-
公开(公告)号：CN118799226A
公开(公告)日：2024-10-18
申请号：CN202410809606.3
申请日：2024-06-21
申请人： 西安理工大学
IPC分类号： G06T5/73 , G06V10/84 , G06V10/774 , G06V10/80 , G06N3/042 , G06N3/0464
摘要： 本发明公开了基于图卷积神经网络和注意力金字塔的遥感图像全色锐化方法，首先、将原始数据划分为训练数据和测试数据，生成相应的数据集并进行预处理；构建基于图卷积神经网络和注意力金字塔的全色锐化网络模型；然后对基于图卷积神经网络和注意力金字塔的全色锐化网络模型进行训练；利用训练好的基于图卷积神经网络和注意力金字塔的全色锐化网络模型对测试数据进行融合；最后对融合图像质量进行评估。本发明旨在解决现有技术中遥感图像特征提取过程中对所有特征一视同仁，未能充分考虑特征之间的重要性差异，导致重要特征被忽视，从而影响了锐化效果的问题。
-
公开(公告)号：CN115100093A
公开(公告)日：2022-09-23
申请号：CN202210903636.1
申请日：2022-07-28
申请人： 西安理工大学
摘要： 本发明公开了一种基于梯度滤波的医学图像融合方法，首先输入两张已配准的多模态灰度医学图像，然后进行增强，设置阈值函数区分边缘和纹理的细节或噪声，并分解为近似层和残差层；然后近似层图像采用一种能量属性的低频融合策略得到近似层图像，残差层采用一种参数自适应的脉冲耦合神经网络的高频融合策略得到残差层图像；最后将近似层和残差层的融合子图像重建获得最终的融合图像。本发明解决了现有技术中存在的融合图像因为没有考虑对比度和噪点导致目标的融合图像不清晰，而通过基于模糊梯度阈值函数和全局优化的梯度滤波器分解原图像，融合时考虑不同尺度特征来保存良好的对比度和详细信息，有效降低边缘模糊和噪声造成的影响。
-
公开(公告)号：CN115082344A
公开(公告)日：2022-09-20
申请号：CN202210747819.9
申请日：2022-06-29
申请人： 西安理工大学
摘要： 本发明公开了一种基于细节注入的双分支网络全色锐化方法，首先将原始数据划分为训练、验证和测试数据，生成相应的数据集并进行预处理；然后构建基于细节注入的双分支全色锐化网络模型；对基于细节注入的双分支全色锐化网络模型进行训练；利用训练好的网络模型对测试数据进行融合；最后对融合图像质量进行评估。本发明对于不同类别的源图像，采用不同的独立子网络进行特征提取，并在特征融合的过程中不断地利用提取的特征图，弥补融合过程中丢失的信息同时促进信息流动；解决了现有方法没有充分利用两类源图像中的特有信息及模型可解释性不强导致的融合结果性能不高的问题。
-
公开(公告)号：CN114896782A
公开(公告)日：2022-08-12
申请号：CN202210491605.X
申请日：2022-04-29
申请人： 西安理工大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种基于多重融合插补的连续缺失数据恢复方法，首先建立考虑观测缺失的多速率异步采样多传感器模型，结合各传感器间多速率异步测量的特性，对传感器监测数据进行实时划分；然后通过一步状态预测、多步状态预测、回归缺失预测与同类均值插补对缺失状态进行恢复，得到四类恢复结果；最后基于极大似然估计评估准则计算待恢复数据的融合系数，得到缺失数据的融合插补结果。本发明解决了现有技术中存在的传感器故障、通讯延迟、传输性能限制等不利因素造成的监测数据连续缺失难题，建立了基于多重融合插补的连续缺失数据恢复框架，提高了传感器状态监测准确度。
-
公开(公告)号：CN113657012A
公开(公告)日：2021-11-16
申请号：CN202110827199.5
申请日：2021-07-21
申请人： 西安理工大学
IPC分类号： G06F30/25 , G06F16/2458 , G06Q50/04 , G06F119/04 , G06F119/12
摘要： 本发明公开了一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，首先获取关键设备的监测数据值Ci，由此构成一组关键设备监测数据C＝{C1,C2,...,Cn}；将监测数据C用EMD技术分解成一个残余序列r(t)和两个本征模态函数IMFs(t)；对于分解后得到的残余序列，用TCN网络进行预测，得到残余序列的预测结果；对于分解后得到的IMFs(t)，用PF算法进行预测，得到IMFs(t)的预测结果；然后将得到的预测结果相加融合，从而计算出关键设备的剩余寿命预测结果。本发明消除了建立单一模型对关键设备进行剩余寿命预测时精度不高的的影响，建立了更加精确的混合模型，提高了模型的预测精度。
-
公开(公告)号：CN109884893B
公开(公告)日：2021-09-10
申请号：CN201910152331.X
申请日：2019-02-28
