-
公开(公告)号：CN113989015A
公开(公告)日：2022-01-28
申请号：CN202111192937.X
申请日：2021-10-13
申请人： 山西大学
摘要： 本发明属于信贷等级评估技术领域，具体涉及一种基于单调有序决策树集成的信贷等级评定方法。为了提高信贷等级评估问题和有序分类任务的性能，本发明提出使用有序抽样对信贷等级评估的训练集合进行扰动，该抽样方法充分利用序信息，通过抽取代表性样本生成与训练数据分布相近的衍生训练集，可大幅度降低训练集合的样本规模，进一步本发明结合现阶段最先进的基于辨识矩阵的约简方法，提供一种基于单调有序决策树集成的信贷等级评定方法。
-
公开(公告)号：CN117829252A
公开(公告)日：2024-04-05
申请号：CN202311773090.3
申请日：2023-12-21
申请人： 山西大学
IPC分类号： G06N3/092
摘要： 本发明公开了一种异构多智能体的层次化超图协同方法，属于人工智能技术领域。针对侧重于局部空间的两两交互，忽略了来自不同层次和视角相关联的信息，不能提高协同效率和整体性能问题，通过超图对群体进行层次化建模。根据群体最小划分标准，将在某一维度上具有相同特征的智能体聚集在一起，形成多个异构智能体子群。随后，按照相同的方法，在子群中进行递归操作。在构建的层次化超图中，采用遗憾最小化算法实现子群之间在局部观察状态下的均衡策略。通过反馈机制在子群内部实现协同一致性，从而有效提高群体协同过程中的效率和准确性。
-
公开(公告)号：CN116310337A
公开(公告)日：2023-06-23
申请号：CN202310278391.2
申请日：2023-03-21
申请人： 山西大学
IPC分类号： G06V10/26 , G06V10/774 , G06V10/762 , G06V10/50
摘要： 本发明属于图像分割技术领域，具体涉及一种基于多代表超像素的无监督图像分割方法。为解决现有无监督图像分割方法中适用性差、应用性不足、稳定性弱等问题，本方法包括：(1)计算输入图像的超像素划分；(2)计算超像素表示中每个像素块的特征表示；(3)计算超像素块的成对距离矩阵；(4)计算每个超像素块的局部密度；(5)计算每个超像素块的代表性；(6)选取代表性超像素块；(7)以代表性超像素块为指导进行图像预分割；(8)利用层次聚类合并相似分割区域得到最终图像分割结果。
-
公开(公告)号：CN118734111A
公开(公告)日：2024-10-01
申请号：CN202410872046.6
申请日：2024-07-01
申请人： 山西大学
IPC分类号： G06F18/23213 , G06F18/213 , G06F18/10 , G06F18/2131 , G06F18/22 , G06N3/0455 , G06N3/084
摘要： 本发明公开了一种基于样本稳定关系的电磁信号序列聚类方法，属于电磁信号处理和人工智能技术领域。针对传统聚类方法通常需要人工提取特征，且对噪声和异常值较为敏感，难以有效应对当前电磁信号数据量大且维度高的问题，通过对原始电磁信号序列数据进行预处理，将整段信号切割为多帧信号并获取每一帧信号的频谱幅值特征向量，然后对预处理后的数据添加高斯噪声，使用添加噪声的数据训练一个去噪自编码器，将输入数据映射到低维嵌入空间，最后使用编码器作为表示学习模块并将样本稳定关系作为优化目标对电磁信号序列进行聚类。本发明将样本稳定关系作为聚类的优化目标，能够有效地捕捉同一种电磁信号间的相似性和不同电磁信号间的差异性。
-
公开(公告)号：CN118034382A
公开(公告)日：2024-05-14
申请号：CN202410359952.6
申请日：2024-03-27
申请人： 山西大学
IPC分类号： G05D1/695 , G05D109/20
