公开(公告)号：CN112381181A

公开(公告)日：2021-02-19

申请号：CN202011459104.0

申请日：2020-12-11

Applicant: 桂林电子科技大学

Inventor： 雷蕾 ,  吴冰 ,  吴振 ,  李治山 ,  陈浩 ,  陈超

IPC: G06K9/62 ,  G06N3/08 ,  G06Q50/08

Abstract: 本发明公开了一种建筑能耗异常的动态检测方法，包括以下步骤，步骤一：收集用于建立建筑能耗数据分类模型的历史数据样本；步骤二：利用Matlab软件导入数据样本，并通过粒子群算法优化的k‑medois聚类算法对能耗数据进行聚类，确定不同的能耗类别；步骤三：将步骤二中得到的聚类结果结合KNN算法建立起对新输入能耗数据的分类模型；步骤四：通过上述分类模型对单个输入的能耗数据进行分类，并对其所属分类进行异常检测，判断该能耗点是否异常；步骤五：当输入的能耗数据形成最小周期的时间序列后，对该时间序列进行异常检测，判断该时间序列是否异常；步骤六：输出检测结果并标识判定为异常的能耗数据。本发明解决了传统建筑能耗异常检测方法中动态性不足、准确性及实用性不强的问题，为建筑能耗的异常检测提供了一种新的方法。

公开(公告)号：CN118981979A

公开(公告)日：2024-11-19

申请号：CN202411051636.9

申请日：2024-08-01

Applicant: 桂林电子科技大学

Inventor： 陈超 ,  吕珊淑

IPC: G06F30/28 ,  G01D21/02 ,  G06F30/27 ,  G06N3/08 ,  G06N3/126 ,  G06F113/08 ,  G06F111/08

Abstract: 本发明公开了一种基于深度学习和遗传算法的室内多个污染源释放强度的逆向辨识方法，包括以下步骤：步骤一：室内环境参数的数据收集与预处理，涵盖温度、湿度、空气流速等参数的全面收集与预处理，以确保数据质量；步骤二：构建并训练深度神经网络模型，学习污染源释放与污染物浓度之间的关系；步骤三：利用遗传算法优化模型参数，通过自然选择、交叉和变异操作寻找最优参数配置；步骤四：应用优化后的模型进行室内污染物浓度的逆向分析，辨识各污染源的释放强度；步骤五：对逆向辨识结果进行验证与模型调整，确保准确性和可靠性。本发明结合深度学习与遗传算法，提高预测精度和系统自适应调整能力，适用于多个领域。

公开(公告)号：CN116012836A

公开(公告)日：2023-04-25

申请号：CN202310146426.7

申请日：2023-02-21

Applicant: 桂林电子科技大学

Inventor： 胡鸿志 ,  陈超 ,  胡严太 ,  周志高

IPC: G06V20/62 ,  G06V30/18 ,  G06V30/146 ,  G06V30/148 ,  G06V10/82 ,  G06V10/764 ,  G06N3/006

Abstract: 本发明公开了一种基于组合灰狼优化支持向量机的车号识别方法。所述方法为如下步骤：S1.采集现实条件下不同复杂车厢背景下的铁路货运车号区域图像，通过定位、分割对车号字符目标区域进行标记、提取；S2.对铁路货运车号字符图像进行归一化、灰度化；S3.对灰度图像提取方向梯度直方图特征(HOG)，并对HOG特征采用主成分分析法(PCA)进行降维；S4.将字符图像特征，输入一组灰狼优化支持向量机分类器(GWO‑SVM)进行多分类，将铁路货运车号字符分为易区分的数字和字母字符，以及易混淆的数字和字母字符，共四类；再串联两组GWO‑SVM，分别对铁路货运车号字符中的数字和字母字符进行分类识别。本发明是一种基于组合灰狼优化支持向量机(Combined‑GreyWolf Optimizer‑SupportVectorMachine,C‑GWO‑SVM)的车号识别方法，相比于现有的深度学习识别方法，本方法具有训练样本需求小、训练周期短、对硬件设备算力要求小，识别速度快，识别准确率高的特点。