-
公开(公告)号：CN112306642A
公开(公告)日：2021-02-02
申请号：CN202011329163.6
申请日：2020-11-24
Applicant: 安徽大学
IPC: G06F9/455
Abstract: 本发明提供了一种基于稳定匹配博弈理论的工作流调度方法，包括以下步骤：步骤A：输入工作流的DAG图，虚拟机池V＝{VM0,VM1,…,VMm‑1}，以及CCR数值；步骤B：计算每个任务的rank值，选择每一层中具有最大rank值的任务加入关键路径任务集合CP；步骤C：基于稳定匹配博弈理论将任务分配到虚拟机上，得到调度方案；步骤D：优化调度方案，遍历所有任务，将使当前任务开始时间提前的前驱节点复制到当前任务所在的虚拟机上。本发明的优点在于：基于关键路径和任务复制的两种局部优化策略有效地减少了工作流的最大完工时间，综合考虑了任务的公平性问题，能够提高客户满意度。
-
-
公开(公告)号：CN110942251A
公开(公告)日：2020-03-31
申请号：CN201911179848.4
申请日：2019-11-27
Applicant: 安徽大学
Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法，包括以下步骤：初始化Tmax、AntNum、n，I，S，信息素矩阵、ρ、库存概率和运输概率，令t＝1，Ant＝0；令Ant＝Ant+1，蚂蚁Ant对工件进行分配输出调度方案；通过局部优化策略优化调度方案，计算优化后的调度方案的目标值，更新库存概率和运输概率；重复此过程直到所有蚂蚁用尽结束本次迭代，获取全局最优调度方案，更新信息素，如果t＜Tmax，则令t＝t+1，Ant＝0，返回分配工件，直到迭代结束，输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于：综合考虑的生产过程中的库存和运输问题，通过合理的反馈机制，适合解决大规模批调度问题，实现成本优化，能够为生产过程提供有效的指导建议。
-
公开(公告)号：CN106970604A
公开(公告)日：2017-07-21
申请号：CN201710339305.9
申请日：2017-05-15
Applicant: 安徽大学
IPC: G05B19/418
CPC classification number: Y02P80/10 , Y02P90/02 , G05B19/41865 , G05B2219/32252
Abstract: 本发明公开了一种基于蚁群优化算法的工件调度方法，其特征是使用Pareto的多目标方法，在调度过程中通过工件特征对工件进行有效选择，优先利用低电价时间段进行生产，从而实现优化电力成本A和延迟程度B的两个目标。本发明通过本发明在工业分时电价背景的平行批处理机环境下，计算得到更好的工件调度方案，最大化企业资源的利用率及其对能源的使用效率，达到对企业生产过程中的成本控制和生产效果的优化，从而提高企业的市场竞争力。
-
公开(公告)号：CN119851303A
公开(公告)日：2025-04-18
申请号：CN202510008282.8
申请日：2025-01-03
Applicant: 安徽大学
IPC: G06V30/422 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/25 , G06F40/166
Abstract: 本发明涉及一种基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法，包括：获取桥梁设计图纸并进行预处理；得到桥梁结构检测模型并训练；根据桥梁多视图结构目标检测后图像，截取不同视图下的桥梁结构图像；选择出需要识别的不同关键参数；得到可编辑的Excel文档；汇总成新的同一跨内桥梁结构的关键参数信息的Excel文档。本发明同时将语义信息赋予给图纸中的关键参数，让参数名称与值相互对应，实现各平面图参数识别的模块化，能够高效地自动提取出PDF图纸的关键参数；最后采用按照跨进行识别和整合的方法，成功解决多视图的参数识别问题，为人工智能算法理解工程设计图纸进行有益的探索；能快速、准确地提取现浇箱梁PDF图纸中多视图的关键参数。
-
Patent Agency Ranking
公开(公告)号：CN119206238B
公开(公告)日：2025-04-08
申请号：CN202411699456.1
申请日：2024-11-26
Applicant: 安徽大学
