-
Patent Agency Ranking
公开(公告)号：CN111756353A
公开(公告)日：2020-10-09
申请号：CN202010535826.3
申请日：2020-06-12
Applicant: 杭州电子科技大学
IPC: H03H17/02 , G01F23/296
Abstract: 本发明涉及一种基于非线性融合滤波的液位仪噪声优化方法。本发明构建一个由线性卡尔曼模型和非线性无迹卡尔曼模型叠加的混合非线性系统融合模型。通过卡尔曼滤波器对线性部分估计得到最优估计和无迹卡尔曼滤波器对非线性部分进行估计，将原非线性滤波问题转化为一个多模型优化滤波估计问题。利用残差的似然函数确定两个滤波器的权重，将融合后的状态估计值和估计误差协方差进行迭代，对声波传感器液位仪模型在测量液面过程中的噪声进行滤波优化，提高了液位仪测量液位的精度。
-
公开(公告)号：CN111161189A
公开(公告)日：2020-05-15
申请号：CN201911407268.6
申请日：2019-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于细节弥补网络的单幅图像再增强方法。本发明是通过对图像进行分解，将其中的高频分量提出，再利用卷积网络强大的学习能力对其中的图像细节进行学习。它可以充分利用卷积层对局部空间相关性和高维特征的表达能力。为了更加充分训练模型，采取数据增强。最后对已采用传统方法增强的图像进行图像细节弥补。本发明所提出的方法具有较强的图像细节补充能力，提高了图像增强的效果。
-
公开(公告)号：CN111160650A
公开(公告)日：2020-05-15
申请号：CN201911401878.5
申请日：2019-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Adaboost算法的交通流特性分析与预测方法。本发明提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索，以解决神经网络易陷入局部最优的问题；并用Adaboost算法对优化过的神经网络集成，以解决神经网络对新样本集的泛化性能差问题，再此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布，使每个预测器最大程度提高网络预测精度。本发明可提高交通流预测精度对不同的交通流状态具有较好的适应性。
-
公开(公告)号：CN111756353B
公开(公告)日：2024-04-16
申请号：CN202010535826.3
申请日：2020-06-12
Applicant: 杭州电子科技大学
IPC: H03H17/02 , G01F23/296
Abstract: 本发明涉及一种基于非线性融合滤波的液位仪噪声优化方法。本发明构建一个由线性卡尔曼模型和非线性无迹卡尔曼模型叠加的混合非线性系统融合模型。通过卡尔曼滤波器对线性部分估计得到最优估计和无迹卡尔曼滤波器对非线性部分进行估计，将原非线性滤波问题转化为一个多模型优化滤波估计问题。利用残差的似然函数确定两个滤波器的权重，将融合后的状态估计值和估计误差协方差进行迭代，对声波传感器液位仪模型在测量液面过程中的噪声进行滤波优化，提高了液位仪测量液位的精度。
-
公开(公告)号：CN111160650B
公开(公告)日：2022-08-09
申请号：CN201911401878.5
申请日：2019-12-31
Applicant: 杭州电子科技大学 , 国网湖北省电力有限公司
Abstract: 本发明公开了一种基于Adaboost算法的交通流特性分析与预测方法。本发明提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索，以解决神经网络易陷入局部最优的问题；并用Adaboost算法对优化过的神经网络集成，以解决神经网络对新样本集的泛化性能差问题，再此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布，使每个预测器最大程度提高网络预测精度。本发明可提高交通流预测精度对不同的交通流状态具有较好的适应性。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
