-
公开(公告)号：CN109579853B
公开(公告)日：2021-02-26
申请号：CN201910067512.2
申请日：2019-01-24
Applicant: 燕山大学
Abstract: 本发明公开了基于BP神经网络的惯性导航室内定位方法，包括运动数据采集与预处理阶段、离线训练阶段和实时定位阶段。数据采集是通过左、右脚腕可穿戴设备采集人员两脚腕处运动数据、人员身高和步长；数据预处理是利用多传感器信息融合处理得到7个神经网络输入数据‑左、右腿部姿态角变化量θ1和θ2、脚腕处加速度均值average、方差variance、左、右脚步伐持续时间time1和time2以及身高stature；离线训练阶段包括：建立神经网络步长估计模型；将7个输入数据和步长数据输入神经网络进行训练；实时定位阶段包括：右脚腕可穿戴设备内部进行步伐识别、实时预测步长以及利用步长和方向角通过航位推算实现实时定位。本发明提高了室内定位的精度、实时性，增强了可靠性。
-
公开(公告)号：CN109034256A
公开(公告)日：2018-12-18
申请号：CN201810870328.7
申请日：2018-08-02
Applicant: 燕山大学
CPC classification number: G06K9/629 , G06K9/4671 , G06K9/6269 , G06K2209/053
Abstract: 本发明公开了一种LTP与HOG特征融合的乳腺肿瘤检测系统及方法，该检测方法包括：获取采集的乳腺肿瘤图像，建立图像训练样本库；对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像；从样本子图像中的低频部分子图像提取HOG特征；从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；将提取到的特征进行归一化处理，形成HOG‑LTP特征；建立SVM模型；将样本图像作为输入量，HOG‑LTP特征作为期望输出量对SVM模型进行样本训练；计算得到待检测的乳腺肿瘤图像的HOG‑LTP特征；将计算得到的HOG‑LTP特征输入训练后的SVM模型中，检测输出的乳腺肿瘤图像。该发明能在保证检测精度的同时提高检测效率。
-
公开(公告)号：CN104768161A
公开(公告)日：2015-07-08
申请号：CN201510108722.3
申请日：2015-03-12
Applicant: 燕山大学
IPC: H04W16/10
CPC classification number: H04W16/10
Abstract: 一种基于混沌搜索量子遗传算法的无线频谱分配方法，涉及无线通信网络领域中的频谱资源动态管理机制。本发明以实现高效的网络频谱资源分配为目标，结合量子遗传算法的特点，设计并实现了支持动态调整无线频谱资源分配的方法，采用混沌搜索初始化种群的染色体编码，在迭代过程设定变异阈值，根据阈值决定染色体是否产生变异，并将染色体映射为频谱分配矩阵，从而实现频谱优化分配。本发明具有网络控制负载小、频谱资源分配效率高、实时性高等特点，适用于无线认知网络中频谱的动态分配过程。
-
公开(公告)号：CN118410429A
公开(公告)日：2024-07-30
申请号：CN202410635788.7
申请日：2024-05-22
Applicant: 燕山大学
IPC: G06F18/2431 , G06F18/214 , G06F18/15 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多尺度注意力机制的域对抗柱塞泵故障诊断方法。本发明通过构建多尺度残差特征提取网络，提高了模型适应各种故障信息差异的能力；通过构建联合损失函数，减少源域与目标域数据之间的分布差异，提高了网络的域自适应能力。本发明在跨工况及目标域无标签样本情况下可以识别轴向柱塞泵不同故障类型，并能达到较高的故障识别率。
-
公开(公告)号：CN114124554A
公开(公告)日：2022-03-01
申请号：CN202111435813.X
申请日：2021-11-29
Applicant: 燕山大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L9/40 , H04L43/0888
Abstract: 本发明公开了一种虚拟网络服务链吞吐量预测方法，属于网络通信技术领域，包括提取虚拟网络服务链承载硬件设施的状态参数，归一化、标准化处理、构建基于长短期记忆LSTM网络的编码器和解码器架构吞吐量预测模型输入时序序列，根据输入时序序列经由编码器提取其特征向量，解码器根据编码器获取的特征向量及监测值进行解码并输出预测值，预测值评估，利用预测模型进行在线预测。本发明通过对网络服务链吞吐量的实时预测，为灵活、高效的利用网络服务资源及为网络用户提供安全、快速、稳定并且满足特定网络吞吐量需求的网络服务提供基础。
