-
公开(公告)号：CN109858132A
公开(公告)日：2019-06-07
申请号：CN201910067670.8
申请日：2019-01-24
Applicant: 北京工商大学
Abstract: 本发明提出一种基于突变理论和改进布谷鸟算法的蓝藻水华暴发预警方法，属于水环境预测预警技术领域。所述方法包括对蓝藻生长非线性动力学进行建模；利用改进后布谷鸟算法和龙格库塔法对蓝藻生长非线性动力学模型中的参数进行寻优率定；将蓝藻生长非线性动力学模型转换为尖点突变理论模型；根据尖点突变理论模型的分歧集确定水华暴发临界点；最后对蓝藻水华暴发做出判断，进行预警。本发明采用数值方法与智能算法相结合的方法，并在智能算法的迭代寻优上做出了部分改进，加快寻优收敛速度，使参数不是简单的各向同性随机游走，使蓝藻生长非线性动力学模型更具有普适性和实用性，可及时预测水华暴发，为决策部门制定水华的防治对策提供依据。
-
公开(公告)号：CN109493950A
公开(公告)日：2019-03-19
申请号：CN201811267732.1
申请日：2018-10-29
Applicant: 北京工商大学 , 北京四海耕耘科技有限公司
Abstract: 本发明公开了一种综合多属性主客观信息的人体面部皮肤状态区间预测方法，属于皮肤医学与信息科学交叉融合的工程技术领域。本发明针对粗糙度、纹理度、色泽度、弹性、水分含量共五个皮肤状态属性，结合实测数据特点划分属性区间，以客观反映人体面部皮肤状态变化为上升、保持还是下降，为单项属性的预测奠定基础；而后通过优序图法和熵权法进行主客观权重信息的融合，结合基于灰色模型GM(1,N)的单属性预测，实现对皮肤状态变化趋势的综合区间预测，以便从综合的角度分析皮肤状态演化趋势。本发明可兼顾综合性区间预测及单属性区间预测，辅助决策人员快速发现对影响皮肤状态提升的关键属性，以便后续有针对性地采取养护措施。
-
公开(公告)号：CN106231609A
公开(公告)日：2016-12-14
申请号：CN201610842788.X
申请日：2016-09-22
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于重点目标区域的水下传感器网络优化部署方法，包括水域监测模型的建立和水下传感器网络的优化部署两个基本步骤。步骤一，利用主成份分析方法，建立重点水域监测模型；步骤二，利用加权因子调整的粒子群算法实现对整个网络的优化部署。本发明通过建立重点水域的监测模型，进而实现对整个网络的优化部署，可灵活有效的解决复杂水域的水质监测问题。
-
公开(公告)号：CN105427299A
公开(公告)日：2016-03-23
申请号：CN201510778477.7
申请日：2015-11-13
Applicant: 北京工商大学
IPC: G06T7/00
CPC classification number: G06T2207/10148
Abstract: 本发明提出了一种基于畸变校正的像机焦距求解方法，包括图像畸变线性模型的建立和像机焦距的求解两个基本步骤。步骤一，首先建立像机成像模型，进一步通过公式推导，求解畸变前后像点间的关系式，进而建立图像畸变线性模型；步骤二，首先建立像机标定层次化模型，进而求取像机最优焦距。本发明通过建立图像畸变线性模型，进而层次化的求解像机焦距，可灵活有效的解决像机自标定过程中同时求解像机内部参数和畸变系数的问题。
-
公开(公告)号：CN104899653A
公开(公告)日：2015-09-09
申请号：CN201510294300.X
申请日：2015-06-02
Applicant: 北京工商大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于专家系统及蓝藻生长机理时序模型的湖库蓝藻水华预测方法，属于水环境预测技术领域。所述预测方法包括关键影响因子确定、阈值确定、基于关键环境因子的专家系统建模预测、基于关键水质因子的机理时序建模预测和综合预测。本发明提出基于影响湖库蓝藻水华形成的环境因子，采用专家系统方法对湖库蓝藻水华形成过程进行建模预测，通过构建自适应神经模糊推理专家系统模型，实现根据未来时刻环境因子的变化预测蓝藻水华形成过程的变化，使水华建模预测的结果更加准确。本发明对水华形成过程的描述更符合实际，使水华建模预测的结果更加准确，提高了蓝藻水华建模预测方法的适应性。
-
Patent Agency Ranking
公开(公告)号：CN103116756A
公开(公告)日：2013-05-22
申请号：CN201310025617.4
申请日：2013-01-23
Applicant: 北京工商大学
Abstract: 本发明提出一种人脸检测与跟踪方法及装置，其中该方法包括：输入人脸图像或视频；对所述人脸图像或视频进行光照预处理；利用AdaBoost算法进行人脸检测，确定人脸初始位置；以及利用MeanShift算法进行人脸跟踪。本发明的方法及装置，在图像预处理阶段，本发明提出自适应局部对比度增强方法来增强图像细节信息；在人脸检测阶段，采用AdaBoost算法，为了提高在不同光照下算法的鲁棒性，在训练样本中增加不同光照的人脸正样本，提高人脸检测的准确性；在人脸跟踪阶段，采用MeanShift跟踪算法，为了克服该算法使用颜色特征的单一性，融合梯度特征和局部二值模式LBP纹理特征，其中LBP纹理特征还考虑了利用LBP局部方差表示图像对比度信息的变化，提高了人脸检测和跟踪的准确性。
