-
公开(公告)号：CN112084035B
公开(公告)日：2024-04-30
申请号：CN202010993439.4
申请日：2020-09-21
申请人： 西安理工大学
摘要： 本发明涉及一种基于蚁群算法的任务调度方法及系统，方法包括：确定虚拟机执行任务的成本约束函数以及时间约束函数；根据所述成本约束函数以及所述时间约束函数构建目标函数；初始化蚁群算法的参数，确定改进后的蚁群算法；根据所述改进后的蚁群算法计算所述目标函数的最优解，所述最优解表示任务调度结果。本发明通过构造任务成本与时间的约束函数，再通过改进的蚁群算法计算其最优解，可以快速、准确的进行任务调度。
-
公开(公告)号：CN112069592B
公开(公告)日：2024-03-26
申请号：CN202010807380.5
申请日：2020-08-12
申请人： 西安理工大学
摘要： 本发明公开了一种航天器外弹道跟踪测速数据特征点识别方法，具体为：首先，对航天器外弹道跟踪测速数据进行降采样，得到降采样数据；再对降采样数据进行四次后项差分；之后利用莱特准则设置阈值得到疑似特征点；最后对疑似特征点进行聚类分析得到估计特征点。本发明通过降采样步骤扩展了样本数据量，克服了航天器外弹道跟踪测速数据在一次飞行任务中样本数量有限的固有缺陷，提高了特征点识别的鲁棒性和准确性；通过多次差分操作消除了数据本身带的趋势项；通过设定双阈值将特征点从正常数据点和野值点中识别出来，克服了野值对特征点识别的干扰。
-
公开(公告)号：CN109615121B
公开(公告)日：2024-01-23
申请号：CN201811423659.2
申请日：2018-11-27
申请人： 西安理工大学
IPC分类号： G06F18/2411 , G06F30/20
摘要： 本发明公开的基于数据驱动支持向量机的高速列车车轴温度预测方法：首先，通过传感器采集车轴温度与影响车轴温度变化的因素，并对采集到的实时数据进行数据预处理；其次，利用互信息和皮尔逊相关系数得到车轴温度与其他影响车轴温度变化的因素的相关性，筛选出与车轴温度变化相关性大的因素以及相关性小的因素；然后，利用支持向量回归机选择用于车轴温度预测模型的核函数，建立车轴温度预测模型；最后，将待测数据代入建立的车轴温度预测模型中，得到车轴温度的预测值。本发明公开的方法能够分析出对车轴温度变化影响显著的因素，可以为轴温报警器工作提供理论支持，同时保障列车的安全运行。
-
公开(公告)号：CN116028810A
公开(公告)日：2023-04-28
申请号：CN202211709537.6
申请日：2022-12-29
申请人： 西安理工大学
IPC分类号： G06F18/214 , G06F18/25 , G06Q10/04
摘要： 本发明公开了一种数据和模型融合的小样本退化量预测方法，首先通过传感器或者设备记录仪获取关键设备在运行过程中的退化样本D；让通过归一化方法对退化样本进行处理，并将样本划分为退化训练样本及退化测试样本；通过神经网络学习关键设备每一时刻对应的训练样本退化量，得到编码后的退化量与不同时刻的关系函数hi；利用聚合器对不同时刻的关系函数hi进行整合，并计算整合后函数的均值与方差，对均值与方差进行采样，得到隐变量z；最后通过神经网络学习隐变量z与退化测试样本的函数g，得到关键设备退化量预测值。本发明解决了现有技术中存在的单一传统随机过程及神经网络方法对退化量建模及预测效果较差的问题。
-
公开(公告)号：CN109726517B
公开(公告)日：2022-12-02
申请号：CN201910099927.8
申请日：2019-01-31
申请人： 西安理工大学
摘要： 本发明公开了一种基于多变量关联数据的设备剩余寿命预测方法，首先分析设备状态监测数据与剩余寿命之间的相关性；然后对具有相关性的状态监测数据选用主成分分析算法进行降维处理；最后采用长短时记忆网络搭建剩余寿命预测模型并进行剩余寿命预测。本发明解决了现有技术中存在的基于多传感器关联数据的退化模型建模难度大、模型复杂、参数辨识困难的问题。
-
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：CN111915881B
公开(公告)日：2022-09-02
申请号：CN202010529619.7
申请日：2020-06-11
申请人： 西安理工大学
摘要： 本发明公开了一种基于变分自动编码器的小样本交通流量预测方法，首先通过路段摄像头或者检测器采集在道路中运行的真实交通流量x；然后通过VAE网络将真实交通流量x编码为隐变量z；通过VAE网络将隐变量z解码为重构真实交通流量x'；最后将真实交通流量x与重构真实交通流量x'输入至Encoder‑Decoder端对端框架，得到输入的数据与Encoder‑Decoder端对端框架中Encoder模块中的RNN单元隐藏层结果之间的映射关系；进而预测未来交通流量。本发明解决了现有技术中存在的交通流量数据检测样本较小导致交通流量预测准确度较低的问题。
-
公开(公告)号：CN114897065A
公开(公告)日：2022-08-12
申请号：CN202210489408.4
申请日：2022-05-06
申请人： 西安理工大学
摘要： 本发明公开了基于单元与多元融合预测模型的高速列车节能驾驶策略，首先需要将原始数据根据操作手柄级位进行分类，采用欠采样法对数据集进行随机采样，得到均衡数据集，经过基于梯度提升算法的包裹式特征选择算法去除均衡数据集中的冗余特征得到训练集，最后将经过特征选择之后的训练集输入单元与多元融合预测模型中对其进行训练。测试集选择一条包含所有操作手柄级位的路线，将数据进行和训练集一样的处理后，输入训练好的模型对其操作手柄级位进行预测，经过反复训练以及优化，最终得到节能策略。在今后的列车驾驶中可以使用本发明中的策略，不仅达到了节能的效果，而且成本低，符合国家对高速列车驾驶的要求。
-
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：CN112685515B
公开(公告)日：2022-08-12
申请号：CN202110025365.X
申请日：2021-01-08
申请人： 西安理工大学
IPC分类号： G06F16/28 , G06F16/245
摘要： 本发明公开了一种基于D‑SMOTE的离散数据过采样方法，具体按照以下步骤实施：步骤1、通过人为或记录仪记录交通事故样本；步骤2、确定所述步骤1得到的事故样本中的最多类样本与多个少类样本，并通过随机选取方式确定三角闭环空间；步骤3、计算所述步骤2中最多类样本与多个少类样本之间的比值λ，将该比值作为少类样本的采样倍率；步骤4、通过改进插值公式，产生带有离散特征的少类样本数据。本发明有助于提高交通事故严重程度数据集质量，为道路安全决策提供依据。
-
-
-
-
-
-
-
-
-
搜索结果
141 条记录 (耗时 0.053 秒)
