-
公开(公告)号：CN115952408B
公开(公告)日：2024-08-20
申请号：CN202310011639.9
申请日：2023-01-05
Applicant: 东北大学
IPC: G06F18/213 , G06F18/24 , G06N3/08 , G01M13/045 , G06N3/0464
Abstract: 本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。
-
公开(公告)号：CN117035599A
公开(公告)日：2023-11-10
申请号：CN202310863315.8
申请日：2023-07-14
Applicant: 东北大学
IPC: G06Q10/0835 , G06Q10/047 , G06Q30/0201 , G06N3/006
Abstract: 本发明提供一种基于改进MOEA/D算法的车辆装载和路径优化系统及方法，涉及路径优化技术领域，本发明首先对车辆路径优化及装载优化所需基础信息进行获取，整合，和预处理，得到用于作为优化模型的输入数据。然后建立了车辆路径优化及装载优化问题优化模型，包括优化的目标函数和约束条件。接着设计了一种自适应进化的MOEA/D算法，其具有自适应邻域大小、适应个体之间的交叉策略和种群的更新策略的特点。最后采用基于自适应进化MOEA/D算法对考虑装载效率的车辆路径优化问题求解，得到了优化过后的解决方案。
-
公开(公告)号：CN115719432A
公开(公告)日：2023-02-28
申请号：CN202211453770.2
申请日：2022-11-21
Applicant: 东北大学
IPC: G06V10/764 , G06V10/774 , G06N20/10 , G06N20/20
Abstract: 本发明提供一种基于半监督学习的图像标注方法，涉及机器学习及图像处理技术领域。该方法可以看成基于两个阶段实现，即基于协同运算的半监督学习阶段和基于TSVM的半监督学习阶段。基于协同运算的半监督学习阶段用于完成对于未标记样本集中占绝大多数的易标注样本的标注任务，控制每次训练标注的样本数，同时对训练集中样本的个数也进行了很好地控制；减轻了SVM分类器的负担，保证了分类的准确率。基于TSVM的半监督学习阶段用于完成剩余未标记样本的标注任务，将基于协同运算的半监督学习阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中，并且在训练过程中融入了集成学习的方法训练分类器的权重和训练集样本的权重。
-
公开(公告)号：CN104598219A
公开(公告)日：2015-05-06
申请号：CN201410738330.0
申请日：2014-12-04
Applicant: 东北大学
Abstract: 本发明提供一种基于变化的服务演化一致性判定方法及系统，根据服务描述模型建立基于变化的服务版本模型，按照服务描述模型对原始服务版本和目标服务版本建模，采用变化向量抽取算法获取所述原始服务版本与所述目标服务版本之间的变化向量，将所述变化向量加入至所述基于变化的服务版本模型，根据所述变化向量和预设松弛系数，计算服务演化一致度，将所述演化一致度与预设第一阈值进行比较，若所述服务演化一致度大于等于所述预设第一阈值，则判定所述服务演化满足一致性，该方法在版本建模方面涵盖的信息广泛，能够清晰的反映服务不同版本之间的变化，并且对演化一致性能够更加精确的定量分析。
-
公开(公告)号：CN116402622A
公开(公告)日：2023-07-07
申请号：CN202310392462.1
申请日：2023-04-13
Applicant: 东北大学
Abstract: 本发明提供一种基于蜉蝣算法的基数约束投资组合优化系统与方法，涉及金融投资技术领域。本发明通过对股票收益率历史数据进行预处理，得到各支股票历史平均收益率之间的协方差矩阵；初始化雄性蜉蝣和雌性蜉蝣种群，计算所有个体的适应度值，按照适应度值从小到大分别对雄性和雌性蜉蝣种群进行排名，并选择出雄性蜉蝣中最优的个体记录为全局最优位置；利用模拟二进制交叉算子进行对种群中的每一个解，即投资组合方案进行交叉操作，生成后代；利用后代替换掉父辈中质量较差的个体；更新所有雄性蜉蝣的个体最佳位置，以及更新全局最优位置；输出最优投资组合结果，并且根据结果计算出平均风险以及平均收益率绘制出Pareto前沿进行可视化展示。
