-
公开(公告)号：CN104019831A
公开(公告)日：2014-09-03
申请号：CN201410280636.6
申请日：2014-06-20
Applicant: 哈尔滨工业大学
IPC: G01C25/00
CPC classification number: G01C25/00
Abstract: 基于EMD和熵权的陀螺仪故障诊断方法，涉及一种陀螺仪的故障诊断方法，具体涉及一种基于经验模态分解和熵权的故障诊断方法，属于陀螺仪故障诊断领域。为解决针对现有的陀螺仪故障诊断方法的实用性和有效性受到限制，陀螺仪运行情况监测不足，单一信号故障检测的自适应性弱，检测过程繁琐的问题。本发明引入了一种经典的故障诊断方法—经验模态分解(EMD)方法，这是一种单一信号时域处理方法，即每次只能对一个轴上的陀螺角速度信号提取故障特征信息，然后创新性的使用熵权概念来实现故障诊断，这样可以更好的实现故障诊断，最后对所提出方法的有效性进行了仿真验证。本发明适用于卫星陀螺仪故障的诊断。
-
公开(公告)号：CN104504399B
公开(公告)日：2017-07-18
申请号：CN201510003048.2
申请日：2015-01-05
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种结合线性相关信息熵的多光谱数据有监督分类方法，涉及一种基于线性相关信息熵和kNN分类器的遥感图像有监督分类方法。本发明的步骤为：一、人工采样后自动筛选有监督分类所需的训练样本集合；二、自动寻优确定kNN分类器算法的参数；三、使用kNN分类器算法完成对多光谱遥感图像的分类。本发明通过多变量输入的训练样本高效自动筛选过程以及分类器参数自动寻优步骤，有效改善了kNN分类器算法的分类精度且减少了分类时间，使之更加适合大数据量多光谱遥感图像的高精度分类任务。
-
公开(公告)号：CN104008383B
公开(公告)日：2017-03-08
申请号：CN201410286545.3
申请日：2014-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于流形学习线性化的高光谱图像特征提取方法，属于高光谱图像数据处理与应用技术领域。本发明针对流形学习方法无泛化能力的不足，提出了一种改进的流形学习线性化方法。所述方法包括如下步骤：一、计算初步降维结果和拉普拉斯矩阵；二、构建矩阵方程组常数项矩阵和系数矩阵；三、计算特征转换矩阵；四、通过特征转换矩阵计算最终降维结果。本发明针对LPP、NPE和LLTSA线性化流形学习方法中全局线性映射的假设在很多时候不成立的不足，在原有的代价函数中加入了偏离原流形学习方法结果的惩罚项，并且舍去了原目标函数中的约束项，将最优特征转换矩阵的求解转换为一个矩阵方程组的求解问题。该方法适用于高光谱图像的特征提取。
-
公开(公告)号：CN104504399A
公开(公告)日：2015-04-08
申请号：CN201510003048.2
申请日：2015-01-05
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种结合线性相关信息熵的多光谱数据有监督分类方法，涉及一种基于线性相关信息熵和kNN分类器的遥感图像有监督分类方法。本发明的步骤为：一、人工采样后自动筛选有监督分类所需的训练样本集合；二、自动寻优确定kNN分类器算法的参数；三、使用kNN分类器算法完成对多光谱遥感图像的分类。本发明通过多变量输入的训练样本高效自动筛选过程以及分类器参数自动寻优步骤，有效改善了kNN分类器算法的分类精度且减少了分类时间，使之更加适合大数据量多光谱遥感图像的高精度分类任务。
-
Patent Agency Ranking
公开(公告)号：CN104008383A
公开(公告)日：2014-08-27
申请号：CN201410286545.3
申请日：2014-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于流形学习线性化的高光谱图像特征提取算法，属于高光谱图像数据处理与应用技术领域。本发明针对流形学习算法无泛化能力的不足，提出了一种改进的流形学习线性化算法。所述方法包括如下步骤：一、计算初步降维结果和拉普拉斯矩阵；二、构建矩阵方程组常数项矩阵和系数矩阵；三、计算特征转换矩阵；四、通过特征转换矩阵计算最终降维结果。本发明针对LPP、NPE和LLTSA线性化流形学习算法中全局线性映射的假设在很多时候不成立的不足，在原有的代价函数中加入了偏离原流形学习算法结果的惩罚项，并且舍去了原目标函数中的约束项，将最优特征转换矩阵的求解转换为一个矩阵方程组的求解问题。该方法适用于高光谱图像的特征提取。
