公开(公告)号：CN105550711A

公开(公告)日：2016-05-04

申请号：CN201510953417.4

申请日：2015-12-16

Applicant: 合肥工业大学

Inventor： 倪志伟 ,  张琛 ,  倪丽萍 ,  朱旭辉 ,  金飞飞 ,  伍章俊

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6229 ,  G06K9/6269

Abstract: 本发明公开了一种基于萤火虫算法的选择性集成学习方法，其特征按如下步骤进行：步骤1、初始化；步骤2、荧光素更新阶段；步骤3、萤火虫个体移动阶段；步骤4、动态决策域更新阶段；步骤5、输出最优解。本发明使用萤火虫算法优化集成中各个分类器中的权重，选择部分精度高、差异度大的分类器参与集成，能提高集成的泛化性能和分类预测准确率，从而满足解决实际问题的需要。

公开(公告)号：CN114266278B

公开(公告)日：2024-02-20

申请号：CN202111637184.9

申请日：2021-12-29

Applicant: 合肥工业大学

Inventor： 王刚 ,  李慧 ,  张亚楠 ,  伍章俊 ,  卢明凤 ,  贡俊巧 ,  祝贺功 ,  王逸飞 ,  程萌勋

IPC: G06F30/27 ,  G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06Q10/04 ,  G06Q10/20 ,  G06F119/02

Abstract: 本发明公开了一种基于双重注意力网络的设备剩余使用寿命预测方法，其步骤包括：1收集传感器数据并进行预处理，通过滑动时间窗口方法构建数据样本集；2搭建双重注意力网络，网络结构包含空间注意力模块、双向长短期记忆模块、时间注意力模块和全连接网络预测模块；3训练双重注意力网络模型，优化模型参数；4利用训练好的双重注意力网络模型预测设备的剩余使用寿命。本发明能自适应融合多源传感器数据，并能实现不同时间的特征的差异性利用，从而提升剩余使用寿命预测效果。

公开(公告)号：CN117312950A

公开(公告)日：2023-12-29

申请号：CN202311260807.4

申请日：2023-09-27

Applicant: 合肥工业大学

Inventor： 伍章俊 ,  王逸飞 ,  方刚 ,  许仁礼

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/21 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于对抗迁移学习和类别平衡损失的设备故障诊断方法，步骤包括：1对采集的原始信号数据进行预处理并构建源域和目标域样本集；2构建类非均衡对抗迁移学习网络；3采用联合优化的方式训练类非均衡对抗迁移学习网络模型，优化模型参数；4将目标域样本集中的测试样本输入到训练好的模型中，获得设备的故障诊断结果。本发明能实现油气管道在不同工作条件下的故障诊断，并能够很好地应对机械实际工况下故障状态较少而引起的类非均衡问题，从而提升故障诊断效果和泛化性能。

公开(公告)号：CN105824937A

公开(公告)日：2016-08-03

申请号：CN201610157896.3

申请日：2016-03-17

Applicant: 合肥工业大学

Inventor： 倪志伟 ,  李敬明 ,  张琛 ,  朱旭辉 ,  金飞飞 ,  伍章俊

IPC: G06F17/30 ,  G06N3/00

CPC classification number: G06F16/2465 ,  G06N3/006

Abstract: 本发明公开了一种基于二进制萤火虫算法的属性选择方法，其特征按如下步骤进行：步骤1、利用分形维数盒计法计算高维数据集的分形维数，获得的所要选择属性的个数；步骤2、初始化萤火虫种群；步骤3、利用二进制萤火虫算法对高维数据集的多个属性进行选择，获得最优属性子集；步骤4、输出最优解。本发明使用二制萤火虫算法作为属性选择的搜索策略，以分形维数作为属性选择评估度量准则，从高维数据集的多个指标属性中选择一个较优的属性子集，这样能够降低数据处理的复杂性，提高数据处理的效率，从而满足解决实际问题的需要。

公开(公告)号：CN105719004A

公开(公告)日：2016-06-29

申请号：CN201610032835.4

申请日：2016-01-18

Applicant: 合肥工业大学

Inventor： 倪志伟 ,  程美英 ,  朱旭辉 ,  倪丽萍 ,  伍章俊

IPC: G06N3/12

CPC classification number: G06N3/12

Abstract: 本发明公开了一种基于协同进化粒子群算法求解多任务问题，其特征是按如下步骤进行：步骤1、种群初始化；步骤2、划分种群；步骤3、初始化各子种群中粒子的位置和速度；步骤4、初始化各子种群中粒子自身最优解及粒子自身最优位置；步骤5、初始化各子种群公告板上全局最优解及全局最优位置；步骤6、执行基本粒子群算法；步骤7、执行竞争操作；步骤8、执行协作操作；步骤9、更新各子种群粒子自身最优解及粒子自身最优位置；步骤10、更新各子种群全局最优解及全局最优位置；步骤11、循环步骤；步骤12：输出各子种群的全局最优解。本发明通过子种群之间的相互竞争协作，能同时求解多个不同的优化问题，从而满足解决实际问题的需要。

公开(公告)号：CN104077629A

公开(公告)日：2014-10-01

申请号：CN201410346042.0

申请日：2014-07-18

Applicant: 合肥工业大学

Inventor： 倪志伟 ,  朱旭辉 ,  程美英 ,  倪丽萍 ,  伍章俊

IPC: G06N3/00

Abstract: 本发明公开了一种变步长自适应的改进人工鱼群算法其特征是按如下步骤进行：步骤1、初始化；步骤2、公告板初始化；步骤3、执行聚群行为；步骤4、执行追尾行为；步骤5、执行觅食行为；步骤6、判断终止条件；步骤7、输出食物浓度最大值。本发明能增强算法跳出局部最优能力、加快全局收敛速度和提高计算结果精度，从而满足解决实际问题的需要。