一种基于卷积层间关系的注意力机制方法

    公开(公告)号:CN113554151B

    公开(公告)日:2024-03-22

    申请号:CN202110768001.0

    申请日:2021-07-07

    Abstract: 一种基于卷积层间关系的注意力机制方法,首先,通过全局平均池化分别获取前一层和当前层的通道权重信息;然后,利用矩阵乘法计算两个权重向量之间的关系得到关系矩阵;其后,对关系矩阵经过两层1×1卷积层训练;最后,将训练后的关系矩阵进行列平均得到当前层关于前一层的全局权重信息,再作用于当前层的输出以自适应调节输出特征信息的重要性。本发明计算代价小、模型学习能力强。

    基于SURF特征匹配的高压隔离开关定位与状态识别方法

    公开(公告)号:CN116109849A

    公开(公告)日:2023-05-12

    申请号:CN202211735903.5

    申请日:2022-12-30

    Abstract: 一种基于SURF特征匹配的高压隔离开关定位与状态识别的方法,首先通过SURF特征匹配方法配合基于汉明距离的图像相似性度量精准定位开关位置,通过感知哈希算法作为相似判定测度准确识别开关状态。采用DCT来降低频率,精确度高于平均哈希算法和差值哈希算法,以达到高压开关状态识别在精确性方面的要求,并且在计算速度方面,在保证鲁棒性和匹配精度的情况下,采用SURF算法比SIFT算法在速度上更快,采用汉明距离计算快于欧几里得距离计算,并且继承了对于光照、角度等实际环境的影响具有较好的适应性的特点,克服现有高压开关状态识方法在样本量、计算代价、精确性方面的不足的问题,对开关的定位与识别具有较高的准确度。

    一种基于Loop区域高斯扰动的群体蛋白质结构预测方法

    公开(公告)号:CN109326318B

    公开(公告)日:2021-05-18

    申请号:CN201810762501.1

    申请日:2018-07-12

    Abstract: 一种基于Loop区域高斯扰动的群体蛋白质结构预测方法,首先,通过种群初始化得到全局搜索的构象;然后通过交叉操作,交叉种群中个体Loop区域的部分;其次,对交叉后的种群和初始种群合并到一起挑选出能量较小的个体,使用高斯分布的二面角来对构象的Loop区域扰动,并使用玻尔兹曼概率判断是否接收;最后使用聚类算法对输出的最后一代种群聚类,得到最终的蛋白质三级结构。本发明提供一种预测精度较高的基于Loop区域高斯扰动的群体蛋白质结构预测方法。

    一种基于GIS的公交路径规划方法

    公开(公告)号:CN108647221B

    公开(公告)日:2020-10-30

    申请号:CN201810238712.5

    申请日:2018-03-22

    Abstract: 一种基于GIS的公交路径规划方法,首先,针对公交路径问题,对分析现阶段公交由于路径规划不合理而引起的延时到站、超载、拥堵、公交重复率高和乘客坐车难等弊端,以及车容量、道路状况、人口密度分布的一系列影响因子,针对获取整个城市的矢量地图和数据,建立道路网络数据集;其次,借助GIS的空间网络分析技术,结合Dijkstra蚁群混合优化算法,建立科学合理的公交路径方法。本发明提供一种使乘客出行效率较高的公交路径规划方法。

    一种基于GIS的学生上课考勤方法

    公开(公告)号:CN109255850A

    公开(公告)日:2019-01-22

    申请号:CN201810763156.3

    申请日:2018-07-12

    Abstract: 一种基于GIS的学生上课考勤方法,首先,针对学生考勤问题,对分析传统考勤方法中存在的效率低、灵活性差、不能直观可视化和耽误上课时间的缺点,以及根据教师的信息数据、学生的信息数据、班级的信息数据和课程信息数据,构建出校园的三维模型图;其次,利用移动终端的GIS的三维可视化功能,提出一种便捷、可视化强、实时和高效地查看学生的出勤情况的考勤方法。本发明提供一种使考勤数据准确、效率高的学生上课考勤方法。