-
公开(公告)号：CN104050482B
公开(公告)日：2017-06-13
申请号：CN201410288959.X
申请日：2014-06-24
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于局部线性回归的流形学习泛化算法，属于高光谱图像数据降维技术领域。本发明的目的在于提出一种适用于任何一种流形学习算法、能够保持原流形学习降维结果、基于局部线性回归的流形学习泛化方法，其步骤为：一、寻找邻域；二、计算投影矩阵；三、求取线性回归系数矩阵；四、计算新样本降维结果。本发明可以在保持原有流形学习降维结果的基础上实现新样本的泛化，构建了一个从高维到低维的线性映射，可使得任一不具备泛化能力的流形学习算法如LE、LLE、LTSA等具有泛化能力，从而使得这些耗时的流形学习算法适用于高光谱图像的降维处理过程。
-
公开(公告)号：CN104019831B
公开(公告)日：2017-01-04
申请号：CN201410280636.6
申请日：2014-06-20
Applicant: 哈尔滨工业大学
IPC: G01C25/00
Abstract: 基于EMD和熵权的陀螺仪故障诊断方法，涉及一种陀螺仪的故障诊断方法，具体涉及一种基于经验模态分解和熵权的故障诊断方法，属于陀螺仪故障诊断领域。为解决针对现有的陀螺仪故障诊断方法的实用性和有效性受到限制，陀螺仪运行情况监测不足，单一信号故障检测的自适应性弱，检测过程繁琐的问题。本发明引入了一种经典的故障诊断方法—经验模态分解(EMD)方法，这是一种单一信号时域处理方法，即每次只能对一个轴上的陀螺角速度信号提取故障特征信息，然后创新性的使用熵权概念来实现故障诊断，这样可以更好的实现故障诊断，最后对所提出方法的有效性进行了仿真验证。本发明适用于卫星陀螺仪故障的诊断。
-
公开(公告)号：CN104050482A
公开(公告)日：2014-09-17
申请号：CN201410288959.X
申请日：2014-06-24
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于局部线性回归的流形学习泛化算法，属于高光谱图像数据降维技术领域。本发明的目的在于提出一种适用于任何一种流形学习算法、能够保持原流形学习降维结果、基于局部线性回归的流形学习泛化方法，其步骤为：一、寻找邻域；二、计算投影矩阵；三、求取线性回归系数矩阵；四、计算新样本降维结果。本发明可以在保持原有流形学习降维结果的基础上实现新样本的泛化，构建了一个从高维到低维的线性映射，可使得任一不具备泛化能力的流形学习算法如LE、LLE、LTSA等具有泛化能力，从而使得这些耗时的流形学习算法适用于高光谱图像的降维处理过程。
-
公开(公告)号：CN104048677A
公开(公告)日：2014-09-17
申请号：CN201410315152.0
申请日：2014-07-03
Applicant: 哈尔滨工业大学
CPC classification number: G01C25/00
Abstract: 基于K-S分布性检验和HHT的陀螺仪故障诊断方法，本发明涉及一种陀螺仪的故障诊断方法。本发明是要解决现有螺仪故障诊断方法存在不足如产生虚假频率分量，并且故障诊断精度低的问题。步骤一：对原始陀螺角速度输出信号Xp采用EMD方法进行分解，获得不同频段IMF分量；步骤二：对步骤一中得到的不同频段的IMF分量利用K-S分布性检验方法进行相关性检验，判断不同频段的IMF分量是否是原始陀螺角速度输出信号的有效分量；步骤三：对步骤二中经过K-S方法检验过的IMF分量进行HHT变换，进而得到IMF分量的时频谱以及边际谱，结合时频谱上信号的能量与频率变化和边际谱上的信号频率分布判断系统运行过程中是否发生故障。本发明应用于信号处理领域。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.102 seconds)
