-
公开(公告)号：CN112364910B
公开(公告)日：2022-10-28
申请号：CN202011225553.9
申请日：2020-11-05
Applicant: 长安大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于峰值聚类高速公路收费数据异常事件检测方法及装置，用以解决现有技术中的高速公路异常事件检测方法及装置存在的检测结果不准确、效率不高等问题；本发明提供的基于高速公路收费数据的异常事件检测方法及装置，可以更加全面准确感知高速公路交通运行状况，能够有效挖掘出数据中隐藏的道路拥堵、长时停留、车辆超速、设备故障、系统故障、网络故障、车辆超载和疑似逃费等异常事件。
-
公开(公告)号：CN112287984B
公开(公告)日：2022-10-11
申请号：CN202011104273.2
申请日：2020-10-15
Applicant: 长安大学
Abstract: 本发明公开了一种多维高速公路收费数据的异常检测与修复方法，包括步骤1：采集高速公路原始多维收费数据，并对高速公路原始多维收费数据进行预处理以得到多维规范之后的原始数据；步骤2：构建基于相似系数和的异常数据检测模型；步骤3：将步骤1中得到的多维规范之后的原始数据输入基于相似系数和的异常数据检测模型，通过检测得到含有异常值的多维数据；步骤4：构建基于极端梯度提升的异常数据修复模型；步骤5：将步骤3中得到的含有异常值的多维数据输入基于极端梯度提升的异常数据修复模型，实现多维数据异常修复及效果评估。本发明能够明显提升高速公路收费数据的质量与可用性，为后续的高速公路异常事件检测以及大数据统计分析工作提供良好的数据基础。
-
公开(公告)号：CN112651570B
公开(公告)日：2022-07-26
申请号：CN202011625128.9
申请日：2020-12-31
Applicant: 长安大学
Abstract: 本发明公开了一种高速公路服务区交通量预测模型构建、预测方法及装置提供的改进粒子群算法对XBOOST模型进行优化，将粒子群划分为主从拓扑，较好地避免在模型参数优化过程中陷入局部最优解，这种改进粒子群算法能更好寻优出理想的超参数，提高交通量预测准确度。
-
公开(公告)号：CN112287984A
公开(公告)日：2021-01-29
申请号：CN202011104273.2
申请日：2020-10-15
Applicant: 长安大学
Abstract: 本发明公开了一种多维高速公路收费数据的异常检测与修复方法，包括步骤1：采集高速公路原始多维收费数据，并对高速公路原始多维收费数据进行预处理以得到多维规范之后的原始数据；步骤2：构建基于相似系数和的异常数据检测模型；步骤3：将步骤1中得到的多维规范之后的原始数据输入基于相似系数和的异常数据检测模型，通过检测得到含有异常值的多维数据；步骤4：构建基于极端梯度提升的异常数据修复模型；步骤5：将步骤3中得到的含有异常值的多维数据输入基于极端梯度提升的异常数据修复模型，实现多维数据异常修复及效果评估。本发明能够明显提升高速公路收费数据的质量与可用性，为后续的高速公路异常事件检测以及大数据统计分析工作提供良好的数据基础。
-
公开(公告)号：CN111861906A
公开(公告)日：2020-10-30
申请号：CN202010574126.5
申请日：2020-06-22
Applicant: 长安大学
Abstract: 本发明属于路面裂缝图像处理领域，公开了一种路面裂缝图像虚拟增广模型建立及图像虚拟增广方法。模型建立方法包括如下步骤：步骤1：采集路面裂缝图像，对路面裂缝图像依次进行数据质量提升和图像分割，获得真实路面裂缝图像集；步骤2：建立DCGAN生成对抗网络模型，所述DCGAN生成对抗网络模型包括生成器网络和判别器网络，所述的生成器网络和判别器网络的损失函数后设置有惩罚项；步骤3：获取随机噪声，将随机噪声和步骤1获得的真实路面裂缝图像集输入步骤2获得的DCGAN生成对抗网络模型进行训练，训练完成的模型即为路面裂缝图像虚拟增广模型。本发明有效解决了裂缝图像数据集不足的问题，很好的实现了对裂缝图像数据集的数量和多样性的增广。
-
Patent Agency Ranking
公开(公告)号：CN110580493A
公开(公告)日：2019-12-17
申请号：CN201910498487.3
申请日：2019-06-10