    一种基于阶段性多策略的群体构象空间采样方法

    公开(公告)号:CN105808973B

    公开(公告)日:2018-06-01

    申请号:CN201610121504.8

    申请日:2016-03-03

    Abstract: 一种基于阶段性多策略的群体构象空间采样方法,包括以下步骤:在差分进化算法框架下,将整个算法过程分为多个阶段,对每个阶段设置一组策略池,当算法达到某个阶段时,从其对应的策略池中,随机选取一个策略,基于片段组装技术,生成新的测试构象个体,从而提高构象采样能力和算法的收敛速度;同时在构象选择环节引入距离谱约束,当测试构象的能量高于目标构象时,则比较两者的距离差,若测试个体的距离差较小,则以一定的概率接受测试构象,从而引导算法采样得到能量更低且结构更合理的构象,提高算法的预测精度。

    一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法

    公开(公告)号:CN106503484A

    公开(公告)日:2017-03-15

    申请号:CN201610845314.0

    申请日:2016-09-23

    CPC classification number: G06N3/126 G16B15/00

    Abstract: 一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法,首先,计算当前种群中各构象个体到新构象的距离,并根据距离进行升序排列;然后,选取新构象个体的部分邻近构象个体抽象凸下界估计支撑面,以获取新构象个体的能量下界估计值;其次,计算所有新构象个体的能量下界估计值与实际能量值之间的平均估计误差,并根据平均估计误差的变化将整个算法分为多个优化阶段;最后,根据上一次迭代中的平均估计误差判断当前迭代所处的阶段,并对各阶段设计不同的策略生成新构象个体。本发明提出一种预测精度高、计算代价低的基于群体抽象凸估计的多阶段差分进化蛋白质结构预测方法。

    一种基于种群拥挤度识别的差分进化蛋白质结构预测方法

    公开(公告)号:CN106407738A

    公开(公告)日:2017-02-15

    申请号:CN201610219417.6

    申请日:2016-04-08

    CPC classification number: G16B15/00

    Abstract: 一种基于种群拥挤度识别的差分进化蛋白质结构预测方法,在差分进化算法(DE)的框架下,首先,对输入的查询序列进行随机片段组装,生成具有多样化折叠类型的初始构象种群;然后,依次选取种群中的个体作为目标个体,随机选取和目标个体不一样的两个个体进行变异、交叉生成测试个体,根据Rosetta Score3能量函数选取能量较低的个体更新种群;之后,依次对种群中每个个体进行种群相似度比较,根据种群拥挤度因子对拥挤的种群进行变异操作提高种群多样性;在多样性种群个体的指导下避免了算法陷入局部最优,提高了采样效率,预测得到精度更高的诱导构象;在种群拥挤度识别差分进化的指导下,通过不断更新种群获得一系列亚稳态构象。

    一种基于DFP算法和差分进化的分层全局优化方法

    公开(公告)号:CN105760929A

    公开(公告)日:2016-07-13

    申请号:CN201610139473.9

    申请日:2016-03-11

    CPC classification number: G06N3/006

    Abstract: 一种基于DFP算法和差分进化的分层全局优化方法,DE算法的全局探测能力强,但后期收敛速度很慢,而DFP算法具有较高的局部搜索效率,鉴于此,将DFP算法与DE算法相结合,当种群适应度不再下降时,利用当前种群的梯度信息,可加速种群向全局最优点的收敛,从而解决算法在全局探测能力与快速收敛能力之间的平衡问题。本发明的方法前期采用DE算法用以全局探测;算法进行到后期,对当前种群所有个体进行一次上层为DE算法而下层为DFP算法的两层优化,加快算法局部收敛速度,达到提高算法搜索效率这一目的。

Patent Agency Ranking