一种基于大规模稀疏优化算法的端元提取方法

    公开(公告)号:CN118941810A

    公开(公告)日:2024-11-12

    申请号:CN202411089327.0

    申请日:2024-08-09

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于大规模稀疏优化算法的端元提取方法,包括:1.导入高光谱遥感图像数据,初始化种群与全局记录;2.通过全局记录筛选出优秀端元组成解,缩小端元搜索空间,并在迭代过程中不断更新全局记录;3.采用多种子种群产生方式,增加种群多样性,全面搜索端元;4.将新产生的子种群与原种群合并,并通过非支配排序与拥挤距离获得Pareto解集,经过多次迭代进化,获得一组高光谱端元提取结果。本发明能从多角度衡量端元的质量,解决了端元搜索重复、不彻底和搜索空间过大的问题,使端元提取的结果更加精确、多样化。

    一种基于自适应算子的车辆生产序列优化方法

    公开(公告)号:CN118822027A

    公开(公告)日:2024-10-22

    申请号:CN202410932942.7

    申请日:2024-07-12

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于自适应算子的车辆生产序列优化方法,包括:1构建车辆生产序列优化的数学模型;2初始化车辆生产序列优化方案集,计算每个方案的目标值,初始化算子集;3通过初始化的算子、结合进化算法框架NSGA‑II产生新的车辆生产序列优化方案集;4将新旧方案集合并,从中选择一定数量的更优方案;5更新算子,重复以上过程,直至算法终止,导出最优算子;6根据最优算子得到对应的最优车辆生产序列优化方案。本发明能够在不同的车辆生产序列参数集上获得稳定优良的性能,保证车辆生产序列方案集的多样性及收敛性,有效降低了订单在各个车间生产过程中的消耗以及订单的总完工时间。

    一种基于多目标的神经架构搜索方法

    公开(公告)号:CN118070884A

    公开(公告)日:2024-05-24

    申请号:CN202410410014.4

    申请日:2024-04-07

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于多目标的神经架构搜索方法,属于智慧教育领域中的学生个性化认知诊断领域,其步骤包括:首先,基于现有的诊断模型设计出认知诊断的搜索空间。其次,提出一个多目标遗传规划来探索搜索空间,最大限度地提高模型的性能和可解释性,每个搜索出的诊断公式转换为树架构且编码基于树的表示。然后,为了使搜索算法有效的产生新的诊断公式,设计一个包含四个子遗传操作的遗传算子。最后还提出了一种初始化策略,使一般的种群能从现有模型的变体中进化以加速收敛。本发明将神经架构搜索方法应用到认知诊断当中,既能对学生能力表征进行认知诊断,又能搜索出表现优异的诊断公式。

    基于剂量分层的深度神经网络的调强放射剂量预测方法

    公开(公告)号:CN117442889A

    公开(公告)日:2024-01-26

    申请号:CN202311602852.3

    申请日:2023-11-28

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于剂量分层的深度神经网络的调强放射剂量预测方法,包括:1、对数据进行预处理;2、全局剂量预测模块用于训练得到全局粗剂量预测模型,并得到粗略的剂量预测分布图;3、分层剂量预测模板用于分层训练得到局部精确剂量预测的各个子模型,并通过不同层的子模型得到精确的各分层剂量分布;4将最后各分层子模型得到的精确预测结果,进行集成拼接,得到最终的剂量分布。本发明通过将整个图像空间的剂量预测分解为一组基于剂量强度分层的预测任务,细化网络相对更容易学习每个分层区域的特征,从而得到更精确预测的剂量分布的同时,能够避免冷点热点问题,保留更多的医学特征,使预测的剂量分布图更加贴合实际应用。

    基于多阶段进化算法的配电网无功优化方法

    公开(公告)号:CN116565883A

    公开(公告)日:2023-08-08

    申请号:CN202310052419.0

    申请日:2023-02-02

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于多阶段进化算法的配电网无功优化方法,包括:1构建配电网无功优化模型的目标函数、等式约束和不等式约束;2初始化配电网无功优化方案集,计算每个方案适应度值;3执行交配池选择和多项式变异产生新的方案,并将新的方案和旧的方案集合并;4根据合并方案集中每个无功优化方案的可行性,算法进入阶段A或阶段B;5对合并方案集中的无功优化方案进行选择,重复以上过程,直至算法终止,从合并方案集中选出的n个最优方案作为配电网无功优化问题的最优解集。本发明能够有效解决配电网无功优化问题,保证了配电网无功优化方案集的收敛性和多样性,有效降低了功耗和无功补偿容量,提高了静态电压裕度。

    基于进化算法的电压互感器电压比误差检测方法

    公开(公告)号:CN116338554A

    公开(公告)日:2023-06-27

    申请号:CN202310314411.7

    申请日:2023-03-28

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于进化算法的电压互感器电压比误差检测方法,包括:1对变电站内电压互感器的所有模拟信号进行采样,并将其作为历史数据保存在工作站中;2根据采样数据构建电力变压器预测电压值、电压互感器测量的电压值和相位角值的数学模型;3利用收集的数据,通过进化算法获得问题的解集,并通过计算解集中所有解的平均值来估计电力变压器的真实电压值;4计算每个电压互感器的电压比误差,并将故障电压互感器报告给工作人员。本发明能够大幅度提高电压互感器的检测效率,降低时间消耗和检测成本。

    一种用于信号重构方案的自动推荐方法

    公开(公告)号:CN114282112A

    公开(公告)日:2022-04-05

    申请号:CN202111614743.4

    申请日:2021-12-27

    Applicant: 安徽大学

    Abstract: 本发明公开了一种用于信号重构方案的自动推荐方法,其步骤包括:1、构建信号重构的单目标优化模型;2、构建数据集;3、针对数据集,使用深度循环神经网络来训练推荐模型;4、拟合信号重构相应的树结构并获取特征;5、将拟合后得到的特征输入到模型中,从而推荐信号重构方案。本发明能实现对信号重构方案的自动推荐,并提高推荐准确率和效率。

    一种基于梯度引导的进化算法的图像识别方法

    公开(公告)号:CN114220127A

    公开(公告)日:2022-03-22

    申请号:CN202111639517.1

    申请日:2021-12-29

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于梯度引导的进化算法的图像识别方法,其步骤主要包括:1、获取图像样本构建训练样本数据集;2、初始化父代种群,对其在交配选择过程中使用gSBX算子来获得子代种群,将父代种群加入子代种群中并对子代种群进行非支配排序,从排序好的种群中选取前若干个个体作为最优个体种群;3、从最优个体种群中删去被支配的解,使用稀疏随机梯度法SGD对种群中剩余的每个个体的权重变量微调,在该种群的Pareto前沿面上的拐点区域选择一个个体的属性集作为最终训练模型的变量。本发明通过进化算法优化图像识别模型,从而能提升模型在图像识别上的精确度,并减少神经网络的训练成本和内存用量。

Patent Agency Ranking