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及一种基于循环双任务互惠学习的遥感多模态影像分割方法。本发明包括以下步骤：构建多模态遥感影像分割任务数据集和合成任务数据集；构建基于高光谱和激光雷达数据融合的分割网络；构建基于地物分类图和多光谱影像的高光谱合成网络；构建包括分割与合成的循环双任务互惠学习框架；训练基于循环双任务互惠学习的多模态影像分割网络及结果获取。与现有技术相比，本发明通过循环双任务互惠学习框架，使得分割网络与合成网络相互促进，有效提升了分割结果的细节保留及跨模态特征的一致性，并且增强了网络在模态缺失情况下的适应性，能够在信息不全和模态不对齐的情况下提供稳定的分割效果，适用于多源遥感数据融合处理及影像分割任务。
-
公开(公告)号：CN119444875A
公开(公告)日：2025-02-14
申请号：CN202510027732.8
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06T7/80 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明涉及一种提示学习和SAR数据辅助光学影像外参数自主标定方法，与现有技术相比实现了摆脱地面控制点依赖和融合多源信息，构建光学影像外参数补偿模型。本发明包括以下步骤：提示学习和SAR辅助的光学影像外参数自主标定方法准备工作；SAR卫星影像转换伪光学影像；基于提示学习的光学影像外参数自主标定模型构建；基于提示学习的光学影像外参数自主标定模型训练；光学影像外参数自主标定模型的应用。本发明通过引入SAR影像和提示学习技术，在传统标定方法无法覆盖的区域，如极地、沙漠和山林区域中外参数定标性能表现尤为突出。
-
公开(公告)号：CN119007024B
公开(公告)日：2025-01-24
申请号：CN202411495255.X
申请日：2024-10-24
Applicant: 安徽大学
IPC: G06V20/10 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/58 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种多模自监督混合曼巴的高光谱影像分类方法，所述方法包括以下步骤：多模自监督混合曼巴的高光谱影像分类数据集处理、构建结合CNN和Mamba的高光谱影像分类网络、基于自监督的高光谱影像分类网络的无标签预训练、基于CLIP的多模态高光谱影像分类模型的训练、对多模态高光谱影像分类模型进行测试。与现有技术相比，结合CNN和Mamba提取空谱特征，有利于实现精准的高光谱图像分类，并通过自监督学习方法对模型进行预训练，无需标注的数据，让模型能够自行识别不同场景下的高光谱图像，提高了模型的泛化能力，同时，基于CLIP模型能够实现多模态的高光谱图像分类。
-
公开(公告)号：CN119206238A
公开(公告)日：2024-12-27
申请号：CN202411699456.1
申请日：2024-11-26
Applicant: 安徽大学
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及一种基于循环双任务互惠学习的遥感多模态影像分割方法。本发明包括以下步骤：构建多模态遥感影像分割任务数据集和合成任务数据集；构建基于高光谱和激光雷达数据融合的分割网络；构建基于地物分类图和多光谱影像的高光谱合成网络；构建包括分割与合成的循环双任务互惠学习框架；训练基于循环双任务互惠学习的多模态影像分割网络及结果获取。与现有技术相比，本发明通过循环双任务互惠学习框架，使得分割网络与合成网络相互促进，有效提升了分割结果的细节保留及跨模态特征的一致性，并且增强了网络在模态缺失情况下的适应性，能够在信息不全和模态不对齐的情况下提供稳定的分割效果，适用于多源遥感数据融合处理及影像分割任务。
-
公开(公告)号：CN119107635A
公开(公告)日：2024-12-10
申请号：CN202411042767.0
申请日：2024-07-31
Applicant: 安徽大学
Abstract: 本发明公开了一种基于目标检测与语义分割的水面上水尺刻度智能读取方法，其步骤包括：1、水面上水尺图像数据和不同形态字母E图像数据的收集与预处理；2、构建水尺字符目标检测网络，检测水尺上数字和字母E的类别与位置信息；3、构建水尺语义分割网络，分割出水尺区域；4、构建字母E分类网络，识别水尺上与水面接触的字母E的形态；5、利用训练好的模型和公式对水面上水尺的刻度进行计算。本发明能快速准确地识别复杂视频监控场景下水尺上的字符和水面上水尺部分，从而能大大提升水尺刻度读取的精度。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.023 seconds)