-
公开(公告)号：CN103106265A
公开(公告)日：2013-05-15
申请号：CN201310037741.2
申请日：2013-01-30
Applicant: 北京工商大学
Abstract: 本发明提出一种相似图像分类方法及系统。其中，方法包括以下步骤：输入待识别图像并获取待识别图像的形状特征、梯度特征、颜色特征和纹理特征；将图像库中的训练样本分割生成多个不同尺寸的局部区域图像，并进行尺度变换，获得图像模板集，图像模板集中包括多个图像模板；分析图像模板集中的图像模板，并获得图像模板的形状特征、梯度特征、颜色特征和纹理特征；将待识别图像与图像模板集图像的对应特征进行匹配，并进行处理，获得待识别图像的图像细节信息；通过图像表示数据并利用Bagging分类器得到待识别图像的类别。根据本发明实施例的方法，通过对输入图像进行形状特征、梯度特征、颜色特征和纹理特征的提取和匹配，实现了相似图像的正确分类。
-
公开(公告)号：CN119541701A
公开(公告)日：2025-02-28
申请号：CN202411595825.2
申请日：2024-11-11
Applicant: 北京工商大学
IPC: G16C20/70 , G16C20/20 , G06F18/213 , G06F18/22 , G06F18/2321 , G06N3/045 , G06N3/08 , G06N5/04 , G06Q30/018 , G06Q50/26
Abstract: 本发明涉及食品安全技术领域，特别涉及一种基于小样本学习的针对类别不平衡数据的食品安全风险评估方法。本发明首先获取主要危害物含量安全限值区间，分析粮油食品安全与主要危害物之间的映射关系，提出SWARA‑CRITIC法计算主客观权重，并通过博弈论组合权重计算主要危害物的综合权重；其次研究粮油食品风险评估等级划分方法，通过高斯混合聚类算法进行风险等级客观的划分；最后再以基于余弦注意力机制的原型网络算法对不平衡数据集进行有效特征提取，该方法设计了一种基于余弦相似度的新注意力机制，相比原型网络替代了传统的缩放点积注意力机制。这种新机制更关注支持集和查询集中具有相同特征的样本，从而建立更稳定有效的联系，保证在不丢失关键信息的前提下实现高精度风险评估。本发明基于小样本学习的方法，提供了一种新型的食品安全风险评估技术。
-
公开(公告)号：CN119129367A
公开(公告)日：2024-12-13
申请号：CN202410950512.8
申请日：2024-07-16
Applicant: 国家电网有限公司华中分部 , 北京工商大学
IPC: G06F30/27 , G06F30/30 , G06N3/0442 , G06N3/092 , G06Q50/06 , H02J3/00 , G06F113/04
Abstract: 本发明公开了一种基于改进深度强化学习的电力负荷模型参数辨识方法，属于电力负荷辨识技术领域。本发明方法基于计及配电网阻抗和无功补偿的完整综合负荷模型，确定待辨识的电力负荷参数；然后基于优先经验回放的双向门控循环单元深度确定性策略梯度算法设计电力负荷参数辨识模型；采集电路数据进行模型训练，用训练好的模型进行参数辨识。本发明在已有电力系统机理模型与数据驱动模型的基础上，通过改进深度强化学习模型对负荷模型参数进行辨识，经验证，本发明方法能实现准确辨识电力系统负荷模型参数，能提高电力系统负荷模型的拟合精度，有助于优化电网的运行策略，降低运营成本。
-
公开(公告)号：CN118735752A
公开(公告)日：2024-10-01
申请号：CN202410867633.6
申请日：2024-06-28
Applicant: 北京工商大学
IPC: G06Q50/26 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096 , G06V10/40 , G06F18/213 , G06T11/00 , G06V10/764 , G06N3/045
Abstract: 本发明公开了一种大气‑水质多模态信息的水体遥感图像扩充及富营养化预测方法，属于遥感监测领域。本发明方法获取目标水域的遥感图像时序、大气污染物图像时序及目标水域语义图，构建迁移学习‑多通道注意力级联语义选择网络模型，对缺失的水质遥感图像进行扩充，构建交叉注意力卷积长短期记忆生成对抗网络模型，使用扩充后的水质遥感图像序列进行未来时刻目标水域遥感图像预测，评估水体富营养化等级。本发明解决了原始水质遥感图像数据缺失无法直接用于预测建模和传统水质遥感图像扩充及预测均未考虑大气污染物因素的问题，补充了缺失的遥感图像，图像生成效果优，考虑了大气污染物的影响来实现水体富营养化预测，预测更加准确。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.027 seconds)
