-
公开(公告)号：CN113392958B
公开(公告)日：2023-05-16
申请号：CN202110613013.6
申请日：2021-06-02
Applicant: 湖南大学
IPC: G06N3/043 , G06N3/047 , G06N3/08 , G06N3/126 , G06F18/2135
Abstract: 本发明公开了一种模糊神经网络FNN的参数优化及应用方法与系统，本发明的模糊神经网络FNN的参数优化方法包括采用自适应交叉概率和变异概率对遗传算法进行改进优化模糊神经网络FNN的参数；应用方法包括建立基于主成分分析及改进遗传算法优化的模糊神经网络模型PCA‑IGAFNN并用于NQI综合服务质量以及水质评价。本发明针对标准遗传算法存在收敛速度慢，容易陷入局部最优解等缺点，采用自适应的交叉概率和变异概率对遗传算法进行改进，通过改进后的遗传算法优化模糊神经网络FNN的参数，从而能够有效提升优化模糊神经网络FNN的参数的收敛速度，减少模糊神经网络FNN的优化计算开销，提高模糊神经网络FNN的优化效率。
-
公开(公告)号：CN114740091B
公开(公告)日：2022-09-06
申请号：CN202210663997.3
申请日：2022-06-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于声学分析和机器学习的西瓜成熟度检测方法及系统，方法包括：获取西瓜样本的敲击声音信号和重量组成数据集，将西瓜样本按照成熟度分类，并将数据集划分为训练集和测试集；构建成熟度检测模型以计算目标西瓜样本的成熟度；用训练集训练成熟度检测模型，然后用测试集测试成熟度检测模型，最后计算准确度并记录，继续执行用训练集训练成熟度检测模型的步骤，直到准确度最高，得到训练好的成熟度检测模型；获取西瓜测试样本的敲击声音信号和重量，并输入训练好的成熟度检测模型，得到西瓜测试样本的成熟度。本发明实现了西瓜成熟度检测的需求，提高了检测准确度，在小样本数据集中可以完成模型的训练和测试，提升了适用性。
-
公开(公告)号：CN114372495B
公开(公告)日：2022-05-27
申请号：CN202210280458.1
申请日：2022-03-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度空间残差学习的电能质量扰动分类方法及系统，本发明包括将多种类型的电能质量扰动信号输入预先训练好的深度空间残差模型来将获得电能质量扰动信号的分类结果，深度空间残差模型包括：空间残差模块，用于提取空间信息；特征融合模块，主要用于融合输入电能质量扰动信号数据的空间信息和序列信息；特征提取模块用于提取特异性特征；分类模块用于区分出不同类别的电能质量扰动信号得到分类结果。本发明能够自动提取扰动信号特征，不用人工参与设计特征，避免了人工设计特征的繁琐步骤，而且本发明方法具有很好的抗干扰能力以及精准的分类检测能力，在强噪声环境下能够对多种复杂的电能质量扰动信号实现精准的分类。
-
公开(公告)号：CN113392958A
公开(公告)日：2021-09-14
申请号：CN202110613013.6
申请日：2021-06-02
Applicant: 湖南大学
Abstract: 本发明公开了一种模糊神经网络FNN的参数优化及应用方法与系统，本发明的模糊神经网络FNN的参数优化方法包括采用自适应交叉概率和变异概率对遗传算法进行改进优化模糊神经网络FNN的参数；应用方法包括建立基于主成分分析及改进遗传算法优化的模糊神经网络模型PCA‑IGAFNN并用于NQI综合服务质量以及水质评价。本发明针对标准遗传算法存在收敛速度慢，容易陷入局部最优解等缺点，采用自适应的交叉概率和变异概率对遗传算法进行改进，通过改进后的遗传算法优化模糊神经网络FNN的参数，从而能够有效提升优化模糊神经网络FNN的参数的收敛速度，减少模糊神经网络FNN的优化计算开销，提高模糊神经网络FNN的优化效率。
-
公开(公告)号：CN113254596A
公开(公告)日：2021-08-13
申请号：CN202110689564.0
申请日：2021-06-22
Applicant: 湖南大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/242 , G06F40/289 , G06F40/30 , G06N3/04 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于规则匹配和深度学习的用户质检需求分类方法及系统，本发明方法包括对待分类文本与各个行业的专有名词词典进行匹配，并计算与各个行业对应的行业标签之间匹配的行业概率值Pi，选择最大行业概率值P；若最大行业概率值P大于等于预设阈值G，则将最大行业概率值P对应的行业标签作为分类结果输出；否则，对待分类文本利用深度学习模型预测行业标签并计算预测的行业概率值H；针对最大行业概率值P、预测的行业概率值H两者，选择其中概率较大者所对应的行业标签作为最终的分类结果输出。本发明能够针对用户质检需求文本实现质检需求文本按所属行业自动、准确的分类。
