基于子类数目自动确定的改进密度峰值聚类方法及系统

    公开(公告)号:CN108734221A

    公开(公告)日:2018-11-02

    申请号:CN201810502889.1

    申请日:2018-05-23

    IPC分类号: G06K9/62

    CPC分类号: G06K9/6221

    摘要: 本发明提供了一种基于子类数目自动确定的改进密度峰值聚类方法及系统,其核心思想是:首先对样本点的综合量γ的分布图进行处理,获取最有可能成为聚类中心点的若干样本点;然后以这些得到的样本点作为DBSCAN算法每次迭代的初始核心点进行DBSCAN聚类,最终获得聚类子类的准确数目。实施本发明的基于子类数目自动确定的改进密度峰值聚类方法及系统具有以下有益效果:AC-CFSFDP算法可以在无人为介入的情况下,自动得到与CFSFDP算法相同的聚类结果;AC-CFSFDP算法只需运行一次便可以得到正确结果,从而AC-CFSFDP算法在实现CFSFDP算法自动性的基础上克服人为干预对它造成的错误,提高了CFSFDP的准确率。

    基于符号聚合近似的无线传感网数据压缩与重构方法及系统

    公开(公告)号:CN105744562A

    公开(公告)日:2016-07-06

    申请号:CN201610177210.7

    申请日:2016-03-25

    摘要: 本发明公开了一种基于符号聚合近似的无线传感网数据压缩与重构方法及系统,该方法包括以下步骤:S1、获取无线传感网络每个节点在数据滑动窗口内采集监测数据构成的时间序列,对该序列进行标准化得到标准化序列;S2、对得到的标准化序列进行降维,并对各时序子段的均值进行符号化得到SAX符号序列;S3、对单个节点通过时间相关性来判断是否抑制当前时刻的SAX符号序列发送过程;对不同节点之间通过空间相关性抑制冗余信息的发送;S4、当一个周期内的每个节点都完成了时空相关性抑制过程,而且接收端结束了本轮数据采集,恢复节点未传送的数据。本发明能够大幅度节省无线传感网能量和通信带宽,延长电池供电的无线传感网工作生命周期。

    应用自主导航机器人对油气管道泄漏的检测定位方法

    公开(公告)号:CN101561081B

    公开(公告)日:2012-08-22

    申请号:CN200910062140.0

    申请日:2009-05-18

    IPC分类号: F17D5/06 G01M3/24

    摘要: 本发明涉及一种应用自主导航机器人对油气管道泄漏的检测定位方法,由机器人对管道巡线检测和终端计算机检测定位方法组成,在管道附近沿管道轴向方向的路面涂刷标识线和校对节,机器人导航系统采用光电编码和校对节的识别方法导航巡检;数据采集组合器由超声波传感器与嗅觉传感器组合采集油气管道的信号,经放大滤波电路和控制模块,通过模/数转换后由无线通讯模块将信号调制并发送至计算机;系统分析软件采用自适应模糊检噪平滑算法和多尺度高斯滤波算法相结合的算法,对超声波强度、气体浓度数据进行处理,当两信号同时收到且高于门限值时可判定管道泄漏发出报警并定位。本方法适用于对地下综合管沟中油气管线的巡线检测和泄漏定位。

    基于两阶段索引调制的OFDM实现方法和系统

    公开(公告)号:CN110391891B

    公开(公告)日:2020-10-30

    申请号:CN201910613750.9

    申请日:2019-07-09

    IPC分类号: H04L5/00 H04L27/26

    摘要: 本发明公开了一种基于两阶段索引调制的OFDM实现方法和系统。一帧OFDM信号被分成若干个子帧,在第一阶段索引调制中,每个子帧中的部分子载波根据索引比特信息被激活用于传输数据。为了提高频带利用率,在第二阶段索引调制中,根据更多的索引比特信息再将第一阶段中未激活的子载波中的部分子载波激活用于传输更多的比特信息,两阶段信号映射所采用的信号星座图互不相交。对于每一个子帧,两个阶段激活的子载波数总和应小于每个子帧中的子载波个数,以达到改善系统功率效率的目的。接收端采用最大似然检测,综合考虑索引样式和映射信号进行检测和比特信息恢复。所提出的方法和系统能有效的改善传统索引调制OFDM系统的频谱效率、功率效率和误比特率性能。

    一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备

    公开(公告)号:CN110263630A

    公开(公告)日:2019-09-20

    申请号:CN201910389760.9

    申请日:2019-05-10

    发明人: 殷蔚明 邓铮 龚伟

    IPC分类号: G06K9/00 G06N3/04 G01N21/88

    摘要: 本发明提供了一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备,通过USB数据线将计算机与高清摄像头进行连接,工作人员通过操作计算机中安装的计算机瑕疵图像识别系统下发控制命令,控制高清摄像头对传送带上的铝材进行拍照,得到图像数据,并将图像数据传输回计算机瑕疵图像识别系统;计算机瑕疵图像识别系统,该系统调用深度学习框架Pytorch将图像数据转换为张量数据,并采用基于Inception模型的卷积神经网络对张量数据进行计算,最终将得分最高的类别进行输出,该得分最高的类别即为识别出的瑕疵图像。本发明的有益效果是:减轻铝型材生产过程中的瑕疵检测方面的人力成本,提高瑕疵识别速率,保证铝型材的生产质量。