-
公开(公告)号：CN112597890A
公开(公告)日：2021-04-02
申请号：CN202011533736.7
申请日：2020-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多维泰勒网的人脸识别方法。本发明中多维泰勒网的构建过程是通过对神经网络结构激活函数进行泰勒展开，其次对激活函数的泰勒展开进行线性组合得到网络输出，最终通过最小化损失函数得到目标函数最优解。通过ORL人脸数据集的仿真测试，利用PCA以及2DPCA算法提取的特征脸作为网络输入，验证了本发明的有效性。
-
公开(公告)号：CN112489075B
公开(公告)日：2024-02-06
申请号：CN202011396814.3
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征函数的序惯式多传感器融合滤波方法，本发明通过对多个传感器采用序惯式的设计方式，将上一时刻到达融合中心的传感器的状态估计值，作为下一时刻到达融合中心的传感器的状态预测值，对传来的信息，来一组数据就处理一组数据，先到先融合，并充分考虑到信息的丢包现象，时间成本较低。通过序惯式融合方式，可以在很大程度减少因丢包现象而导致的滤波估计误差，序惯式设计考虑到了信息的实时更新和继承的特性，能够得到较高的估计精度，能在非线性系统甚至强非线性系统中得到很好的应用。
-
公开(公告)号：CN112489075A
公开(公告)日：2021-03-12
申请号：CN202011396814.3
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征函数的序惯式多传感器融合滤波方法，本发明通过对多个传感器采用序惯式的设计方式，将上一时刻到达融合中心的传感器的状态估计值，作为下一时刻到达融合中心的传感器的状态预测值，对传来的信息，来一组数据就处理一组数据，先到先融合，并充分考虑到信息的丢包现象，时间成本较低。通过序惯式融合方式，可以在很大程度减少因丢包现象而导致的滤波估计误差，序惯式设计考虑到了信息的实时更新和继承的特性，能够得到较高的估计精度，能在非线性系统甚至强非线性系统中得到很好的应用。
-
公开(公告)号：CN112488213A
公开(公告)日：2021-03-12
申请号：CN202011399868.5
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络多尺度分类方法。本发明首先构建训练集和测试集图片，并且给每张图片添加正负标签。其次利用多尺度方法中的下采样运算方法将火灾图像划分为不同尺度的图像块集合。再次分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应着一个尺度的火灾图像。利用多个尺度的火灾图像作为训练数据，对图像像素值进行归一化处理，再分别代入上一步的卷积神经网络模型中进行特征提取。最后将所提取的多尺度的火灾图像的特征进行融合，利用融合的特征对图像进行分类并与标签进行比对。本发明在一定程度上扩充了训练集的数量，还可以提取不同尺度的图片特征，提升了网络训练的效果和图片分类的准确度。
-
-
-
Search Results
4
records
(took 0.019 seconds)