-
Patent Agency Ranking
公开(公告)号：CN106771567B
公开(公告)日：2020-08-04
申请号：CN201710043101.0
申请日：2017-01-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多分辨率短时傅里叶变换的动态谐波电能计量方法，该方法主要步骤为：第一，对电压电流信号离散采样，获得N点采样序列U(n)、I(n)；第二，应用多项式卷积窗对采样序列U(n)、I(n)加权并进行短时傅里叶变换，获得信号的时频矩阵FSTFT(g,j)；第三，应用最小二乘曲线拟合法，求出幅值矩阵|FSTFT(g,j)|中所有极值点Km(g)；第四，根据极值点Km(g)，计算基波和谐波的频率、幅值和相位，以及时长集合Tsm；第五，根据功率计算公式，求得基波和各次谐波功率，再通过短时傅里叶变换动态电能计算公式得到电能计量结果。该方法以多分辨率短时傅里叶变换为基础，分析基波和动态谐波的频域特性和时域特性，可准确进行动态谐波电能计量，满足现代电力系统动态电能计量的要求。
-
公开(公告)号：CN111461564A
公开(公告)日：2020-07-28
申请号：CN202010271443.X
申请日：2020-04-08
Applicant: 湖南大学
Abstract: 本发明公开了一种基于云模型和最优组合赋权的风电机组功率特性评估方法，步骤1：获取正常的风速-功率数据集；步骤2：根据风速-功率正常数据集，确定风电机组功率特性的评估因素集：机组的年发电量、额定风速以下的功率标准差平均值、额定风速以上的功率标准差平均值、额定风速以下的功率系数最大值；步骤3：获得综合评价结果。本发明方法易于实施，有利于保障风电场的科学有效合理运行。
-
公开(公告)号：CN108120655B
公开(公告)日：2020-06-09
申请号：CN201711399684.7
申请日：2017-12-22
Abstract: 本发明公开了一种基于阻尼因子自适应LM算法的水分含量预估方法，包括选择数学模型，计算预估起点，水分含量预估融合，预估终点自适应判别等步骤。通过建立预估融合模型以适应不同试样增强了方法的适应性，通过阻尼因子自适应调节增强了方法的鲁棒性及快速收敛性。本发明能够有效地在试样未完全烘干状态下准确预估其水分含量，计算量少，效率高、实用性强、易于嵌入式实现。
-
公开(公告)号：CN106604033B
公开(公告)日：2019-09-17
申请号：CN201710103806.7
申请日：2017-02-24
Applicant: 湖南大学
IPC: H04N19/423 , H04N19/436
Abstract: 本发明涉及图像处理技术领域，提供一种图像编码与逻辑运算方法及装置，首先将多幅二值图像分别扩充为多幅正方形二值图像；其次根据每幅所述正方形二值图像中节点的节点编码q和像素编码r，生成每幅所述正方形二值图像的截断四叉树编码；然后对截断四叉树编码进行逻辑运算，得到结果编码序列；最后根据所述结果编码序列解码得到2N×2N的扩充后的二值图像，截取扩充后的二值图像所扩充的子图像，得到结果二值图像。这样便能够获得空间开销足够小的二值图像编码，同时在进行二值图像的逻辑运算时，速度也更快。
-
公开(公告)号：CN105675956B
公开(公告)日：2018-05-29
申请号：CN201610042057.7
申请日：2016-01-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于加窗插值短时傅里叶变换的闪变识别方法，该方法主要步骤为：第一，对电压信号进行离散采样，获得N点采样序列U(n)；第二，应用布莱克曼哈里斯‑三角卷积窗对采样序列U(n)加权并进行短时傅里叶变换，获得信号的幅值矩阵P(i,j)；第三，应用多项式拟合法，求出矩阵P(i,j)每列的幅值表达式yj(k)；第四，根据表达式yj(k)，计算电压信号包络频率fm(j)；第五，根据包络幅值ymax(j)与包络频率fm(j)，提取特征量V1、V2、V3、V4、V5、V6；第六，应用特征量V1、V2、V3、V4、V5，计算信号闪变系数T，并与V6对应的阈值对比，给出检测结果。该方法以加窗插值短时傅里叶变换为基础，提取特征量，计算简单、提取特征量少且识别率高，可满足电力系统闪变快速检测的要求。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.023 seconds)
