-
公开(公告)号：CN110851735A
公开(公告)日：2020-02-28
申请号：CN201911095305.4
申请日：2019-11-11
Applicant: 河北工业大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明为一种基于重启随机游走的多策略局部社区发现方法，该方法的步骤是：第一步，通过回溯法确定给定节点所在的局部最大团结构，并将局部最大团结构中度数最大的节点作为起始节点；第二步，通过重启随机游走算法得到起始节点向社区中其他节点的跳转概率值，并按照跳转概率值从大到小将对应的节点编号排序；第三步，将起始节点加入局部社区中，并依次向局部社区中选择性加入通过步骤二排序之后的节点，通过图传导性值的变化判断是否将新节点加入到局部社区结构中；而当加入节点候选集合中的任一节点均不能使局部社区的图传导性值变小时，算法终止，当前社区即为最优的局部社区结构。该方法有效提高了局部社区发现的召回率及精度。
-
公开(公告)号：CN107560618B
公开(公告)日：2019-10-29
申请号：CN201710739683.6
申请日：2017-08-25
Applicant: 河北工业大学
Abstract: 本发明涉及基于RFID的机器人室内定位方法，该方法对原RFID读写器的信号采集系统进行二次开发，使其能读到电子标签对应的位置坐标和RSSI平均值，克服了现有读写器只能读到电子标签基本信息和信号即时强度指示值的技术缺陷。本发明在设定电子标签铺于地面的方式时，采用电子标签交叉分布的策略，即在实验环境中每隔相同距离放置一个纵向电子标签，再在每四个纵向标签中间放置一个横向电子标签，解决了电子标签对于读写器的接收信号具有方向性的问题。将现有的烟花算法利用在本发明关于机器人位置计算上，通过实验结果分析，这样的改进使得应用极大似然估计定位法进行定位的精度大大提高。
-
公开(公告)号：CN105373794A
公开(公告)日：2016-03-02
申请号：CN201510937041.8
申请日：2015-12-14
Applicant: 河北工业大学
CPC classification number: G06K9/344 , G06K9/4652 , G06K9/6256 , G06K9/627
Abstract: 本发明一种车牌识别方法，涉及用于识别图形的方法，步骤是：图像预处理；根据颜色和纹理特征分割车辆区域；提取车辆区域图的显著因子图；利用基于扩展的Haar-like特征的Adaboost分类器提取候选车牌；从候选车牌中确定真车牌位置；将标记的车牌从对应的车辆区域原图中分割出来；利用结构特征进行字符分割；基于改进的模板匹配方法的字符识别。本发明方法克服了现有的车牌识别方法应用场景比较单一，有的只适用于简单的单一场景的单一车牌识别，难以适用于多场景的多车牌识别，识别率容易受到强光、雾霾和弱光照环境的影响的缺陷。
-
公开(公告)号：CN119853015A
公开(公告)日：2025-04-18
申请号：CN202510058809.8
申请日：2025-01-15
Applicant: 河北工业大学
IPC: H02J3/00 , G06N3/0455 , G06N3/048 , G06F18/2131 , G06N3/0464 , G06F18/25
Abstract: 本发明属于风电功率预测技术领域，具体是一种基于自适应小波分解和改进Transformer的时空风电功率预测方法。首先，获取目标风电场历史时期的风电功率序列以及影响风电功率的特征序列并进行预处理，计算各个特征序列与风电功率序列的相关性，保留与风电功率相关性高的特征序列，并对风电功率序列和保留的特征序列进行归一化处理；然后，提取风电功率序列和各个特征序列的频域特征；风电功率序列和各个特征序列的频域特征组成一个特征并对该特征进行周期性嵌入和空间嵌入，得到模型输入特征；最后，基于Transformer网络构建风电功率预测模型，包括U‑Net网络、逆傅里叶变换和预测层；将输入特征输入到U‑Net网络中进行特征提取，U‑Net网络的输出特征经过逆傅里叶变换后，再经过预测层，得到风电功率预测值。该方法解决了风电功率数据面临的高噪声、高波动性和非平稳性等问题，提高了预测精度。
-
公开(公告)号：CN115953902B
公开(公告)日：2024-09-06
申请号：CN202310132783.8
申请日：2023-02-20
Applicant: 河北工业大学
IPC: G08G1/01 , G06Q10/04 , G06N3/0464 , G06N3/08
Abstract: 本发明为一种基于多视图时空图卷积网络的交通流预测方法，所述预测方法以路网上的交通数据、静态图邻接矩阵和趋势相似图邻接矩阵作为输入，通过交替进行时间特征和空间特征提取，然后使用输出模块进行特征融合，实现了交通流的精准预测。本发明从不同角度对道路中的空间依赖关系进行提取，实现从全局角度和局部角度进行空间依赖关系的捕获，提出多视图时空图卷积网络，实现交通流预测。通过从不同的角度对道路观测点中的依赖关系进行建模，然后利用多视图图卷积模块提取空间特征，以增加模块捕获空间依赖的能力，提高模型的预测性能。
-
Patent Agency Ranking
