-
公开(公告)号：CN119992649A
公开(公告)日：2025-05-13
申请号：CN202510044668.4
申请日：2025-01-12
Applicant: 河北工业大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/40 , G06F3/01 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/0442 , G06N3/049 , G06N3/084 , G01S7/41 , G01S7/02
Abstract: 本发明为基于卷积神经网络的雷达手势识别方法，所述识别方法包括以下内容：获取雷达手势信号，并进行预处理，得到能输入卷积神经网络的图像组成的雷达手势数据集；构建卷积神经网络，所述卷积神经网络包括自适应特征融合卷积模块AFFM、多个自适应均值池化和多个3×3卷积层、以及改进CBAM模块；输入雷达手势特征图到AFFM，再经过3×3卷积层和自适应均值池化处理后输入改进CBAM模块中，改进CBAM模块的输入为上级自适应均值池化的输出，改进CBAM模块的输出与上级自适应均值池化的输出进行逐元素乘操作后，再经过一个自适应均值池化、线性层处理，获得雷达手势识别结果。本发明在不增加参数量与运行时长的情况下，有效增加识别准确率。
-
公开(公告)号：CN117516506A
公开(公告)日：2024-02-06
申请号：CN202311478459.8
申请日：2023-11-08
Applicant: 河北工业大学
Abstract: 本发明为一种基于点线特征结合的视觉惯性SLAM方法，首先采集环境图像并提取图像中的角点和线段；接着，计算线段长度并保留长度满足条件的线段，计算其余线段与最长线段之间的角度，将角度满足条件的线段保留；计算保留线段与最长线段之间的距离，将距离满足条件的线段保留，并将邻近的线段进行融合；然后，使用KLT算法跟踪和匹配点特征，得到点特征对；使用KNN算法跟踪和匹配线特征，得到线特征对；最后，通过最小化匹配的点特征对和线特征对的重投影误差进行位姿估计，并将估计的位姿用于建图。该方法采用了线段融合策略，精简了参与计算的线段，提高了定位与建图的精度和稳定性，解决了在弱纹理环境下效率低、特征跟踪容易失败等问题。
-
公开(公告)号：CN113840255B
公开(公告)日：2023-08-18
申请号：CN202111218186.4
申请日：2021-10-20
Applicant: 河北工业大学
IPC: H04W4/38 , H04W24/08 , H04L67/12 , H04L41/0677 , G16Y20/10
Abstract: 本发明为一种基于云边融合环境的异常探测方法，包括步骤一、筛选出m个对事件起决定作用的主属性；步骤二、将探测区域划分为多个子区域，通过邻居子区域合并构建空间索引树；利用空间索引树查询事件的主属性信息，并将主属性信息发送至边缘节点进行异常判断；步骤三、单个边缘节点的异常探测；步骤四、利用社会意识关系进行异常边缘节点的邻居边缘节点的异常探测；步骤五、当边缘层将异常子区域的主属性信息都上传到云层后，云做出决策。该方法利用社会意识关系存在的交互判断异常边缘节点的邻居边缘节点是否发生异常，有助于引导异常节点发现可能异常的邻居边缘节点，拓展了异常探测的范围，进一步提高了异常探测的准确性。
-
公开(公告)号：CN116243724A
公开(公告)日：2023-06-09
申请号：CN202310152583.9
申请日：2023-02-23
Applicant: 河北工业大学
IPC: G05D1/10
Abstract: 本发明为基于A*算法与改进最小化snap的无人飞行器路径规划方法，首先通过A*算法进行路径点搜索，得到初始轨迹；然后，利用最小化snap对A*算法得到的初始轨迹进行优化，得到一次优化轨迹；最后，逐一判断除起始点、目标点以外的所有路径点是否为候选冗余路径点，再判断每个候选冗余路径点是否为冗余路径点，若是冗余路径点则应删除，以此对一次优化轨迹进行冗余路径点修剪，对删除冗余路径点的轨迹重新添加约束条件，通过二次规划求解目标函数，完成整个路径规划。A*算法与最小化snap结合得到的轨迹尽管是连续、光滑的，但是轨迹较长，本发明通过修剪冗余路径点使轨迹更短，同时能够有效避障。
-
公开(公告)号：CN115982159A
公开(公告)日：2023-04-18
申请号：CN202211663917.0
申请日：2022-12-23
Applicant: 河北工业大学
IPC: G06F16/22 , G06F16/23 , G06F16/2458
