-
Patent Agency Ranking
公开(公告)号：CN114187478A
公开(公告)日：2022-03-15
申请号：CN202111549551.X
申请日：2021-12-17
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于二级LVQ网络的流型分类方法，属于多相流检测技术领域，解决了大多数流型识别方法对效果的影响、计算量大、实时性和精度的问题。其包括以下步骤：步骤一、电容层析成像n电极模型建立；步骤二、以水平管道内气液两相流为例，将流型分类为层流、环状流、核心流、1/4层流、3/4层流、1/2层流，外加空管和满管；步骤三、由于电容样本数据类型多数据量冗杂，所以采取特征的方法对样本数据进行初步分类；步骤四、定义相应的特征参数10个；步骤五、第一级别网络输入辨识参数为tbr，将输入粗略划分为层流和其他流型；步骤六、第二级网络通过LVQ网络继续辨识识出1/4层流、1/2层流、3/4层流，另一部分辨识环状流、均匀流、核心流及满管流；步骤七、输出层采用数字编号，1～8分别代表8种流型类别。该8维矢量只有一个目标值为1，其余的值均为0，目标值为1即代表属于那种流型。该方法为多相流工业业检测提供了一个新方法，实现对管道内流型数据的准确分类。
-
公开(公告)号：CN113066172A
公开(公告)日：2021-07-02
申请号：CN202110428359.9
申请日：2021-04-21
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于云模型和神经网络的三维模型分类方法。本发明首先对三维模型进行特征提取并降维，然后利用云模型将三维模型的特征转换为云模型表征的定性概念，最后使用三维模型的云模型特征与模型类别训练小波神经网络。将三维模型的云特征输入到训练好的小波神经网络模型，并进行分类。本发明提供准确高效的三维模型分类方法。
-
公开(公告)号：CN114187378A
公开(公告)日：2022-03-15
申请号：CN202111549597.1
申请日：2021-12-17
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于一维卷积神经网络的电容层析图像重建方法，该方法属于电容层析成像领域，由于电容层析成像系统的电容独立测量的数量少，因此研发一种基于一维卷积神经网络的电容层析图像重建方法，进而更好地读取数据特征，其包括步骤如下：步骤1构建12电极电容层析成像系统模型，通过有限元仿真获得六种典型流型的样本，得到66个独立电容值；步骤2将步骤1得到的电容值结果，将其归一化后作为一维卷积神经网络的输入；步骤3将步骤2得到的数据进行卷积，网络含有两个卷积层，快速提取特征，降低特征维度；步骤4将步骤3卷积后的数据经池化层，将特征下采样2倍；步骤5经过步骤4通过全连接层实现对特征的分类或回归；步骤6输出层输出重建图像各像素的灰度值。本发明的有益效果是提高电容层析成像的图像精度，使其更接近真实图像。
-
公开(公告)号：CN114187641A
公开(公告)日：2022-03-15
申请号：CN202111549666.9
申请日：2021-12-17
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于GCSLBP与DBN的人脸识别方法。本发明首先改进了原始的Gabor变换，通过引入中心对称局部二值模式方法进行优化，然后利用直方图的方法表示最终的特征向量，既提取到图像丰富的局部特征，又能降低特征向量维数。最后使用深度信念网络方法提高分类鲁棒性，完成人脸的分类和识别。本发明在人脸的分类和识别方面具有较好的效果。
-
公开(公告)号：CN113066187A
公开(公告)日：2021-07-02
申请号：CN202110421908.X
申请日：2021-04-20
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于形状形状和卷积神经网络的三维模型分类方法。本发明提取三维模型的形状特征向量D1和D2，用于表达三维模型的形状特征，将其视为一个向量序列作为输入传递到卷积神经网络，卷积神经网络将这些特征向量进行特征提取，最后，利用Softmax分类层完成三维模型的分类。本发明在三维模型分类方面具有较好的效果。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
