-
公开(公告)号：CN115018211B
公开(公告)日：2022-11-01
申请号：CN202210943865.6
申请日：2022-08-08
Applicant: 北京建筑大学
Abstract: 本发明涉及一种运输调度线路设定方法和装置，步骤S1：建立运输调度线路模型：步骤S2：利用配置后的蚁群算法求解运输调度线路模型，获得第一配送线路；步骤S3：根据各个车辆到达沿途各节点的时间和节点对应的订单到达时间的时间差给规划后的第一配送线路中各配送子线路打分；步骤S4：筛选分数值大于线路分数阈值的配送子线路，构成第二配送线路集；步骤S4：对第二配送线路集中各配送子线路执行线路自搜索，构成第三配送线路集；步骤S4：对第三配送线路集执行车辆间线路搜索，获得最优配送线路。本发明能够在保证获得最优线路的同时降低运算量，考虑订单到达时间对需求拆分的影响，提高了方法的适用性。
-
公开(公告)号：CN115018211A
公开(公告)日：2022-09-06
申请号：CN202210943865.6
申请日：2022-08-08
Applicant: 北京建筑大学
Abstract: 本发明涉及一种运输调度线路设定方法和装置，步骤S1：建立运输调度线路模型：步骤S2：利用配置后的蚁群算法求解运输调度线路模型，获得第一配送线路；步骤S3：根据各个车辆到达沿途各节点的时间和节点对应的订单到达时间的时间差给规划后的第一配送线路中各配送子线路打分；步骤S4：筛选分数值大于线路分数阈值的配送子线路，构成第二配送线路集；步骤S4：对第二配送线路集中各配送子线路执行线路自搜索，构成第三配送线路集；步骤S4：对第三配送线路集执行车辆间线路搜索，获得最优配送线路。本发明能够在保证获得最优线路的同时降低运算量，考虑订单到达时间对需求拆分的影响，提高了方法的适用性。
-
公开(公告)号：CN113869503B
公开(公告)日：2022-03-01
申请号：CN202111454575.7
申请日：2021-12-02
Applicant: 北京建筑大学
Abstract: 本发明提供一种基于深度矩阵分解补全的数据处理方法及存储介质，包括：S1构建深度矩阵分解补全模型，所述模型的核心结构是恢复模块；S2在进行观测矩阵的奇异值分解前，对观测矩阵的缺失位置进行预填充；S3基于Frobenius范数构建所述恢复模块的损失函数；S4采用VOC数据集对深度矩阵分解补全模型进行训练。与传统算法相比，本发明基于深度学习与非线性的深度矩阵分解补全网络能够在更短的时间内获得更好的处理性能，端到端的深度矩阵分解补全网络是基于矩阵的全局信息对整个数据文件进行修复，不管是时间上还是修复效果上都能有明显的提升。与线性和非线性矩阵补全方法进行比较。深度矩阵分解补全网络能够使用更短的时间提供更高的矩阵补全精度。
-
公开(公告)号：CN117735356A
公开(公告)日：2024-03-22
申请号：CN202311667212.0
申请日：2023-12-06
Applicant: 北京建筑大学
IPC: B66B5/00 , G06F30/17 , G06F30/27 , G06F18/23213 , G06F119/14
Abstract: 本发明公开一种加装电梯钢结构的安全性能监测方法、系统、设备及介质，属于钢结构领域。该方法采用Kalman滤波算法可实现对数据的预测及追踪，自动降低模型数据偏差，以提高钢结构形变特征与震动特征的数据精准度。K‑means算法进行聚类，并提取最优聚类数K＝4，得出准确加装电梯钢结构样本点形变量及形变程度聚类，作为确定形变点的形变程度及需要进行检修的重要依据。本发明利用Kalman滤波算法来优化K‑means聚类方法，实时评价实际电梯钢结构安全性，精准地实现了对电梯钢结构进行常态化状态监测与安全诊断。
-
Patent Agency Ranking
公开(公告)号：CN116029945A
公开(公告)日：2023-04-28
申请号：CN202310315486.7
申请日：2023-03-29
Applicant: 北京建筑大学
