-
公开(公告)号：CN110942637A
公开(公告)日：2020-03-31
申请号：CN201911298731.8
申请日：2019-12-17
Applicant: 浙江工业大学
Abstract: 一种基于空域图卷积神经网络的SCATS系统道路交通流预测方法，首先将车道作为节点，根据交通邻接矩阵得到具有相互连接的节点，将有连接节点的相关性从高到低进行排序，然后找到每个目标节点的邻域节点，将目标节点及其邻域节点的交通流状态数据构建高阶邻域交通状态矩阵作为CNN的输入，最后得到被预测车道的交通流状态预测结果。本发明充分挖掘了交通流状态时间和空间的相关性，既提高了准确性也增强了随机结果的抗干扰性。
-
公开(公告)号：CN110021165A
公开(公告)日：2019-07-16
申请号：CN201910201454.8
申请日：2019-03-18
Applicant: 浙江工业大学
Abstract: 一种基于Autoencoder-LSTM融合模型的交通流预测方法，包括以下步骤：步骤一、提取道路交通流数据并对数据进行预处理，构建交通流数据矩阵；步骤二、获取道路交通状态矩阵，提取道路交通状态矩阵高维抽象特征；步骤三、基于融合后的时空特征实现道路交通流预测；步骤四、基于融合模型的道路交通流预测：获取道路实时交通流数据作为融合模型的输入，实现道路实时交通流预测。本发明提供一种基于Autoencoder-LSTM(自编码器与长短期时间记忆神经网络)融合模型的交通流预测方法，利用自编码器和长短期记忆神经网络分别获取道路交通流数据中的空间和时间信息，充分挖掘了道路交通流数据中的时空特性，提高了交通流短期预测的准确性。
-
公开(公告)号：CN107067727B
公开(公告)日：2019-07-05
申请号：CN201710421757.1
申请日：2017-06-07
Applicant: 浙江工业大学
Abstract: 一种基于模糊KNN特征匹配的道路交通服务水平评价方法，建立道路交通特征参考序列，获取不同模态下的道路交通基准数据；提取道路交通训练数据，基于基准数据获取道路交通差值数据，经过阈值化处理获取训练数据的特征；将道路交通服务水平模糊化处理，结合训练数据特征，完成知识库的构建；提取道路交通测试数据；通过KNN特征匹配算法，选取知识库中与测试数据特征距离最近的k个特征，并求出对应的模糊化的服务水平；将k组模糊化的服务水平相加，得出最大概率对应的服务水平，即为当前特征所属服务水平，完成道路交通运行状态评价。本发明实现简单，不需要进行大量复杂的数据计算，可以有效的提高处理速度。
-
公开(公告)号：CN106503484B
公开(公告)日：2019-07-05
申请号：CN201610845314.0
申请日：2016-09-23
Applicant: 浙江工业大学
Abstract: 一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法，首先，计算当前种群中各构象个体到新构象的距离，并根据距离进行升序排列；然后，选取新构象个体的部分邻近构象个体抽象凸下界估计支撑面，以获取新构象个体的能量下界估计值；其次，计算所有新构象个体的能量下界估计值与实际能量值之间的平均估计误差，并根据平均估计误差的变化将整个算法分为多个优化阶段；最后，根据上一次迭代中的平均估计误差判断当前迭代所处的阶段，并对各阶段设计不同的策略生成新构象个体。本发明提出一种预测精度高、计算代价低的基于群体抽象凸估计的多阶段差分进化蛋白质结构预测方法。
-
公开(公告)号：CN109635843A
公开(公告)日：2019-04-16
申请号：CN201811351263.1
申请日：2018-11-14
Applicant: 浙江工业大学
CPC classification number: G06K9/6268 , G06N3/0454 , G06T15/205
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。
-
Patent Agency Ranking
公开(公告)号：CN106650305B
公开(公告)日：2019-01-22
申请号：CN201610884824.9
申请日：2016-10-10
Applicant: 浙江工业大学