Abstract: 本发明为一种数据库频率估计方法，所述数据库的数据结构包括H、M、L三层二维数组和两个位图，三层二维数组的行数均相等，高频二维数组H的列数是中频二维数组M的列数的1/2，中频二维数组M的列数是低频二维数组L的列数的1/2；低频位图F和中频位图S的行列数分别与低频二维数组L和中频二维数组M的行列数相同。与传统方式相比，L层的计数器更多、计数器的内存空间更小，可以在计数器记录低频数据项的时候减少空间的浪费，起到内存高效的目的。对于那些中高频数据项，在落入L层之后会再次溢出到M层和H层，依然可以保证在减少哈希冲突的同时充分利用内存空间。
-
Patent Agency Ranking
公开(公告)号：CN111830560B
公开(公告)日：2022-06-28
申请号：CN202010728475.8
申请日：2020-07-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于降秩算法的地震数据重建方法，其特征在于，该方法的操作步骤如下：第一步，获取时域上存在缺失的地震数据Y，设定最优秩为k；将地震数据Y转换为各频率切片的块Hankel矩阵；第二步，采用循环加权中位数算法对块Hankel矩阵的约束进行最小化以降低其秩，得到降秩块Hankel矩阵；第三步，对降秩块Hankel矩阵进行逆向变换，得到在频域内的重构数据该方法将循环加权中值算法与Hankel预变换相结合，可以避免求解SVD；通过合成数据和实际数据实验，表明该方法具有更高的计算精度和效率。
-
公开(公告)号：CN112232433A
公开(公告)日：2021-01-15
申请号：CN202011158915.7
申请日：2020-10-27
Applicant: 河北工业大学
Abstract: 本发明为一种基于双通路网络的肺结节良恶性分类方法，包括：第一步，对图像进行预处理，提取肺结节图像，形成训练集和测试集；第二步，通过Res2Net类残差连接网络中进行特征提取，完成局部多特征提取；第三步，通过全局特征提取网络进行特征提取，完成全局特征提取；第四步，将局部特征和全局特征进行特征交互运算得到完成网络模型的构建；第五步，选取激活函数，将训练集输入到网络模型中进行训练完成迭代，得到训练后的网络模型；第六步，将肺结节CT图像输入到训练后的网络模型中，输出肺结节对应的良、恶性的分类概率，将分类概率最大的类别作为肺结节的最终分类结果。该方法在准确率、敏感性和特异性方面都表现出优越的性能。
-
公开(公告)号：CN111239014A
公开(公告)日：2020-06-05
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。
-
公开(公告)号：CN110149556A
公开(公告)日：2019-08-20
申请号：CN201910416747.8
申请日：2019-05-20
Applicant: 河北工业大学
IPC: H04N21/442 , H04N21/466 , H04N21/45
Abstract: 本发明公开了一种基于TDC-LDA模型的IPTV用户行为模式挖掘方法，该方法首先用概率生成模型的思想来假设用户具体行为模式中的观看的节目、观看的时间点和观看时长的生成过程，建立TDC-LDA模型；其次，用Gibbs采样的方式进行模型拟合，推导隐变量条件概率的采样公式以及用户-行为模式矩阵、兴趣主题-节目矩阵和时段-时间点矩阵的计算公式；然后，根据TDC-LDA模型的Gibbs采样过程，得到每一个用户的行为模式矩阵、兴趣主题-节目矩阵和时段-时间点矩阵；最后，通过用户的收视行为模式分布，给用户做出推荐。本发明提出了一种新的TDC-LDA用户收视行为模式挖掘模型，在现有的cLDA模型的基础上加入了观看时长信息。
-
公开(公告)号：CN104298981A
公开(公告)日：2015-01-21
申请号：CN201410616426.X
申请日：2014-11-05
Applicant: 河北工业大学
CPC classification number: G06K9/00302 , G06K9/00268 , G06K9/00288
Abstract: 本发明人脸微表情的识别方法，涉及应用电子设备进行识别图形的方法，是在对人脸微表情图像序列预处理完成之后，使用Birnbaum-Saunders分布曲线建立回归模型，再使用CBP-TOP算法提取人脸微表情序列的动态时空纹理特征，最后使用分类器进行训练和预测，该方法克服了现有人脸微表情的识别方法存在对人脸微表情图像的亮点、边缘和白色噪声微小特征较为敏感，因而识别性能低的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.041 seconds)
