一维卷积网络输出的交通流空间特征作为LSTM神经网络输入，进一步提取道路交通流数据中时间特征；4)将道路交通流时空特征作为回归预测层输入，计算当前输入对应的预测结果；定义模型损失函数，根据损失函数数值利用反向传播算法不断优化模型参数；获取实时交通流数据作为模型输入，实现实时道路交通流的预测。本发明提高了交通流短期预测的准确性。
-
公开(公告)号：CN108896914B
公开(公告)日：2020-08-04
申请号：CN201810445799.3
申请日：2018-05-11
Applicant: 浙江工业大学
IPC: G01R31/367 , G01R31/392
Abstract: 一种锂电池健康状况的梯度提升树建模与预测方法，包括以下步骤：1)监测锂电池充电和放电过程并提取特征：在锂电池的充电和放电过程中，通过传感器监测并记录电池的参数数据，并从数据中提取特征；2)对提取到的特征进行选择：采用GBT模型进行预训练，得到特征在建立模型过程中的特征重要性，根据特征重要性对特征进行排序并选择排名靠前的特征；3)建立梯度提升树模型进行训练并评估：利用经过选择的特征建立梯度提升树模型并进行训练，采用五折交叉验证和网格搜索方法对模型的超参数进行选择和调优，最后对模型的预测性能进行评估。本发明从锂电池充电与放电过程中提取相关特征，实现对SoH的准确预测。
-
公开(公告)号：CN108639042B
公开(公告)日：2020-04-28
申请号：CN201810390563.4
申请日：2018-04-26
Applicant: 浙江工业大学
Abstract: 针对现有的扭矩信号频谱分解法根据扭矩变化率阈值对扭矩进行分解，方法简单，但难以满足通带平坦度、阻带衰减、过度带宽度及线性相位等性能指标要求。本发明公开了一种并联式混动汽车混合模式扭矩信号分解及扭矩分配方法，设计线性相位数字低通滤波器，将扭矩信号分解为低频分量和高频分量，低频分量由慢速响应的发动机提供，而高频分量由快速响应的电动机提供。在此基础上给出一种扭矩信号分配策略，该策略根据车速和档位确定发动机扭矩，然后确写电机扭矩，并确保发动机工作在高效工作区，从而达到节能减排的目的。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.027 seconds)
