-
公开(公告)号：CN107092738B
公开(公告)日：2020-06-26
申请号：CN201710235713.X
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置；一种载荷未知条件下多点振动响应频域预测的实验数据生成方法；以及利用该实验装置和实验数据，在不相关多源未知载荷联合激励下，利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法，根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。直接利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法不需要已知或辨识系统的传递函数或载荷大小甚至载荷位置。本发明主要针对不相关多源未知载荷联合激励工况环境下，利用已知测点的振动响应对未知结点进行振动响应预测，可以预测一个未知结点和多个未知结点的振动响应情况。
-
公开(公告)号：CN107085633B
公开(公告)日：2020-06-09
申请号：CN201710235737.5
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置；一种载荷未知条件下多点振动响应频域预测的实验数据生成方法；一种利用该实验装置和实验数据，在不相关多源未知载荷联合激励下，根据系统已知测点的振动响应预测未知测点振动响应的方法。该振动响应预测方法根据历史实验数据直接利用支持向量机训练出响应数据之间的关系，而不需要已知或辨识系统的传递函数、载荷大小甚至载荷位置。本发明主要针对不相关多源未知载荷联合激励工况环境下，利用已知测点的振动响应对未知结点的振动响应进行预测。本发明可以解决线性系统和非线性系统的响应预测；本发明可以解决一个未知结点和多个未知结点的振动响应预测情况。
-
公开(公告)号：CN107426532B
公开(公告)日：2019-12-13
申请号：CN201710352192.6
申请日：2017-05-18
Applicant: 华侨大学
IPC: H04N7/18
Abstract: 本发明公开一种基于已知轨道的多摄像头合作接力监控方法，该方法应用于多条轨道连接构成的轨道网中，轨道网中随机分布多个移动节点，且各移动节点可在任一条轨道和任一顶点上移动，每个移动节点只能监控其所处边及顶点处的目标，所述轨道网构成的网络拓扑结构图，每条轨道对应网络拓扑结构图一条边，轨道连接点对应网络拓扑结构图的顶点。该方法降低了移动监控成本，提高了监控范围和安全性，应用范围广。
-
公开(公告)号：CN107092738A
公开(公告)日：2017-08-25
申请号：CN201710235713.X
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置；一种载荷未知条件下多点振动响应频域预测的实验数据生成方法；以及利用该实验装置和实验数据，在不相关多源未知载荷联合激励下，利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法，根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。直接利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法不需要已知或辨识系统的传递函数或载荷大小甚至载荷位置。本发明主要针对不相关多源未知载荷联合激励工况环境下，利用已知测点的振动响应对未知结点进行振动响应预测，可以预测一个未知结点和多个未知结点的振动响应情况。
-
公开(公告)号：CN106446502A
公开(公告)日：2017-02-22
申请号：CN201610576822.3
申请日：2016-07-21
Applicant: 华侨大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种带遗忘因子的特征值特征向量递推的主元分析线性时变结构工作模态参数在线实时识别方法，该方法在经典主元分析线性时不变结构工作模态参数识别的基础上，引入“遗忘因子”、“在线递推”、“特征值特征向量递推”和“矩阵秩-1修正”的思想，能够仅从非平稳振动响应信号中识别出线性时变结构的时变瞬态模态振型和固有频率。本发明是直接对特征值特征向量进行在线递推更新，避免了传统递推主元分析时变工作模态参数识别方法需要反复更新主元模型的缺点，减少了算法时间和空间复杂度，实现了时变工作模态参数识别的在线实时，能够有效监测结构工作模态参数的动态变化特性，可被用于设备故障诊断、健康监测以及系统结构分析与优化。
-
Patent Agency Ranking
公开(公告)号：CN104992151A
公开(公告)日：2015-10-21