Applicant: 长安大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于机器学习的集料形状分类方法：步骤1：将集料样本分为六种集料形状；采集每个集料的集料图像；步骤2：预处理；步骤3：获得每个集料对应的集料形态特征参数的取值；步骤4：将集料样本中集料的类别、集料形态特征参数作为训练集，利用XGBoost算法进行训练；步骤5：采集待测集料的集料图像并预处理；步骤6：获得待测集料对应的集料形态特征参数取值；步骤7：将待测集料的集料形态特征参数代入集料形状分类模型得到形状分类结果。本发明解决了集料特征提取困难，克服了现有技术分类结果不够准确的缺陷，并利用机器学习进行集料形状分类，学习现有的集料形态特征以及集料形状类别，分类结果效率高且精确度高。
-
公开(公告)号：CN110363743A
公开(公告)日：2019-10-22
申请号：CN201910498480.1
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明提供了一种基于沥青混凝土路面激光三维数据的表面纹理分离方法，包括以下步骤：步骤1，获取沥青路面表面纹理三维深度数据集合Q；步骤2，对所述沥青路面表面纹理三维深度数据集合Q中缺失数据进行填充处理；步骤3，对填充处理后的沥青路面表面纹理三维深度数据集合Q进行滤波处理，得到滤波后的沥青路面表面纹理三维深度数据集合Q′；步骤4，对Q′中的沥青路面表面纹理三维深度数据进行宏观纹理与微观纹理分离，得到沥青路面宏观纹理数据和沥青路面微观纹理数据；本发明在传统的分离方法上引入稳健估计理论，有效的解决宏观纹理受奇异值影响的问题，从而提升了传统分离方法的稳定性。
-
公开(公告)号：CN110348308A
公开(公告)日：2019-10-18
申请号：CN201910498481.6
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明公开了一种基于深度学习的路面灌封裂缝检测方法：步骤1：采集路面灌封裂缝图像，进行图像增广得到路面图像；步骤2：对路面图像进行图像标注，得到每一幅路面图像对应的裂缝区域框；将所有标注后的路面灌封裂缝图像放缩为统一尺寸，得到放缩后的图像，作为训练集；步骤3：构建灌封裂缝检测模型，将训练集输入所构建的灌封裂缝检测模型中进行训练，得到灌封裂缝模型的最优权重；步骤4：将待检测图像输入训练后得到的灌封裂缝检测模型中，得到待检测图像中物体是灌封裂缝的置信度和检测框，将灌封裂缝置信度和检测框标注在待检测图像上。本发明首次使用了深度学习的方法对路面图像中的灌封裂缝进行检测，并能够达到0.8994的检测精度。
-
公开(公告)号：CN119722587A
公开(公告)日：2025-03-28
申请号：CN202411710210.X
申请日：2024-11-27
Applicant: 长安大学
Abstract: 本发明公开了基于参数再定义的动态裂纹检测及逐像素对象划分方法，本发明的方法设计了参数再定义Transformer架构进行特征提取，可以捕获不同场景下裂纹的上下文信息，减少计算量；本发明还加入了快速多尺度注意力来增强对不同尺寸裂纹的特征提取，而且引入参数再定义解码器来进一步减少模型的计算量，利用本发明的方法可以对裂纹准确检测和逐像素对象划分，增强智能交通和城市发展提供了必要的信息，通过这些信息，可以更好地监测和维护交通设施，确保道路与桥梁的安全，从而为智能交通的进步和城市的可持续发展提供坚实的保障。
-
公开(公告)号：CN119578530A
公开(公告)日：2025-03-07
申请号：CN202411710288.1
申请日：2024-11-27
Applicant: 长安大学
IPC: G06N5/022 , G06N5/04 , G06N3/042 , G06N3/0464 , G06N5/045 , G06F40/279 , G06F16/2455 , G06F16/28
Abstract: 本发明公开了用于大语言模型问答的自适应多跳检索知识图谱构造方法，包括：提取输入的问题和语料库的三元组；自适应多跳检索匹配，检索识别所述语料库中与问题相关的特定三元组；利用所述自适应多跳检索匹配过程中的问题与语料库三元组构建知识图谱；答案预测器模型：节点嵌入、消息传递和选择性过滤，节点嵌入用于对问题和知识图谱进行编码；基于编码后的问题和知识图谱基于图卷积网络进行消息传递；选择性过滤用于过滤所述知识图谱的冗余信息；本发明有助于减轻大语言模型产生幻觉的问题，帮助理解复杂的推理过程，从而提高大语言模型在问答以及逻辑推理性能。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