申请人： 西安理工大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种多工序变量间动态时滞估计方法，首先将数据库中数据分为输入数据和输出数据两类，其中，输入数据即辅助变量，输出数据即主导变量；然后对数据库中训练数据集求得输入数据相对于中间变量的时滞参数集以及输入数据相对于输出数据、中间变量相对于输出数据的时滞参数集；最后以输入数据相对于中间变量的时滞参数集为输入，以输入数据相对于输出数据、中间变量相对于输出数据的时滞参数集为输出，即得到多工序变量间动态时滞参数预测模型，在线求取输入相对于输出的时滞参数，并代入该预测模型中，实时获得输入输出的时滞参数，本发明使得软测量的结果更加可靠，有利于工厂监测数据，保持工厂稳定运行。
-
公开(公告)号：CN118779700A
公开(公告)日：2024-10-15
申请号：CN202410856659.0
申请日：2024-06-28
申请人： 西安理工大学
IPC分类号： G06F18/24 , G06F18/214 , G06F17/18 , G06N3/0455 , G06N3/0442 , G06N3/084
摘要： 本发明公开了基于Transformer的轨道不平顺检测方法，首先获取铁路线路上的轨道不平顺数据与相对应的列车空间姿态数据，对该数据进行时间窗口法处理与数据标准化，构建轨道不平顺数据集，并将该数据集按照7：2：1的比例划分为训练集、验证集与测试集。然后构建Transformer模型与轻量化解码器对Transformer模型进行参数训练，当模型在验证集上的损失函数达到最小时候，记录下当前模型的全部参数值；利用Transformer模型对测试集数据进行轨道不平顺检测；最后构建评价指标，本发明解决了传统检测方法依赖高精度传感器导致的成本高问题，以及数据方法中序列神经网络难以处理长序列轨道数据的问题。
-
公开(公告)号：CN113820132B
公开(公告)日：2023-09-05
申请号：CN202111004536.7
申请日：2021-08-30
申请人： 西安理工大学
IPC分类号： G01M13/045 , G06F17/15 , G06F17/16 , G06F17/18
摘要： 本发明公开了一种基于多尺度散布熵构造阈值的故障报警方法，首先导入滚动轴承整个生命周期从正常状态到发生故障到最终完全失效的带工况标记的振动信号；然后将振动数据划分为G个数据段，对所有数据段进行多尺度散布熵值计算，将所有数据段的MDE值存入长度为G的一维向量W，选取一个MDE值记为S作为报警阈值设定在系统中，使用自回归模型对轴承未来一段时间的振动信号进行预测，当预测出的振动信号段的MDE值大于报警阈值S则报警，预测出的振动信号段的MDE值小于报警阈值S则进行下一阶段的MDE值计算；导入实际的正常工况和故障工况的轴承振动信号段进行步骤2多尺度散布熵值计算，进而选取具体的报警阈值S，本发明解决了现有技术中存在的故障漏报以及故障误报的问题。
-
公开(公告)号：CN115147742A
公开(公告)日：2022-10-04
申请号：CN202210778135.5
申请日：2022-06-29
申请人： 西安理工大学
IPC分类号： G06V20/17 , G06V10/764 , G06V10/58 , G06V10/774 , G06V10/48 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于3D深度卷积神经网络的小样本高光谱图像分类方法，首先将高光谱数据作为一个整体输入，划分数据为训练集train以及测试集test；然后构建3D CNN的深度学习网络模型，确定各层卷积核的大小、卷积核的个数、全连接层的个数，确定损失函数及其超参数；将高光谱数据的训练集train输入到3D CNN的深度学习网络模型中，实现特征提取；将提取到的特征，输入到分类器中学习特征，训练参数，确定网络模型；最后对测试样本测试，实现对高光谱数据每个像素点的分类。本发明通过构建3D CNN的深度学习模型，学习数据内部的信息结构，可对高光谱数据中的像素点进行分类。
-
公开(公告)号：CN111709914B
公开(公告)日：2022-04-22
申请号：CN202010461505.3
申请日：2020-05-27
申请人： 西安理工大学
摘要： 本发明公开了一种基于HVS特性的无参考图像质量评价方法，首先将图像数据库中的失真图像分为训练图像集和测试图像集，然后提取训练图像集和测试图像集的显著性区域，将训练图像集和测试图像集中的每幅图像划分为易引起视觉注意的显著性区域和不易引起人眼关注的非显著性区域；最后对训练图像集和测试图像集中的每幅图像进行分块，分别对训练图像集中显著性区域的图像块和非显著性区域的图像块提取自然统计特征，将测试集图像中提取的统计特征输入支持向量机SVM中进行回归预测获得分数，分数越高表明图像质量越好。本发明使得图像质量评价的结果更好的拟合人类视觉系统特性。
-
-
-
-
-
-
-
-
-
搜索结果
38 条记录 (耗时 0.028 秒)