-
Patent Agency Ranking
公开(公告)号：CN113112089A
公开(公告)日：2021-07-13
申请号：CN202110455807.4
申请日：2021-04-26
Applicant: 燕山大学
Abstract: 本发明提供一种水泥生料粉磨系统电耗预测方法及其系统，本发明通过对电耗的实时预测，为水泥生料粉磨系统降低电耗提供基础，以长短期记忆网络为基本模型，采用编解码结构，建立包括编码器和解码器在内的电耗预测模型；将系统变量输入编码器中，挖掘变量间的非线性关系，并将系统变量数据转换成包含变量间非线性关系的特征码，再将特征码和历史电耗数据一起输入解码器，挖掘系统变量和历史电耗之间的关联性，并得到下一时刻预测值；同时采用反向传播算法对模型参数进行修正，提高收敛精度，然后用训练好的模型对电耗进行实时预测。利用本发明可以对水泥生料粉磨系统的电耗进行精准预测。
-
公开(公告)号：CN104867133A
公开(公告)日：2015-08-26
申请号：CN201510216619.0
申请日：2015-04-30
Applicant: 燕山大学
IPC: G06T7/00
Abstract: 一种快速的分步立体匹配方法，包括基于局部纹理特性的灰度变换，基于彩色图像分割的视差约束以及基于固定窗口的匹配代价计算三个方面。首先根据图像的局部纹理特性对图像进行灰度变换以突出图像的结构特征和灰度特征。然后，利用均值漂移算法分割图像，并以任意大小和形状的分割区域为支持窗口获得分割区域的匹配代价，形成基于图像分割的视差约束。最后，对图像对进行基于固定窗口的立体匹配代价计算，获得初始视差图。本发明方法具有提高匹配精度与匹配效率、减小计算量、缩小视差搜索范围等优点。
-
公开(公告)号：CN114862060A
公开(公告)日：2022-08-05
申请号：CN202210717541.0
申请日：2022-06-23
Applicant: 燕山大学
Abstract: 本发明公开了一种基于循环高速神经网络的水泥生料粉磨系统电耗预测方法，属于工业大数据分析技术领域，包括以下步骤：步骤1：从水泥企业能源管理数据库中挑选与电耗相关性最高的变量数据，清理异常值后进行归一化标准化处理，排列得到完整的时间序列；步骤2：建立以循环高速神经网络为基础的电耗预测模型，目标是利用变量数据和电耗值得历史值预测下一时刻的电耗值；步骤3：采用监督学习的方法进行模型训练，利用误差逆传播算法对模型中编码器解码器的参数进行调整优化；步骤4：利用上述步骤完成的模型，实现对水泥生料粉磨系统电耗的实时预测。本申请的预测方法使资源得到合理调度，进而为降低能耗，提高水泥生产效率提供可能性。
-
公开(公告)号：CN109034256B
公开(公告)日：2021-03-30
申请号：CN201810870328.7
申请日：2018-08-02
Applicant: 燕山大学
Abstract: 本发明公开了一种LTP与HOG特征融合的乳腺肿瘤检测系统及方法，该检测方法包括：获取采集的乳腺肿瘤图像，建立图像训练样本库；对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像；从样本子图像中的低频部分子图像提取HOG特征；从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；将提取到的特征进行归一化处理，形成HOG‑LTP特征；建立SVM模型；将样本图像作为输入量，HOG‑LTP特征作为期望输出量对SVM模型进行样本训练；计算得到待检测的乳腺肿瘤图像的HOG‑LTP特征；将计算得到的HOG‑LTP特征输入训练后的SVM模型中，检测输出的乳腺肿瘤图像。该发明能在保证检测精度的同时提高检测效率。
-
公开(公告)号：CN110322077A
公开(公告)日：2019-10-11
申请号：CN201910619419.8
申请日：2019-07-10
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络的水泥原料立磨生料细度指标预测方法，涉及水泥生产生料细度预测领域。本发明针对输入变量数据与预测指标之间存在的时变时延问题，采用时间序列的方法处理变量数据可以很好地解决时变时延的问题，利用构建好的卷积神经网络模型对输入数据进行多次的卷积池化操作以提取样本特征，再经过全连接层、Droupout层和输出层输出预测值，同时采用反向传播算法以提高收敛精度，然后用训练好的模型对生料细度进行实时预测。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.031 seconds)