摘要： 本发明公开了一种基于多视角超图的无人机匹配编队方法，属于无人机智能控制技术领域。针对现有多数方法仅考虑初始位置或目标位置下的关系，没有从多视角融合的层面考虑初始位置与目标位置间关系，从而难以获取较优的匹配关系的问题。通过获取无人机的初始位置和目标位置，并对位置坐标进行规范化；构建多视角超图，输入无人机的初始位置坐标和目标位置坐标构建初始超图和目标超图；融合多视角超图，得到融合超图关系；使用匈牙利算法获取匹配路径；利用无人机飞行控制方法使无人机移动到目标位置。本发明建立在包含初始位置和目标位置关系权重的融合超图基础上，可充分考虑无人机的位置信息，在解决实际无人机匹配编队问题时有助于确定目标位置。
-
公开(公告)号：CN118171216A
公开(公告)日：2024-06-11
申请号：CN202410368135.7
申请日：2024-03-28
申请人： 山西大学
IPC分类号： G06F18/2433 , G06F18/22 , G06F18/214 , G06N3/048 , G06F123/02
摘要： 本发明公开了一种基于标准基尼指数构图的多维时序异常检测方法，属于时序异常检测技术领域。针对现有时序异常检测方法无法对离散值和连续值之间的关系进行学习的问题，通过在衡量传感器的相似度时，对连续型变量进行离散化处理，并通过计算两个传感器之间的标准基尼指数得到传感器之间的相似度值。传统的基尼指数存在多值偏向问题，即偏向于赋予取值较多、属性较高的分数，标准基尼指数能有效地缓解这一问题。标准基尼指数能有效地刻画取值种类不同的传感器之间的相似程度；且本发明给每个传感器一个嵌入向量，这个向量可以表示每个传感器的独特特征，在对数据进行重构时，将嵌入向量和相应的变换特征连接起来，能够更好的对原始数据进行重构。
-
公开(公告)号：CN114219898B
公开(公告)日：2024-04-16
申请号：CN202111572206.8
申请日：2021-12-21
申请人： 山西大学
摘要： 本发明公开了一种基于光学图像的选择性集成三维重建方法，该方法首先将待测物体高分辨率的图像序列经过不同焦点评价算子处理后得到多个初始深度图像，然后再利用选择性集成方法对深度图像序列进行剔除和融合，最终实现待测物体高精度的三维重建。本发明公开的方法可有效结合不同焦点评价函数的优点，实现不同三维重建方法的优势互补；同时，本发明提出的选择性条件可实现噪声类错误深度信息的精确滤除，有效提升待测物体三维重建结果的精度。
-
公开(公告)号：CN114219898A
公开(公告)日：2022-03-22
申请号：CN202111572206.8
申请日：2021-12-21
申请人： 山西大学
摘要： 本发明公开了一种基于光学图像的选择性集成三维重建方法，该方法首先将待测物体高分辨率的图像序列经过不同焦点评价算子处理后得到多个初始深度图像，然后再利用选择性集成方法对深度图像序列进行剔除和融合，最终实现待测物体高精度的三维重建。本发明公开的方法可有效结合不同焦点评价函数的优点，实现不同三维重建方法的优势互补；同时，本发明提出的选择性条件可实现噪声类错误深度信息的精确滤除，有效提升待测物体三维重建结果的精度。
-
公开(公告)号：CN217467694U
公开(公告)日：2022-09-20
申请号：CN202122481715.1
申请日：2021-10-13
申请人： 山西大学
发明人： 李飞江
摘要： 本实用新型公开了一种基于聚类的便携式实体图像分割显示装置，包括机箱、主机、垫片、触控显示器、提手、广角相机、照片固定卡槽、LED灯箱；所述主机固定于机箱右侧，在所述主机右侧设有散热格栅条，所述触控显示器固定于机箱的左前侧，并通过数据传输线和电线与主机相连，所述LED灯箱固定于机箱左后侧，所述LED灯箱顶端与底端分别铺设有LED灯带，通过电线与主机相连，所述LED灯箱内后侧设有用于固定照片的照片固定卡槽；所述广角相机固定于LED灯箱内前侧，并通过数据传输线和电线与主机相连。所述提手固定于机箱顶部，所述垫片固定于机箱底部。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.02 秒)
