-
公开(公告)号：CN116956152A
公开(公告)日：2023-10-27
申请号：CN202310859549.5
申请日：2023-07-13
Applicant: 安徽理工大学
IPC: G06F18/241 , G06F18/2131 , G06N20/00
Abstract: 本发明公开了基于标签一致特征的岩爆风险等级预警方法，本发明方法构建了标签一致特征学习模型，从而能够获得岩爆指标数据的标签一致特征，有效提高岩爆预警的准确性，具体实现过程为：(1)借助一致分析理论和类标签信息，构建了一种新颖的标签一致特征学习模型；(2)优化求解该模型中特征变换矩阵的解析解；(3)在特征变换矩阵的基础上利用矩阵乘法直接获得岩爆指标数据的标签一致特征，并利用最近邻分类器获得岩爆风险等级的预警结果。与现有技术相比，本发明的岩爆预警方法更具有效性和鲁棒性。
-
公开(公告)号：CN116740440A
公开(公告)日：2023-09-12
申请号：CN202310700701.5
申请日：2023-06-14
Applicant: 安徽理工大学
IPC: G06V10/764 , G06T7/246 , G06T7/73 , G06N3/096
Abstract: 本发明公布了一种煤矿运输平巷人车安全运行检测方法，该方法包括：采集现场数据训练目标检测模型，设置场景检测参数；获取图像，使用目标检测模型处理得到车厢和行人的位置信息；通过车厢追踪单元对车厢位置信息进行分析，获得平巷人车的运行状态；通过人员监测单元对行人位置进行分析，获得处于危险区域的人员信息；结合平巷人车的运行状态和危险区域人员信息判断当前是否存在安全隐患。本发明能够解决平巷人车在煤矿开采工程中规范使用的监督问题，实现平巷人车运行安全的智能监控。
-
公开(公告)号：CN111401429B
公开(公告)日：2023-05-26
申请号：CN202010170499.6
申请日：2020-03-12
Applicant: 安徽理工大学
IPC: G06V10/77 , G06V10/762
Abstract: 本发明公开了一种基于聚类自适应典型相关分析的多视角图像聚类方法，主要是构建多视角典型相关分析和聚类的自适应优化模型，解决聚类任务中多视角相关学习的聚类不适应性问题，从而提高多视角图像的聚类性能。实现过程为：(1)初始化原始高维样本的类标签指示矩阵；(2)迭代求解相关投影矩阵、类质心矩阵和类标签指示矩阵；(3)基于求解的类标签指示矩阵，直接获得聚类结果。与现有技术相比，本发明提出的多视角图像聚类方法更具有效性和鲁棒性。
-
公开(公告)号：CN114300049A
公开(公告)日：2022-04-08
申请号：CN202111548398.9
申请日：2021-12-17
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于相似度顺序保持的基因表达数据分类方法。主要步骤为：1、利用模态策略对基因表达数据进行处理，构建多视角基因表达数据集；2、构建跨视角相似度顺序保持相关分析模型；3、对相似度顺序保持跨视角相关分析模型进行优化求解获得投影矩阵；4、使用并行特征融合策略进行特征融合，选取不同数量的基因表达数据做训练和测试，计算平均识别率。与现有技术相比，本发明能够利用投影前后样本之间的相似性来构建稳定的样本结构关系，从而提取更具鉴别力的特征，提高基因表达数据分类的准确性。
-
公开(公告)号：CN113011414A
公开(公告)日：2021-06-22
申请号：CN202110366347.8
申请日：2021-04-06
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于双特征正交弹性维数约简的手写体数字识别方法，主要是构建局部无向近邻图与全局几何图的同时引入正交性准则，构建正交弹性维数约简模型，并进一步利用该模型实现了手写体数字的识别任务。其具体实现过程为：(1)利用模态策略对手写体数字图像进行模态化处理；(2)构建正交弹性维数约简模型；(3)利用双特征分解方法对该模型进行求解，并借助最近邻分类器实现的手写体数字的识别。与现有技术相比，本发明提出的基于双特征正交弹性维数约简的手写体数字识别方法更具有效性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116738367B
公开(公告)日：2025-04-22
申请号：CN202310730201.6
申请日：2023-06-20
Applicant: 安徽理工大学