公开(公告)号：CN115969388B
公开(公告)日：2024-05-03
申请号：CN202310171958.6
申请日：2023-02-28
Applicant: 河北工业大学
IPC: A61B5/363 , G06F18/214 , G06F18/25 , G06N3/048 , G06N3/0464 , G06N3/08 , A61B5/352 , A61B5/05
Abstract: 本发明为基于多尺度残差收缩网络的多普勒雷达心跳检测方法，考虑时域上的连续波雷达信号在不同时间尺度上表现不同，提出多尺度时域特征提取模块，并将其置于残差收缩网络结构中，构成多尺度残差收缩模块，残差收缩网络使用软阈值作为非线性转换层，可以有效地排除干扰心跳检测的相关噪声；对不同尺度下的雷达信号进行希尔伯特‑黄变换，得到的结果反映的是信号的时频特征，进一步对变换后的信号进行特征提取，有利于将心跳相关特征从复杂的混合信号中分离出来；对多尺度残差收缩模块输出以及希尔伯特‑黄滤波模块的输出进行特征融合，有效地减少了原始雷达信号中的噪声干扰。该方法能重构出高质量的雷达信号，提高心跳检测准确率。
-
公开(公告)号：CN111159523B
公开(公告)日：2024-03-01
申请号：CN201911342546.4
申请日：2019-12-23
Applicant: 河北工业大学
IPC: G06F16/953 , G06N3/006
Abstract: 本发明为一种基于Spark的并行蚁群优化社区发现方法，主要包含三个并行模块：确定蚂蚁转移顺序、构造最优解和解的优化。确定蚂蚁转移顺序模块负责计算网络节点的凝聚性度量值，并将其升序排列，获取对应的节点顺序列表，作为蚁群的转移顺序，降低蚂蚁转移过程中的随机性，从而提高算法的精确度；构造最优解模块负责使每只蚂蚁均完成解向量的构造，构成解空间，并获取最优解空间中模块度最高的解；解的优化模块负责对蚁群产生的最优解进行优化，以获得更好的社区划分结果。该方法提高了在大规模网络中进行社区发现的可行性和有效性。
-
公开(公告)号：CN116703957A
公开(公告)日：2023-09-05
申请号：CN202310589969.6
申请日：2023-05-24
Applicant: 河北工业大学
Abstract: 本发明为基于近似线段合并的视觉SLAM图像直线段提取方法，首先利用CannyLines算法对图像进行边缘检测，得到所有像素链；然后，利用RANSAC算法对各个像素链进行直线拟合，提取图像中的线段；最后，判断所有线段中的近似线段，并进行近似合并；对于合并后的新线段，若新线段与合并前的长线段的角度差值是否在合理范围内，若是，则保留合并后的新线段；否则，不保留合并后的新线段，对合并前的两条相似线段进行复位，继续遍历剩余线段。该方法利用近似线段合并策略将断裂的短小线段合并为较长的线段，将近似线段合并为一条线段，减少短小和冗余线段，提高视觉SLAM过程中特征匹配的精度，减少特征匹配的耗时。
-
公开(公告)号：CN115271214A
公开(公告)日：2022-11-01
申请号：CN202210913400.6
申请日：2022-07-28
Applicant: 河北工业大学
IPC: G06Q10/04 , G06F16/9537 , G06F16/2458 , G06F17/18 , G06F17/16 , G06N3/04
Abstract: 本发明为基于拓扑与属性独立性约束的网站流量预测方法及系统，该方法获取网站的历史流量数据并转换为网站流量图数据，网站流量图数据的节点表示该网站中的一个网页，边表示网页之间的链接关系，从网站流量图数据中获取节点属性信息和图拓扑信息；接着，基于图卷积神经网络构建网站流量预测模型的目标函数，以希尔伯特‑施密特独立性准则或向量1‑范数作为属性与拓扑间的独立性约束条件，对目标函数求最优解，得到属性表征和拓扑表征的迭代公式，收敛后的属性表征与拓扑表征按行拼接在一起，得到模型的输出。对属性和拓扑信息进行独立性约束，避免属性与拓扑信息融合时，两者存在的相互干扰，同时充分提取网站流量图数据中的低频和高频信息。
-
公开(公告)号：CN111239014B
公开(公告)日：2022-10-21
申请号：CN202010021491.3
申请日：2020-01-09
Applicant: 河北工业大学
IPC: G01N15/06
Abstract: 本发明实施例公开了一种空气中PM2.5的检测方法、装置、设备及介质，所述方法包括：收集检测时间段内设定维度的原大气数据；对所述原大气数据进行预处理，以得到符合设定格式要求的第一大气数据；将所述第一大气数据输入至支持向量回归SVR检测模型，得到非时间序列的PM2.5检测结果；在所述第一大气数据中增加时间序列数据，获得第二大气数据，所述时间序列数据为获得所述原大气数据的实时时间数据；将所述第二大气数据输入至长短期记忆LSTM检测模型，得到时间序列的PM2.5检测结果；对所述非时间序列的PM2.5检测结果以及所述时间序列的PM2.5检测结果进行非线性叠加，获得检测时间段内空气中PM2.5的检测结果。通过采用上述技术方案，可获得较准确的PM2.5检测结果。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.03 seconds)
