-
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
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：CN116959752A
公开(公告)日：2023-10-27
申请号：CN202310712730.3
申请日：2023-06-15
Applicant: 大连海事大学
IPC: G16H80/00 , A61B5/0205 , G16H50/20 , G06F18/24 , G06N3/0455 , A61B5/145 , G06F123/02
Abstract: 本发明公开了一种基于时间邻域编码的医学时序信号分类预测方法，包括：获取医学时序信号，并对医学时序信号进行时间窗口划分；检测信号平稳性，确定时间邻域参数；基于时间邻域参数，利用时间窗口对所述医学时序信号进行采样；利用编码器对采样信号进行编码；利用判别器对编码结果进行鉴别分类，预测目标窗口与样本窗口位于同一邻域的可能性。本发明中，基于时间邻域编码对医学时序信号进行分类预测，预测过程简单，准确率高，可靠性较高，解释性强，不仅适用于单类数据的分类识别，同时在两类相干性指标的分类任务中效果较好，可以应用在具有相关性病理指标的分析方向，探究某些相关指标与医学疾病的关系，为HIE指标的分析方法提供一个新思路。
-
公开(公告)号：CN107273926A
公开(公告)日：2017-10-20
申请号：CN201710438458.9
申请日：2017-06-12
Applicant: 大连海事大学
IPC: G06K9/62
CPC classification number: G06K9/6234
Abstract: 本发明公开了一种基于余弦相似度加权的线性判别分析降维方法，其包括：步骤1、读取数据集X中的各样本待获取的初始特征F；步骤2、基于LLE算法，对初始特征F进行初步降维以获得临时特征F′；步骤3、获取样本特征数据即将临时特征F′作为输入特征；步骤4、计算出数据集X中每类样本均值mi和总体样本均值m；步骤5、基于样本特征数据以及mi、m，获得基于余弦相似度加权的类内散度矩阵以及对应的类间散度矩阵；步骤6、创建基于余弦相似度加权的目标函数对样本特征数据进行进一步降维；步骤7、根据步骤6所产生的投影矩阵将输入特征映射到新的维度空间。本发明具有更好的类内耦合度和类间离散度，且达到了更好的降维效果。
-
公开(公告)号：CN107273845A
公开(公告)日：2017-10-20
申请号：CN201710438445.1
申请日：2017-06-12
Applicant: 大连海事大学
CPC classification number: G06K9/00308 , G06K9/4647 , G06K9/482 , G06K9/6256 , G06K9/6273 , G06K2009/488
Abstract: 本发明公开了一种基于置信区域和多特征加权融合的人脸表情识别方法，包括：1、获得人脸置信区域图像以及人脸区域图像，所述人脸置信区域图像至少包括眼睛眉毛区域和嘴部区域；2、对所述人脸置信区域图像及人脸区域图像进行特征提取以获得所对应的初始特征；3、对所述初始特征进行降维及数据归一化处理后并组成融合特征F；4、将所述融合特征F作为分类识别特征送入分类器进行识别；5、选定训练集特征数据以及测试集特征数据并将所述训练集特征数据输入到GRNN神经网络进行训练以获得相应的训练参数；6、基于所述训练参数，采用密度函数对测试集特征数据进行预测输出以获得最终的分类识别特征数据。本发明具有更高的识别效率以及识别准确率。
-
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
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。
-
Patent Agency Ranking
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
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％。
-
公开(公告)号：CN115659218A
公开(公告)日：2023-01-31
申请号：CN202211291608.5
申请日：2022-10-19
Applicant: 大连海事大学
Abstract: 本发明提供一种基于最大信息系数的脑自调节机制指标相干性获取方法，包括：将平均血动脉压、脑组织氧饱和度两项指标信号的数据整合到二维散点图中，根据互信息计算公式计算互信息，分别选取不同分割尺寸下的最大互信息，组成特征矩阵中，并进行归一化；将特征矩阵中的数据点放入三维空间形成一个曲面，该曲面最高点数值为所求得的最大互信息系数MIC；根据样本输入信息对分类边界线建立回归公式，寻找最优参数从而对样本输入信息进行相关性分类；该方法应用在数据指标具有相关性的其他领域，探究某些相关指标与实际结果的关系。
-
公开(公告)号：CN106611107B
公开(公告)日：2020-09-22
申请号：CN201710031232.7
申请日：2017-01-17
Applicant: 大连海事大学
Abstract: 本发明公开了一种去除测序数据噪声的方法,包括以下步骤：S1：对原始RNA‑Seq数据进行过滤，应用最小过滤原则，去除原始数据矩阵中的数值为0或表达量极低的行；S2：对过滤后的数据进行标准化处理，去除系统偏差，将不同的结果根据全局数值进行调整，使个体之间的数据具有可比性；S3：计算标准化数据后感兴趣的变量和批次噪声之间的相关性，进行相关系数显著性检验，求出P值，若P
-
公开(公告)号：CN106780486B
公开(公告)日：2019-12-24
申请号：CN201710027473.4
申请日：2017-01-16
Applicant: 大连海事大学
Abstract: 本发明提供一种钢板表面缺陷图像提取方法，其特征在于，包括如下步骤：对钢板表面图像进行ROI检测，剔除无缺陷图像；依次读取缺陷图像，对图像进行预处理，去除噪声和不均匀光照对缺陷分割效果的影响，提高前后景对比度；对预处理后的钢板缺陷图像利用Center‑Surround Difference进行缺陷区域分割提取，最终数据输出。本发明使得图像提取算法效率得到提升，无需占用很大内存空间，便于实时处理，有效弱化噪声的影响，避免图像因光照和亮度不均造成的错误提取，提高对比度，使得缺陷提取效果更加优良，细节更完整。
-
公开(公告)号：CN107194897B
公开(公告)日：2019-07-23
申请号：CN201710438763.8
申请日：2017-06-12
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法，算法步骤包括：读取破损的图像，并标记待修复区域；提取目标区域内所有已知像素点信息；根据提取的已知像素点信息构建结构差异矩阵；在目标区域内提取一定大小的以待修复区域边界上任意待修复点p为中心的窗口区域，计算待修复点p的边缘结构系数T(p)、标准差参数Sp(p)以及置信度参数C(p)；按照公式P(p)＝T(p)·C(p)·Sp(p)计算此待修复点的优先权值P(p)；遍历待修复区域边界上所有待修复点，修复以优先权值最大的待修复点为中心的窗口区域，并更新待修复区域边界；重复上述步骤，直至待修复区域修复完全。本发明根据各目标区域的差异大小，得到稳定的优先权值，大大降低了优先权的计算时间。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.022 seconds)