-
Patent Agency Ranking
公开(公告)号：CN115952408A
公开(公告)日：2023-04-11
申请号：CN202310011639.9
申请日：2023-01-05
Applicant: 东北大学
IPC: G06F18/213 , G06F18/24 , G06N3/08 , G01M13/045 , G06N3/0464
Abstract: 本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。
-
公开(公告)号：CN109993270A
公开(公告)日：2019-07-09
申请号：CN201910238129.9
申请日：2019-03-27
Applicant: 东北大学
IPC: G06N3/00 , G06N3/04 , G06N3/08 , G01R31/367 , G01R31/392
Abstract: 本发明提供一种基于灰狼群优化LSTM网络的锂离子电池剩余寿命预测方法，涉及锂离子电池技术领域。该方法首先获取锂离子电池的监测数据，并从中提取出锂离子电池容量数据；确定长短期记忆网结构，构造基于LSTM的锂离子电池剩余寿命预测模型；然后利用灰狼群算法优化锂离子电池剩余寿命直接预测模型中的关键参数，得到基于灰狼群优化LSTM网络的直接预测模型；利用优化数据确定最优的锂离子电池剩余寿命直接预测模型；最后利用最优的锂离子电池剩余寿命直接预测模型预测后期锂离子电池容量数据。本发明提供的基于灰狼群优化LSTM网络的锂离子电池剩余寿命预测方法，能够较为准确的预测锂离子电池剩余寿命。
-
公开(公告)号：CN116108379A
公开(公告)日：2023-05-12
申请号：CN202310116131.5
申请日：2023-02-15
Applicant: 东北大学
IPC: G06F18/241 , G06F18/214 , G06F16/25 , G06Q40/04
Abstract: 本发明提供一种基于域泛化的股票形态相似性查询系统与方法，涉及深度学习技术领域。本系统包括数据层、匹配模型层、分析层；本发明通过获取股票历史数据，对数据进行预处理；然后使用RReliefF算法进行特征选择进行数据分割；使用Lasso算法结合域泛化方法对模型进行训练；进行匹配相似股票数据，并得到结果分析进行反馈。本发明能够更准确地匹配相似股票数据，给用户提供更可靠的辅助结果。
-
公开(公告)号：CN113743453A
公开(公告)日：2021-12-03
申请号：CN202110826722.2
申请日：2021-07-21
Applicant: 东北大学
Abstract: 本发明提供了一种基于随机森林的人口数量预测方法，属于机器学习技术领域。本发明包括人口数据预处理和随机森林模型构建两个模块。所述人口数量预测方法包括：步骤一，填补人口数据中空缺部分；步骤二，提取出影响人口因素的主要特征；步骤三，构建人口预测模型的基学习器；步骤四，组合基学习器，生成随机森林模型，并得出预测结果。本发明对海量人口数据进行特征提取处理，利用随机森林模型预测人口数量，预测效果比单个回归树和线性回归预测精度更高。
-
公开(公告)号：CN109991542B
公开(公告)日：2021-05-18
申请号：CN201910238130.1
申请日：2019-03-27
Applicant: 东北大学
IPC: G01R31/367 , G01R31/392 , G06N3/00 , G06N3/08 , G06N3/04
Abstract: 本发明提供一种基于WDE优化LSTM网络的锂离子电池剩余寿命预测方法，涉及锂离子电池技术领域。该方法首先构造两组锂离子电池监测指标；获取锂离子电池的监测数据，并从中提取出锂离子电池监测指标数据及锂离子电池容量数据；然后确定长短期记忆网络结构，构造基于LSTM的锂离子电池剩余寿命间接预测模型；利用加权差分进化算法优化锂离子电池剩余寿命间接预测模型中的关键参数；利用优化数据确定最优的锂离子电池剩余寿命间接预测模型；最后利用最优锂离子电池剩余寿命间接预测模型预测后期锂离子电池容量数据；本发明提供的基于WDE优化LSTM网络的锂离子电池剩余寿命预测方法，可准确预测锂离子电池容量数据变化规律，有效评估锂离子电池剩余寿命。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
