-
公开(公告)号：CN107256204A
公开(公告)日：2017-10-17
申请号：CN201710235714.4
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、两种传递函数获取方法、以及利用该实验装置在不相关多源未知载荷联合激励工况环境下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。基于传递函数和载荷识别的振动响应预测方法步骤：首先利用历史载荷和测点振动响应求解所有载荷点到已知测点和未知测点的传递函数；然后利用工况环境下已知测点的振动响应和所有载荷点到已知测点的传递函数识别工况环境下不相关多源频域载荷；最后利用识别的工况环境下不相关多源频域载荷和载荷到未知测点的传递函数来预测工况环境下未知测点的频域振动响应。本发明可用于多源不相关载荷未知情况下，利用已知测点的频域振动响应对未知结点频域振动响应进行预测。
-
公开(公告)号：CN107085633A
公开(公告)日：2017-08-22
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：CN106096639A
公开(公告)日：2016-11-09
申请号：CN201610395532.9
申请日：2016-06-06
Applicant: 华侨大学
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明公开一种基于密度热度的电离层雷达数据的聚类方法，所述聚类方法包括：步骤一：计算两个信号点pi和pj之间的距离di,j，生成信号点的距离矩阵(di,j)N×N，其中i、j表示信号点的序号，N表示信号点的数量；步骤二：根据信号点的距离矩阵(di,j)N×N确定各信号点的密度热度值；步骤三：根据各信号点的密度热度值对各所述雷达信号进行聚类处理，以确定各信号点的类别。本发明基于密度热度的电离层雷达数据的聚类方法根据任意两个信号之间的距离确定信号点的距离矩阵，根据信号点的距离矩阵确定各信号点的密度热度值，进而根据密度热度值对各所述雷达信号进行聚类处理，以确定各信号点的类别。基于密度热度值进行聚类可提高分类的准确度。
-
公开(公告)号：CN105373597B
公开(公告)日：2016-11-09
申请号：CN201510705659.1
申请日：2015-10-27
Applicant: 华侨大学
Abstract: 本发明涉及一种基于k‑medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法，采用如下步骤：A、采用最小化最大相似度准则确定K个初始聚类中心；B、根据相似度和最大的k‑medoids聚类算法对项目进行聚类；C、在聚类基础上，寻找用户局部最近邻；D、将用户全局最近邻与局部最近邻以相似度和之比作为权值进行融合，根据用户全局最近邻与局部最近邻对项目的评分预测用户对项目的评分。本发明同现有技术相比，更大限度地利用了已有的数据，缓解了数据极端稀疏性对推荐的影响，同时提高了评分预测的精度，为用户提供更好的推荐结果。
-
公开(公告)号：CN105631416A
公开(公告)日：2016-06-01
申请号：CN201510987710.2
申请日：2015-12-24
Applicant: 华侨大学
CPC classification number: G06K9/00275 , G06K9/00288 , G06K9/6222
Abstract: 本发明提出一种采用新型密度聚类进行人脸识别的方法，读取人脸图像，将图像矩阵转换为特征向量，用特征向量集f作为待聚类的数据集P的输入，计算P中每两个人脸特征向量点之间的距离，算出所有点的均值，在P中找到距离均值点最近的点作为密度中心点，计算所有点的密度，迭代寻找密度中心点，将最后的收敛点作为密度汇聚点，将密度汇聚点中是其自身，且密度值大于t的点作为局部密度中心点，对集合LPS中的所有点按最近邻近算法进行聚类，并标记类别标号，把其它所有非局部密度中心点p的类别初始化为-1,划归到与其汇聚中心点相同类别，剩下的类别标号为-1的点记为离群点，最后输出聚类结果，本发明具有准确度高，能识别复杂数据的优点，提高了人脸识别的准确度。
-
Patent Agency Ranking
公开(公告)号：CN105488477A
公开(公告)日：2016-04-13
申请号：CN201510869577.0
申请日：2015-12-02
Applicant: 华侨大学
CPC classification number: G06K9/00496 , G06K9/00536 , G06K9/6218
Abstract: 本发明中的基于双重检验的假密度峰值检测算法，该基于双重检验的假密度峰值检测算法通过计算待聚类的数据集中每两个点之间的距离及所有点的外密度从而找出局部密度峰值点，而后通过计算局部密度峰值点的内密度最后找出假密度峰值点，由于内密度的计算，提高了基于密度的聚类算法的灵活性和处理复杂数据的能力，该基于双重检验的假密度峰值检测算法能有效提高传统基于密度的聚类算法的准确率，能够改善系统误码率性能，从而获得较低的错误平层。
-
-
公开(公告)号：CN118823357B
公开(公告)日：2024-12-20
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方法，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：CN118194072A
公开(公告)日：2024-06-14
申请号：CN202410366403.1
申请日：2024-03-28
Applicant: 华侨大学
IPC: G06F18/23213 , G06F18/243 , G06F18/214 , G06F18/2431
Abstract: 一种面向超大规模数据的球粒聚类方法，用于提升大规模数据处理速度，包括如下步骤：对原始数据集进行预处理，将非规范化数据转换为数值型数据；对预处理后的数据通过多次抽样和球粒算法进行初步数据分布获取，识别出代表球及其球心，并据此得到数据的整体分布；再次利用球粒算法对识别出的所有代表球进行精细化处理以识别关键球，根据所述关键球构建数据的森林并分配标签；计算未标记数据点与已标记关键球的球心之间的最小欧式距离，进行全局标签的分配。本发明显著提升数据处理速度，不仅有助于推动大数据技术的发展，同时也可作为图像处理等其他领域预处理步骤的有效工具。
-
公开(公告)号：CN107357977B
公开(公告)日：2021-03-09
申请号：CN201710500228.0
申请日：2017-06-27
Applicant: 华侨大学
Abstract: 本发明涉及一种基于二阶盲辨识的线性时不变结构工作模态参数识别方法及对应的时不变的工作模态参数识别的装置、一种结合二阶盲辨识和最小二乘广义逆方法的三维结构的工作模态参数识别方法及对应一种时不变三维圆柱壳工作模态参数识别的实验装置，一种时变的工作模态参数识别的方法和一种基于滑动窗二阶盲辨识的线性时变结构工作模态参数识别装置。该方法和装置仅由实测的响应信号就能对时不变或者带有时变特性的动态系统进行工作模态参数在线实时识别，识别出结构(系统)的工作模态参数(模态振型，模态频率)，能实时有效监测系统的动态变化特性，可用于振动控制、设备故障诊断、健康监测以及系统结构分析与优化。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.026 seconds)