申请号：CN201510366847.6
申请日：2015-06-29
Applicant: 华侨大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288
Abstract: 本发明一种基于TFIDF的人脸图像的年龄估计方法，将一张人脸图像经过ASM算法提取68个关键特征点生成向量AAMimg，并将其的每个分量转换成Landmark-Term，根据给定人脸图像库，抽取出所有图像的AAM特征，组成AAM样本空间，再从中得到Landmark-Term字典，对于任意一个人脸图像将其转换成一个Landmark-Term向量TermVec(img)，给每个年龄组里所有Landmark-Term向量求和，则对所有的年龄组别，可得到Landmark-Term权重矩阵W，根据该权重矩阵W，利用得到投影向量Proj(img)估计给定的人脸图像的可能年龄，本发明处理的是脸部相对简单的特征，计算量小，有助于提高大样本数据下的人脸图像年龄估计的准确度及计算速度。
-
公开(公告)号：CN118797172B
公开(公告)日：2024-12-06
申请号：CN202411273935.7
申请日：2024-09-12
Applicant: 华侨大学
IPC: G06F16/9535 , G06N3/045 , G06N3/08 , G06N5/04 , G06F18/10
Abstract: 本发明公开了一种时间和内容感知的新闻推荐系统流行度去偏差方法，包括如下步骤：（a）对新闻数据集进行预处理；（b）构建TCCM模型；（c）进行模型训练；（d）在推理阶段进行因果干预，缓解流行度偏差。本发明考虑了新闻内容对流行度的影响，通过结合新闻内容（实体和单词的流行度），更准确地估算新闻流行度，有助于新闻推荐系统的发展。
-
公开(公告)号：CN118823357A
公开(公告)日：2024-10-22
申请号：CN202411302908.8
申请日：2024-09-19
Applicant: 华侨大学
IPC: G06V10/26 , G06V10/74 , G06V10/762
Abstract: 本发明涉及图像处理和数据分析领域并公开了一种基于采样聚类的快速图像分割算法，包括如下步骤：（a）对图像进行随机采样，获取样本；（b）局部样本聚类，获取局部类别中心；（c）构建代表点；（d）进行全局聚类；（e）更新图像分割结果。本发明结合了随机抽样分布特性以及中心极限定理获得的结论，选取具有代表性的样本集合高效地合并来自不同样本的聚类结果。代表点的构建，解决了使用聚类中心作为类别代表点所存在的缺陷问题，有效地增强了类别之间的区分度以及原始数据的分布特征，提供了一种快速、准确和可靠的聚类方法。
-
公开(公告)号：CN109948534B
公开(公告)日：2023-03-07
申请号：CN201910208135.X
申请日：2019-03-19
Applicant: 华侨大学
IPC: G06V40/16 , G06V10/762
Abstract: 本发明涉及一种采用快速密度峰值聚类进行人脸识别的方法，包括：读取人脸图像；计算所有数据点pi的密度；计算所有非密度峰值点的δ值；找出所有局部密度峰值点；快速寻找局部密度峰值点的父结点；找出剩余局部密度峰值点的父节点并计算δ值；由用户输入待聚类的个数M，计算除根结点(proot)外所有数据点的ρi与δi的乘积记为γi，并对γi进行排序，按照从大到小的顺序选取前M个数据点作为待聚类的中心；把其它所有非聚类中心点pj的类别初始化为‑1,再按照层次划分将其划归到与其聚类中心点相同类别；输出聚类结果cl(p)。本发明具有准确度高，能够快速识别复杂数据的优点，提高了人脸识别的准确度和速度。
-
公开(公告)号：CN115617483A
公开(公告)日：2023-01-17
申请号：CN202211316610.3
申请日：2022-10-26
Applicant: 华侨大学
IPC: G06F9/48
Abstract: 本发明涉及一种混合关键系统最早截止期限优先能耗优化方法，包括以下步骤:建立两个队列QH和QL分别管理高关键层次任务和低关键层次任务，相同关键层次任务的优先级由最早截止期限优先算法决定；计算最高优先级低关键层次任务τl的可延迟时间xl，在时刻t，最高优先级高关键层次任务τk的绝对截止期限大于τl的绝对截止期限时，延迟τl的执行，执行τk直到t+xl或者τk提前完成执行；根据最早截止期限优先算法的可行性，确定系统在低模式和高模式调度可行的充分条件；由调度可行的充分条件，计算系统的能耗优化调度速度SU，系统在低模式时以SU执行，在高模式以最大处理器速度执行。本发明的方法通过延迟低关键层次任务的执行，提高调度的可行性，进而降低系统能耗。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.017 seconds)
