-
公开(公告)号：CN111461171A
公开(公告)日：2020-07-28
申请号：CN202010143429.1
申请日：2020-03-04
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于构建高炉铁水硅含量预测模型的数据优选方法及系统，运用非监督学习算法k-means++进行聚类，将输入变量样本根据相似程度分簇，从复杂的高炉铁水数据中剔除异常的数据，强化了输入变量样本与硅含量数据之间的映射关系；同时，基于连续时间段指标，筛选高可信度样本，有效降低异常样本对映射关系的干扰；基于频数直方图确定硅含量高频区间，克服了传统均值化方法的保守性，为输入变量样本提供最匹配的硅含量数据。经过评估模型验证，该数据优选方法与传统均值法相比，在模型训练中有更好的表现。本发明解决了原始输入数据与硅含量之间映射关系弱的问题，可有效改善预测模型训练效果。
-
公开(公告)号：CN111444963A
公开(公告)日：2020-07-24
申请号：CN202010226187.2
申请日：2020-03-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于SSA-SVR模型的高炉铁水硅含量预测方法，所述方法包括以下步骤：S1、对原始数据进行预处理；S2、经奇异谱分析/SSA方法进行数据降噪：将样本数据分解为独立的具有解释性的分量，包括趋势分量、波动分量和噪声分量，然后基于改进的奇异谱分析判决方法去除噪声分量，将趋势分量和波动分量重构为去噪数据集；S3、SVR建模与优化；S4、硅含量预测。本方法使得高炉铁水硅含量的预测更准确。
-
公开(公告)号：CN107256339B
公开(公告)日：2020-01-03
申请号：CN201710434282.X
申请日：2017-06-09
Applicant: 中南大学
Abstract: 本发明公开了一种基于热传递模型的艾灸热源强度最优估计方法，包括步骤1：构建定坐标系下艾灸的热传递方程；步骤2：通过坐标系的转换，建立动坐标系下艾灸的热传递方程；步骤3：求解动坐标系下的热传递方程，得到通解；步骤4：根据艾灸过程的描述设置边界条件，获得艾灸的瞬时热源强度模型，进而获得与过余温度、热源强度、燃烧距离相关的模型类；步骤5：采集艾灸过程中样本的温度序列，减去环境温度得到样本的过余温度序列，同时采集样本的燃烧距离序列；步骤6：根据步骤4的模型类和步骤5采集的样本序列，通过最小二乘最优评价准则计算得出艾灸热源强度的最佳估计值。具有适应性强、估计结果准确等优点，同时具有很高的工程应用前景。
-
公开(公告)号：CN114741996A
公开(公告)日：2022-07-12
申请号：CN202210576541.3
申请日：2022-05-25
Applicant: 中南大学
IPC: G06F30/33 , G06F30/327 , G06N3/12
Abstract: 本发明提供了一种基于反向搜索和遗传算法的电路划分方法，包括：对电路门级网表进行建模；从MIMO门级电路的输出端口进行反向搜索并记录每次搜索到的结果，根据反向搜索结果进行初始划分，将MIMO门级电路划分为数量与输出端口数量相同的MISO系统；基于遗传算法对MISO系统进行组合、合并、优化，将符合要求的初始划分的MISO系统进行并集运算，得到期望的划分块数m；将电路划分的m块输出为电路门级网表，并分别加载到仿真器；杜绝了并行仿真中各仿真器之间的通信，对门级电路的各个逻辑门电路赋予权重，基于权重判断划分结果的负载均衡，使得电路划分的结果更加合理，实现了通信量为零且负载均衡。
-
公开(公告)号：CN106599049B
公开(公告)日：2019-08-27
申请号：CN201610996984.2
申请日：2016-11-09
Applicant: 中南大学
IPC: G06F16/215
Abstract: 本发明提供一种决策表数据约简方法，所述方法包括：步骤1，判断决策表数据集中最后一个条件属性是否为决策表核属性,如果是则将该属性的数据加入约简集R，执行步骤2；否则删除最后一列条件属性数据，重新执行步骤1；步骤2，将所述决策表核属性对应的列数据放到第一列，确定满足结束条件后，输出约简集R，否则返回步骤1。本发明具有简单高效地对决策表数据进行约简的有益效果。
-
Patent Agency Ranking
公开(公告)号：CN107844679A
公开(公告)日：2018-03-27
申请号：CN201711091922.8
申请日：2017-11-08
Applicant: 中南大学
Abstract: 本发明公开了一种分段式高炉铁水硅含量预测方法及装置，该方法包括：步骤1：获取历史高炉冶炼数据并作为样本数据，样本数据包括条件属性数据和决策值，决策值为硅含量；步骤2：建立包括常规决策表、高硅决策表以及低硅决策表的分段式决策表；步骤3：对分段式决策表进行属性约简得到包括常规知识库、高硅知识库以及低硅知识库的分段式知识库，并将各个知识库中决策值恢复为原始数据；步骤4：查找出与待测样本相匹配的知识库，并获取与待测样本相匹配的样本；步骤5：依据相匹配的知识库中与待测样本相匹配的样本的决策值计算出硅含量的预测值。本发明通过上述方法提高了硅含量预测值的准确度。
-
公开(公告)号：CN107463781A
公开(公告)日：2017-12-12
申请号：CN201710680930.X
申请日：2017-08-10
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于高炉铁水硅含量预测模型的数据约简处理方法及装置，该方法通过引入高炉铁水冶炼的工艺特征，数据特征以及工作人员的实际经验，将其转化为属性优先级序列，利用必要集冲突检测的机制和递归的方法，保证求出的约简唯一且与应用最匹配；其中设置的必要集BS，保证了约简集R中属性的非冗余性，并用于判断核属性冲突；采用递归的方式求取最匹配约简，利用递归自带的现场保护，在遇到核属性冲突时，直接以最简单的方式逐一返回到上一个状态，而不用进行状态恢复；整个处理过程操作简单，计算结果准确，该方法具有较大的推广价值。
-
-
公开(公告)号：CN102175693B
公开(公告)日：2014-04-09
申请号：CN201110054674.6
申请日：2011-03-08
Applicant: 中南大学
Abstract: 本发明公开了一种医用药剂中可见异物的机器视觉检测方法，该方法通过以下步骤：(1)获取连续帧图像。(2)图像预处理消除噪声。(3)运动目标提取和分割：基于改进的三帧差分方法运动目标提取。(4)运动目标跟踪：基于SIFT匹配和最邻近匹配方法的跟踪。(5)杂质信息分析：获取杂质的大小和数目以及粗略的分析出杂质的总类。最后通过与国家标准进行判断出该瓶的是否合格。本发明的方法对于医用药剂中可见异物检测十分有效，大大提高了药剂液体中的异物的识别率，降低了药剂的误检率。
-
公开(公告)号：CN103516995A
公开(公告)日：2014-01-15
申请号：CN201210201690.8
申请日：2012-06-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于ORB特征的实时全景视频拼接方法。包括以下步骤：开启采集多路同步视频数据；对同一时刻的各路图像进行预处理即把彩色图像变成256级的灰度图像，并对图像采用高斯滤波器进行去噪处理；采用ORB特征提取算法对同一时刻的各路图像进行特征点提取并计算各特征点的ORB特征向量；采用最邻近匹配法和RANSAC(随机抽样一致性)匹配算法求出同步视频对应帧间的单应性矩阵；根据单应性矩阵进行视频帧场景的拼接；最后输出拼接后的视频。本发明的优点在于使得图像拼接过程中的特征提取速度和匹配效果得到很大的提高。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.114 seconds)
