公开(公告)号：CN119004073A

公开(公告)日：2024-11-22

申请号：CN202411092853.2

申请日：2024-08-09

Applicant: 大连海事大学

Inventor： 王演 ,  陈炯燚 ,  程诚 ,  李佳颖

IPC: G06F18/213 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06F18/10 ,  G06F18/23213

Abstract: 本发明一种基于改进LSTM的变分自编码器的驾驶风格特征提取方法，属于车辆工程和数据科学技术领域。通过对数据集信息进行预处理；基于改进编码器和解码器构建模型并训练模型；输入预处理后数据，进行驾驶风格特征提取，特征聚类以及驾驶风格分析，输出对应驾驶风格；利用特征聚类和特征分析结果验证模型特征提取性能。本发明通过对特征提取的改进，在优化算法复杂度的同时，有效提高了驾驶风格聚类的精确度和可靠性。

公开(公告)号：CN118859016A

公开(公告)日：2024-10-29

申请号：CN202411031827.9

申请日：2024-07-30

Applicant: 大连海事大学

Inventor： 王演 ,  程诚 ,  陈炯燚

IPC: G01R31/392 ,  G01R31/387 ,  G01R31/378 ,  G01R31/367

Abstract: 本发明提供一种基于智能优化算法的锂离子电池健康状态预测方法，属于电池技术和材料科学技术领域。通过对数据集进行预处理及特征提取；采用PCA对提取后特征进行降维筛选；利用霜冰优化算法对高斯过程中的核参数进行优化；利用优化后的高斯过程回归预测电池SOH。实现了简单快速的对锂电池健康状态进行精准预测。

公开(公告)号：CN118351679A

公开(公告)日：2024-07-16

申请号：CN202410274078.6

申请日：2024-03-11

Applicant: 大连海事大学

Inventor： 王演 ,  朱峰 ,  安永泰 ,  杨跃 ,  程诚 ,  陈炯燚 ,  李佳颖

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/049 ,  G06N3/084 ,  G06N3/086 ,  G06N3/006

Abstract: 本发明公开了一种基于PSO‑STGCN图卷积网络的短期交通流预测方法及系统，涉及智能交通技术领域，方法包括：获取多个时刻的历史交通速度数据，并对所述数据进行预处理，得到训练集、测试集和验证集；根据交通流矩阵，构建空间时间图卷积网络STGCN模型；采用粒子群优化PSO算法，对所述STGCN模型的参数进行优化；利用所述训练集对优化后的STGCN模型进行训练；利用训练好的STGCN模型进行交通流预测，得到预测结果。本发明将PSO与STGCN模型相结合，克服了手动设置模型参数的缺点，使粒子群算法能够捕获STGCN模型的最优参数，对交通流量预测具有更显著的影响。

公开(公告)号：CN118118303A

公开(公告)日：2024-05-31

申请号：CN202410222532.3

申请日：2024-02-28

Applicant: 大连海事大学

Inventor： 王演 ,  安永泰 ,  朱峰 ,  杨跃 ,  程诚 ,  陈炯燚 ,  李佳颖

IPC: H04L27/00 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/0442 ,  G06F18/25 ,  G06N3/08

Abstract: 本发明提供了基于特征融合和分组卷积神经网络的调制信号识别方法，涉及调制信号技术领域。本发明对接收到的调制信号的两路信号做预处理，分别求出两路信号的和以及两路信号的正切值，最后将这两行值添加到原来的数据中，从而达到丰富数据的作用。接下来将数据输入到设计好的神经网络中，这个神经网络的组成为四个卷积层和一个长短期记忆递归神经网络，其中第二，三，四个卷积层采用分组卷积的方式进行运算。本发明提供的方法具有运算量低，模型参数少和低信噪比条件下准确率较高的特点。在卷积层采用的分组数为8的时候，该方法在信噪比范围为‑20～18dB的情况下，整体识别准确率到了58.34％，在信噪比为0dB的情况下，对11种调制信号的整体识别准确率达到了80.54％。