Abstract: 本发明涉及一种生成式图像修复装置，包括预处理模块以及生成模块，所述预处理模块用于获取破损图像的边缘信息，输入至所述生成模块；所述生成模块用于根据所述边缘信息生成完整图像，所述生成模块包括粗生成模块和细化生成模块，所述粗生成模块包括多个密集块，用于提取破损图像中的破损特征；每个所述密集块包括多个密集连接的密集层，所述密集层用于提取所述破损特征。通过采用密集连接的方式连接密集层，使得将先前密集层中的特征信息分别经过每一个密集层进行处理，实现提高生成模块的修复精度。所述生成模块通过采用间接连接方式连接所有层，实现提高训练的稳定性。
-
公开(公告)号：CN113869503A
公开(公告)日：2021-12-31
申请号：CN202111454575.7
申请日：2021-12-02
Applicant: 北京建筑大学
Abstract: 本发明提供一种基于深度矩阵分解补全的数据处理方法及存储介质，包括：S1构建深度矩阵分解补全模型，所述模型的核心结构是恢复模块；S2在进行观测矩阵的奇异值分解前，对观测矩阵的缺失位置进行预填充；S3基于Frobenius范数构建所述恢复模块的损失函数；S4采用VOC数据集对深度矩阵分解补全模型进行训练。与传统算法相比，本发明基于深度学习与非线性的深度矩阵分解补全网络能够在更短的时间内获得更好的处理性能，端到端的深度矩阵分解补全网络是基于矩阵的全局信息对整个数据文件进行修复，不管是时间上还是修复效果上都能有明显的提升。与线性和非线性矩阵补全方法进行比较。深度矩阵分解补全网络能够使用更短的时间提供更高的矩阵补全精度。
-
公开(公告)号：CN116109521B
公开(公告)日：2023-07-14
申请号：CN202310363416.9
申请日：2023-04-07
Applicant: 北京建筑大学
IPC: G06T5/00
Abstract: 本发明涉及一种使用梯度优化的局部对抗性攻击启发式防御方法和装置，包括：对原图进行处理，获得梯度图；筛选所述梯度图中的噪声区域，对所述噪声区域进行抑制，形成防御补丁；对所述原图进行梯度增强，形成梯度增强图；将所述防御补丁投影到所述梯度增强图，形成防御处理图。本发明能够对高频噪音进行抑制，防止因深度神经网络被高频噪音吸引而做出错误判断，实现抑制对抗补丁。同时，还因将原图进行了梯度增强，提升了原图的轮廓纹理，方便分类器进行识别，提升图像识别的准确率。
-
公开(公告)号：CN116029945B
公开(公告)日：2023-07-14
申请号：CN202310315486.7
申请日：2023-03-29
Applicant: 北京建筑大学
Abstract: 本发明涉及一种生成式图像修复装置，包括预处理模块以及生成模块，所述预处理模块用于获取破损图像的边缘信息，输入至所述生成模块；所述生成模块用于根据所述边缘信息生成完整图像，所述生成模块包括粗生成模块和细化生成模块，所述粗生成模块包括多个密集块，用于提取破损图像中的破损特征；每个所述密集块包括多个密集连接的密集层，所述密集层用于提取所述破损特征。通过采用密集连接的方式连接密集层，使得将先前密集层中的特征信息分别经过每一个密集层进行处理，实现提高生成模块的修复精度。所述生成模块通过采用间接连接方式连接所有层，实现提高训练的稳定性。
-
公开(公告)号：CN116109521A
公开(公告)日：2023-05-12
申请号：CN202310363416.9
申请日：2023-04-07
Applicant: 北京建筑大学
IPC: G06T5/00
Abstract: 本发明涉及一种使用梯度优化的局部对抗性攻击启发式防御方法和装置，包括：对原图进行处理，获得梯度图；筛选所述梯度图中的噪声区域，对所述噪声区域进行抑制，形成防御补丁；对所述原图进行梯度增强，形成梯度增强图；将所述防御补丁投影到所述梯度增强图，形成防御处理图。本发明能够对高频噪音进行抑制，防止因深度神经网络被高频噪音吸引而做出错误判断，实现抑制对抗补丁。同时，还因将原图进行了梯度增强，提升了原图的轮廓纹理，方便分类器进行识别，提升图像识别的准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
