-
公开(公告)号：CN119851227A
公开(公告)日：2025-04-18
申请号：CN202510315592.4
申请日：2025-03-18
Applicant: 中北大学
IPC: G06V20/54 , G06V10/82 , G06N3/096 , G06V10/762 , G08G1/01
Abstract: 一种重载交通异常事件检测与状态判别系统，属于智能交通领域，包括数据采集与标注模块、图像处理模块、交通状态分析模块、状态判断与异常事件识别模块以及迁移学习模块；所述的数据采集与标注模块包括数据采集单元和数据标注单元；所述图像处理模块包括图像增强单元和图像压缩重构单元；所述交通状态分析模块包括交通瓶颈识别单元和车流波分析单元；所述状态判断与异常事件识别模块包括车辆统计单元、拥堵状态识别单元、状态转移分析单元以及压缩感知模型建立单元；所述迁移学习模块包括迁移学习单元。本发明能够降低不良天气下交通流异常事件误检率，从而能够全天候的对交通异常事件进行检测，从而能够降低不良天气条件下交通事件发生概率。
-
公开(公告)号：CN117853897A
公开(公告)日：2024-04-09
申请号：CN202311563672.9
申请日：2023-11-22
Applicant: 中北大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。
-
公开(公告)号：CN117853897B
公开(公告)日：2025-02-18
申请号：CN202311563672.9
申请日：2023-11-22
Applicant: 中北大学
IPC: G06F30/27
Abstract: 本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。
-
公开(公告)号：CN117273125A
公开(公告)日：2023-12-22
申请号：CN202310704237.7
申请日：2023-06-14
Applicant: 中北大学
Abstract: 本发明公开一种基于强化学习的多模型在线自适应择优技术驱动的进化算法，属于人工智能技术领域，算法引入了基于强化学习的代理模型动态选择技术，使得可以在优化过程中通过接收到的演化反馈信息动态择优代理模型，进而有效地提高个体适应度预测的鲁棒性，以更好地促进迭代优化，提高算法收敛精度。
-
公开(公告)号：CN110310714A
公开(公告)日：2019-10-08
申请号：CN201910515283.6
申请日：2019-06-14
Applicant: 中北大学
Abstract: 本发明公开了一种燃煤电站脱硝催化剂剩余寿命预测方法，采集燃煤电站实测的催化剂相对活性数据；判断已获得的催化剂相对活性数据是否为等时距测量数据，对已获得的催化剂相对活性数据进行处理使其等时距化；构建催化剂活性退化状态空间模型；利用得到的催化剂活性退化状态空间模型结合随机滤波算法对催化剂的剩余活性进行预测。通过本发明预测的结果有助于对燃煤电站脱硝系统催化剂维护进行优化以保证污染物脱除效率以及节约成本，从而为总体的节能减排优化控制提供支持。
-
Patent Agency Ranking
公开(公告)号：CN116933835A
公开(公告)日：2023-10-24
申请号：CN202310675305.1
申请日：2023-06-08
Applicant: 中北大学
IPC: G06N3/006
Abstract: 本发明公开了一种多角色自适应变维度驱动的人工蜂群算法，是变维度自适应扰动策略，提高了ABC算法分别在雇佣蜂、旁观蜂、侦查蜂阶段的广度探索效率，整体收敛速度和最终收敛精度。提出了随机型角色作为榜样蜜源的选取规则并设计搭配一个无偏探索算子，加强了ABC算法对解空间的广度探索能力；提出了精英型角色作为榜样蜜源的选取规则并设计搭配一个双偏好开采算子，深度开发潜在的最优邻域，良好权衡ABC对解空间的勘探与开采任务；提出了卓越型角色和潜力型角色作为榜样蜜源的选取规则并设计搭配一个跳出算子；有效驱动ABC的蜂群发现更具有发展潜力的候选蜜源，具有发展潜力的搜索方向，使ABC可以有效逃离可能的局部极值区域。
-
公开(公告)号：CN116796787A
公开(公告)日：2023-09-22
申请号：CN202310351430.7
申请日：2023-04-03
Applicant: 中北大学
Abstract: 本发明公开一种多算子融合的双偏好联动驱动人工蜂群算法，为雇佣蜂阶段设计了一个双偏好联动驱动算子A，显著提高了ABC的收敛性能。两个不同搜索偏好的方程被交替触发，使探索更加多样化并提高了解的质量；旁观蜂阶段设计了一个双偏好联动驱动算子B，一个由精英解和全局最优解分别诱导的搜索方程，加强了对潜在最优区域的深度开发。轮盘选择概率计算范式—基于排名的轮盘赌，可以确保整个搜索过程中对具有发展潜力的候选解的选择压力的稳定性。附加一种去最优化学习算子，有效地将个别具有发展潜力的精英个体脱离伪全局最优区域，提高了收敛精度。
-
公开(公告)号：CN116542285A
公开(公告)日：2023-08-04
申请号：CN202310351371.3
申请日：2023-04-03
Applicant: 中北大学
Abstract: 本发明公开了一种伴随截断筛选策略的自适应多维扰动人工蜂群算法，设计并集成了一个全局探索搜索方程和一个双开采搜索方程，以分别驱动雇佣蜂和旁观蜂的行为学习。通过两种搜索方程的协同运作，有力平衡了ABC对高维复杂解空间的全局探索与局部开采，提高了ABC的收敛精度。在旁观蜂寻优阶段配置一种截断筛选机制，预筛选具有较好发展潜力的候选雇佣蜂，为后续轮盘赌选择操作提供了优质候选对象，提高了雇佣蜂向旁观蜂角色传递过程中的个体信息的传递质量和效率，巩固了迭代蜂群优质信息更新的连续性。建立自适应维度扰动参数优调机制，增强了ABC迭代蜂群的行为学习的多样性，提升了ABC在不同寻优阶段的收敛速度和收敛精度，增广了ABC对多类型地貌空间的适用性。
-
公开(公告)号：CN118865120B
公开(公告)日：2025-03-21
申请号：CN202410900289.6
申请日：2024-07-05
Applicant: 中北大学
IPC: G06V20/10 , G06V10/80 , G06V10/40 , G06N3/0455
Abstract: 本发明涉及遥感图像变化检测领域，具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而，复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题，本发明首先提取双时相遥感图像分层次多尺度特征信息；然后，利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合；最后针对变化检测样本不平衡问题提出超期望推拉损失正则项，该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明，本发明在定性、定量的指标方面都取得了显著效果。
-
公开(公告)号：CN118865120A
公开(公告)日：2024-10-29
申请号：CN202410900289.6
申请日：2024-07-05
Applicant: 中北大学
IPC: G06V20/10 , G06V10/80 , G06V10/40 , G06N3/0455
Abstract: 本发明涉及遥感图像变化检测领域，具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而，复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题，本发明首先提取双时相遥感图像分层次多尺度特征信息；然后，利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合；最后针对变化检测样本不平衡问题提出超期望推拉损失正则项，该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明，本发明在定性、定量的指标方面都取得了显著效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
