-
公开(公告)号：CN118134686A
公开(公告)日：2024-06-04
申请号：CN202410249001.3
申请日：2024-03-05
Applicant: 南京邮电大学
IPC: G06Q50/06 , H01M10/04 , G06F18/23213 , G06N3/088
Abstract: 本发明专利技术公开了一种SOM+K‑means组合聚类算法的锂电池分选配组方法，包括以下步骤：针对电池制造过程，根据SOM算法自动聚类的优点，在电池分容工序后，以主要特征参数放电容量为聚类目标进行组合算法中第一阶段聚类；在电池静置工序后，接着对第一阶段聚类后的各类，利用K‑means算法的优势，以次要特征参数开路电压、内阻和自放电率为聚类目标进行组合算法中第二阶段聚类。以上两阶段顺序聚类构成一个完整的组合聚类。该电池分选配组方法与传统方法相比，有利于锂电池成组后组内单体电池一致性，提高整组电池包的性能和使用寿命；有利于制造过程的实施。
-
公开(公告)号：CN107798343A
公开(公告)日：2018-03-13
申请号：CN201710962111.4
申请日：2017-10-16
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6217
Abstract: 本发明公开一种基于流形结构改进的SVM模拟电路故障诊断方法，主要步骤为：用软件模拟诊断对象的故障；对于电路中的每一种故障用蒙特卡洛分析，检测故障的特征信号，用小波包将故障信号分解，基于最优小波熵原则使信号分解具有最大规律性，提取每组信号最优能量值为故障的特征值；对故障分类时，选用改进的SVM，将一部分数据进行样本训练，剩余部分进行判别分析，从而得出分类的正确率。在构造SVM时考虑样本类间的相似度，使分类后能保证各类数据间结构特征，达到更好的分类效果。
-
-
公开(公告)号：CN111833073A
公开(公告)日：2020-10-27
申请号：CN201910852736.4
申请日：2019-09-10
Applicant: 南京邮电大学
IPC: G06Q30/00 , G06F16/951 , G06K9/62
Abstract: 本发明公开了一种基K-Means++聚类算法的航空公司客户细分方法，所述方法包括以下步骤：一：爬取航空公司数据源，二、对步骤一数据探索与预处理，三，将上述已完成预处理的数据进行数据建模处理，四、通过提供一个更全面的方法，以提高航空数据采集的完整度和精确性，克服因离群点敏感而受初始点选择影响造成的算法开销大的缺点,也能将有限资源集中于关键人群。
-
Patent Agency Ranking
公开(公告)号：CN108768907A
公开(公告)日：2018-11-06
申请号：CN201810461591.0
申请日：2018-05-15
Applicant: 南京邮电大学
CPC classification number: H04L27/0012 , G06N3/084
Abstract: 本发明公开了一种基于瞬时特征统计量和BP神经网络的调制识别方法。该方法主要是以5个瞬时特征作为已知待识别调制信号的集合的特征参数，以BP神经网络作为识别器，网络输出是一个十行的列向量，每次输出的列向量中只有一个元素为1，其它均为零，从而判定识别的结果。识别的对象为：ASK、FSK、PSK、QAM。每种信号均是经过高斯白噪声。相比于传统的调制信号识别，本技术方案的优点是灵活性大，由于采用神经网络作为识别器，当需要识别不同的已知的信号集合时，只需根据不同信号的差异性，选择能够区分的特征参数；并且，特征参数不仅仅局限于瞬时特征，还可以选择高阶累积量，小波变换特征等，所以特征参数的选择可以根据待识别信号的不同而灵活变换。
-
公开(公告)号：CN108615053A
公开(公告)日：2018-10-02
申请号：CN201810339547.2
申请日：2018-04-16
Applicant: 南京邮电大学
IPC: G06K9/62 , G01R31/316 , G06N3/00
Abstract: 本发明公开了基于粒子群优化的流形SVM模拟电路故障诊断方法，主要步骤为：用软件模拟诊断对象的故障；对于电路中的每一种故障用蒙特卡洛分析，检测故障的特征信号，用小波包将故障信号分解，基于最优小波熵原则使信号分解具有最大规律性，提取每组信号最优能量值为故障的特征值；对故障分类之前使用粒子群算法，对考虑到样本数据类间间隔的支持向量中的权重参数以及惩罚参数进行参数寻优，使SVM的最优超平面具有更好的分类效果，提高故障诊断的正确率。
-
-
公开(公告)号：CN107255785A
公开(公告)日：2017-10-17
申请号：CN201710291023.6
申请日：2017-04-28
Applicant: 南京邮电大学
IPC: G01R31/316
CPC classification number: G01R31/316
Abstract: 本发明公开了基于改进mRMR的模拟电路故障诊断方法，首先对标准的mRMR原则进行优化，在其原始判断依据中引入一个权重因子，这个权重因子用来细化相关性和冗余性。其次提取模拟电路的故障特征作为原始的故障特征集，利用mRMR原则对其进行原始故障特征集进行优化。以指定步长得出一组嵌套的故障特征集合，以诊断的正确率作为标准，在这组故障特征集合中选取最优特征子集。采用SVVD作为分类器，核函数选用径向基核函数，借助遗传算法的搜索能力得出最优的惩罚参数和核函数参数。本发明引入特征相关冗余权重因子以细化对特征相关性和冗余性的度量,通过对权重进行不同的赋值，对准则中特征相关性与冗余性的加权系数进行调整，以求得到最好的特征选择结果。
-
公开(公告)号：CN107202950A
公开(公告)日：2017-09-26
申请号：CN201710333038.4
申请日：2017-05-12
Applicant: 南京邮电大学
IPC: G01R31/28 , G01R31/316 , G06K9/62
CPC classification number: G01R31/2846 , G01R31/316 , G06K9/6269
Abstract: 本发明公开一种基于LMD近似熵和SVM的模拟电路故障诊断方法，包括步骤：用软件模拟诊断对象的故障；对每种故障利用蒙特卡洛分析法进行分析，把电路故障信号分解为一系列PF分量，选取前三个PF分量，求它们的近似熵，作为故障特征向量；在对故障进行分类时选用SVM，寻找最优的SVM参数，前一部分特征向量用于训练，后一部分特征向量用于验证分类的正确性；将剩余特征向量放在得到的用于训练的特征向量进行验证，得出分类的正确率以及分类的时间。用CPSO优化的支持向量机，会避免陷入局部最优，得到最好的分类效果，能更快更准确的定位电路的故障。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.042 seconds)
