-
公开(公告)号：CN117687888A
公开(公告)日：2024-03-12
申请号：CN202410051808.6
申请日：2024-01-12
Applicant: 重庆大学 , 北京首创生态环保集团股份有限公司 , 北京水星环境有限公司
Abstract: 本发明公开了一种小城镇污水厂过程模拟模型的快速校准方法，涉及污水处理领域，包括以下步骤：S1：基于GPS‑X的小城镇污水处理系统概化模型建立；S2：参数灵敏度分析；S3：利用python脚本重复运行不同参数的正交组合的动态模拟；S4：收集各评价指标值并进行归一化处理并根据计算结果选择最优参数组合；S5：对校正模型验证和评价。该方法选取灵敏度分析得到对模型影响较大的参数，设定各参数取值范围，在取值范围内均匀选取各水平，通过进行不同参数不同水平的正交实验，得到最优拟合度的参数取值，实现对模型的自动校准。
-
公开(公告)号：CN109344767A
公开(公告)日：2019-02-15
申请号：CN201811148970.0
申请日：2018-09-29
Applicant: 重庆大学
Abstract: 本申请公开了一种基于多方位多特征协同表示的SAR目标识别方法，本发明首次通过挖掘相邻SAR图像的方位相关性，对传统的协同表示算法进行改进，提出了一种新的多方位CRC算法，该方法综合了不同特征的判别能力，融合了各种特征的多方位CRC决策结果，更加适用于SAR图像目标分类。此方法不仅保留了协同表示操作简单的优点，同时也提高了SAR目标分类的准确度，并且其抗噪声能力和对各参数变化的鲁棒性都很优越。
-
公开(公告)号：CN106096505B
公开(公告)日：2019-04-26
申请号：CN201610368684.X
申请日：2016-05-28
Applicant: 重庆大学
Abstract: 本发明提供了一种基于多尺度特征协同表示的SAR目标识别方法，其利用SAR图像的多尺度特征，结合协同表示分类识别方法，采用的规则化最小均方协同表示模型，和L1范数约束下的稀疏表示识别算法相比，能够充分利用所有类别训练样本的信息，并且计算复杂度大大降低；而多尺度特征显著降低了特征维数，并且保留了原始SAR目标图像中的鉴别特征信息；实验结果表明，本发明识别方法的正确识别率可以达到96.93%，能够很好的确保针对SAR图像具有较好的目标识别准确性，并且，本发明识别方法的识别处理效率很高，整个识别过程的耗时远低于稀疏表示分类识别方法，能够在确保识别准确性的同时有效提升识别处理效率。
-
Patent Agency Ranking
公开(公告)号：CN105373809A
公开(公告)日：2016-03-02
申请号：CN201510752844.6
申请日：2015-11-06
Applicant: 重庆大学
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本发明提供了一种基于非负最小二乘稀疏表示的SAR目标识别方法，其基于SAR图像的频谱特征作为识别特征，通过将测试样本投影到训练集上，在稀疏投影的过程中添加了非负约束，避免了因稀疏表示中的稀疏系数有正有负导致稀疏表示的数学描述不符合实际而对雷达目标识别造成干扰，同时使得稀疏解能更有效的反映目标在高维空间中的低维结构，通过稀疏重构过程来确定测试样本的类别，实现对雷达目标的识别，从而提高识别率，同时避免了对SAR图像目标进行方位角估计以及散焦或者信噪比等因素对目标识别造成的干扰，具有很好的噪声鲁棒性，能够有效提升雷达目标识别的准确性。
-
公开(公告)号：CN117875781A
公开(公告)日：2024-04-12
申请号：CN202410055669.4
申请日：2024-01-12
Applicant: 重庆大学 , 北京首创生态环保集团股份有限公司 , 北京水星环境有限公司
IPC: G06Q10/0639 , G06Q10/067 , G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06Q50/26 , G06F30/20 , G06F113/08
Abstract: 本发明公开了一种基于过程模拟的城镇污水厂运行效能优化调控方法，涉及水环境保护技术领域，其特征在于，所述方法包括以下步骤：步骤1、分析城镇污水处理厂的工艺参数及进出水水质指标现状；步骤2、建立概化模型；步骤3、分析进水组分；步骤4、分析参数灵敏度；步骤5、对模型进行校正与验证；步骤6、对运行效能的工艺参数进行分析。本发明基于建立并校验的城镇污水工艺模型，选取各工艺单元的溶解氧、回流比、工艺的污泥龄、药剂投加量作为分析因素，以单因素、双因素分析其对出水水质的影响，通过设计多因素正交实验，找出对污水厂出水指标的影响较大的工艺运行参数，运行多场景模拟，为实际运行调控提供参考。
-
公开(公告)号：CN109344767B
公开(公告)日：2021-09-28
申请号：CN201811148970.0
申请日：2018-09-29
Applicant: 重庆大学
Abstract: 本申请公开了一种基于多方位多特征协同表示的SAR目标识别方法，本发明首次通过挖掘相邻SAR图像的方位相关性，对传统的协同表示算法进行改进，提出了一种新的多方位CRC算法，该方法综合了不同特征的判别能力，融合了各种特征的多方位CRC决策结果，更加适用于SAR图像目标分类。此方法不仅保留了协同表示操作简单的优点，同时也提高了SAR目标分类的准确度，并且其抗噪声能力和对各参数变化的鲁棒性都很优越。
-
公开(公告)号：CN105373809B
公开(公告)日：2018-10-09
申请号：CN201510752844.6
申请日：2015-11-06
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于非负最小二乘稀疏表示的SAR目标识别方法，其基于SAR图像的频谱特征作为识别特征，通过将测试样本投影到训练集上，在稀疏投影的过程中添加了非负约束，避免了因稀疏表示中的稀疏系数有正有负导致稀疏表示的数学描述不符合实际而对雷达目标识别造成干扰，同时使得稀疏解能更有效的反映目标在高维空间中的低维结构，通过稀疏重构过程来确定测试样本的类别，实现对雷达目标的识别，从而提高识别率，同时避免了对SAR图像目标进行方位角估计以及散焦或者信噪比等因素对目标识别造成的干扰，具有很好的噪声鲁棒性，能够有效提升雷达目标识别的准确性。
-
公开(公告)号：CN106096505A
公开(公告)日：2016-11-09
申请号：CN201610368684.X
申请日：2016-05-28
Applicant: 重庆大学
CPC classification number: G06K9/0063 , G06K9/6267
Abstract: 本发明提供了一种基于多尺度特征协同表示的SAR目标识别方法，其利用SAR图像的多尺度特征，结合协同表示分类识别方法，采用的规则化最小均方协同表示模型，和L1范数约束下的稀疏表示识别算法相比，能够充分利用所有类别训练样本的信息，并且计算复杂度大大降低；而多尺度特征显著降低了特征维数，并且保留了原始SAR目标图像中的鉴别特征信息；实验结果表明，本发明识别方法的正确识别率可以达到96.93%，能够很好的确保针对SAR图像具有较好的目标识别准确性，并且，本发明识别方法的识别处理效率很高，整个识别过程的耗时远低于稀疏表示分类识别方法，能够在确保识别准确性的同时有效提升识别处理效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