Abstract: 一种基于局部抽象凸支撑面的多策略群体蛋白质结构预测方法，首先，根据随机选择的构象个体、当前目标构象个体和能量值最低的构象构体生成三个不同的新构象个体；然后，分别计算当前种群中各构象个体到各新构象个体的距离，并根据距离进行升序排列；其次，计算离各新构象个体最近的部分构象个体的抽象凸支撑面，从而计算各新构象个体的能量估计值；最后，比较各新构象个体能量估计值，从而选取能量估计值最低的新构象个体进行能量函数评价。本发明提出一种预测精度高、搜索效率高的基于局部抽象凸支撑面的多策略群体蛋白质结构预测方法。
-
公开(公告)号：CN109214268A
公开(公告)日：2019-01-15
申请号：CN201810761103.8
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 一种基于集成流形学习的填料塔液泛状态在线监测方法，分为离线学习与在线监测两步，(一)离线学习：通过传感器获得塔设备运行正常工况下的过程变量数据；基于等距离映射算法构建离线流形学习模型，对子训练集进行降维处理；随后建立集成流形学习模型，用多个子训练集训练同一个ISOMAP流形学习模型，最后将结果集成分析处理；最后对集成流形学习模型进行评估，确定是否满足液泛监测要求；(二)在线监测：在每一喷淋密度下，都会计算得到T2与SPE统计量；然后将T2与SPE统计量与离线模型在此喷淋密度下的T2与SPE控制线比较，实现液泛状态的在线监测。本发明提高了塔设备运行状态中液泛监测的及时性、准确性。
-
公开(公告)号：CN108920888A
公开(公告)日：2018-11-30
申请号：CN201810692946.7
申请日：2018-06-29
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的连续搅拌釜式反应过程辨识方法，包括以下步骤：(1)获取连续搅拌釜式反应器运行过程中过程变量数据；(2)对采集到的过程变量数据进行数据预处理：首先需要对数据进行标准化处理；其次，选取时间滞后，并将过程变量整理成三维输入形式；最后，将数据分为训练集、验证集和测试集；(3)基于三维长短期记忆神经网络建立辨识模型并训练：利用记忆单元建立三维长短期记忆神经网络模型，确定网络结构和超参数；利用自适应矩估计算法在训练集上优化网络参数，并在验证集上选择网络模型的超参数，完成基于三维长短期记忆神经网络建立辨识模型并训练。本发明对过程状态进行在线监测，实现对产物浓度的精确辨识。
-
公开(公告)号：CN108647834A
公开(公告)日：2018-10-12
申请号：CN201810509571.6
申请日：2018-05-24
Applicant: 浙江工业大学
Abstract: 一种基于卷积神经网络结构的交通流预测方法，包括以下步骤：1)建立交通流数据集并对数据集进行预处理：根据获取的交通流数据建立交通流数据集，对数据集进行预处理，构建数据集样本矩阵，将数据集分为训练集和测试集；2)搭建单层传统卷积神经网络，去除池化层，构建道路交通流矩阵的特征提取网络，在全连接层后增加sigmoid非线性回归层，构建道路交通流非线性回归预测网络；3)训练卷积神经网络并实现短期交通流的实时预测：定义模型目标函数，将训练集作为卷积神经网络模型输入，求解模型最优参数从而完成模型训练；利用训练完成的卷积神经网络模型对测试集进行实时交通流预测。本发明而提高交通流短期预测的准确性。
-
公开(公告)号：CN105427583B
公开(公告)日：2017-11-07
申请号：CN201510846833.4
申请日：2015-11-27
Applicant: 浙江工业大学
Abstract: 一种基于LZW编码的道路交通数据压缩方法，首先，建立道路交通特征参考序列，获取不同模态下的道路交通基准数据；其次，提取道路交通训练数据，基于同一模态下的道路交通基准数据，获取道路交通差值数据，选取道路交通差值数据的最优阈值；然后，提取道路交通实时数据，基于同一模态下的道路交通基准数据，获取道路交通差值数据；最后，通过LZW编码及解码，实现道路交通差值数据压缩及重构。本发明提供一种简化算法、提升处理速度的基于LZW编码的道路交通数据压缩方法。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.031 seconds)