IPC: G06F18/25 , G01M13/04 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06N3/045 , G06N3/047 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种多尺度图Transformer的滚动轴承故障诊断方法，提出了一种新的图节点特征聚合模型，将图节点的每个邻域特征信息聚合到中心节点的特征表示，使用Transformer对重要的节点信息提高利用率，以增强特征表示。实现过程为：(1)对于采集到的原始轴承故障数据进行小波变换得到故障时频表示节点，利用每个故障时频表示节点的前k个故障时频表示节点来构建邻接矩阵；(2)通过多尺度特征聚合模块聚合故障时频表示节点的多尺度特征信息，然后构建故障时频表示节点结构编码来保存故障时频表示节点的结构信息，再输入到Transformer模块中进行特征提取；(3)使用SoftMax分类器对提取的故障特征进行分类。实验结果表明本发明方法是一种有效的故障诊断方法。
-
公开(公告)号：CN119830148A
公开(公告)日：2025-04-15
申请号：CN202411625657.7
申请日：2024-11-14
Applicant: 安徽理工大学
IPC: G06F18/2431 , G01M13/045 , G06F18/214 , G06F18/213 , G06F18/23213 , G06F18/25 , G06F18/21
Abstract: 本发明公开了一种基于自监督空间学习的跨模态轴承故障诊断方法，主要是构建类标签和跨模态空间投影方向的统一优化模型，从而能够在无监督故障诊断情况下实现类标签的自监督学习，有效提高故障诊断的准确性。具体实现过程为：(1)利用跨模态类标签信息和相关空间理论，构建跨模态自监督空间学习模型；(2)理论上推导出跨模态类中心的间接表示，进而获得学习的跨模态一致空间中类标签的解析解；(3)在跨模态自监督空间学习投影方向的基础上获得故障样本数据的跨模态故障特征，并将低维判别统一故障特征输入到分类器中，得到最终的轴承故障诊断结果。与现有技术相比，本发明的故障诊断方法更具有效性和鲁棒性。
-
公开(公告)号：CN111753930B
公开(公告)日：2024-02-13
申请号：CN202010486685.0
申请日：2020-06-01
Applicant: 安徽理工大学
IPC: G06V30/244 , G06V30/19
Abstract: 本发明公开了一种基于双视图标签弹性特征学习的手写体数字识别方法。本发明在最大化视图间整体散布的同时，尽量保留视图内鉴别局部散布和全局散布的弹性结构，从而形成半监督的标签弹性特征学习模型，以借助部分标签来获得更加具有鉴别力的弹性特征。具体实现过程为：(1)通过视图策略获取单视图图像的两种视图数据；(2)构建面向两种视图数据的标签弹性特征学习模型；(3)优化求解标签弹性特征学习模型，以获取双视图数据的弹性特征；(4)利用并行融合策略获取两种视图数据的融合弹性特征，最后利用最近邻分类器对融合弹性特征进行分类，以获得最终的识别结果。与现有技术相比，该方法能保留原始视图数据内的弹性鉴别结构，有效地提高手写体数字的识别性能。
-
公开(公告)号：CN116738367A
公开(公告)日：2023-09-12
申请号：CN202310730201.6
申请日：2023-06-20
Applicant: 安徽理工大学
IPC: G06F18/25 , G01M13/04 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06N3/045 , G06N3/047 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种多尺度图Transformer的滚动轴承故障诊断方法，提出了一种新的图节点特征聚合模型，将图节点的每个邻域特征信息聚合到中心节点的特征表示，使用Transformer对重要的节点信息提高利用率，以增强特征表示。实现过程为：(1)对于采集到的原始轴承故障数据进行小波变换得到故障时频表示节点，利用每个故障时频表示节点的前k个故障时频表示节点来构建邻接矩阵；(2)通过多尺度特征聚合模块聚合故障时频表示节点的多尺度特征信息，然后构建故障时频表示节点结构编码来保存故障时频表示节点的结构信息，再输入到Transformer模块中进行特征提取；(3)使用SoftMax分类器对提取的故障特征进行分类。实验结果表明本发明方法是一种有效的故障诊断方法。
-
公开(公告)号：CN116644356A
公开(公告)日：2023-08-25
申请号：CN202310537799.7
申请日：2023-05-15
Applicant: 安徽理工大学
IPC: G06F18/2413 , G06F18/214 , G06F18/2136 , G06F17/15
Abstract: 本发明公开了一种基于复流形嵌入学习的滚动轴承故障诊断方法，解决了传统数据驱动的故障诊断方法无法充分揭示故障样本间复杂高阶关系的问题，从而有效提高了故障诊断的准确性。实现过程为：(1)提取原始故障振动信号的时频域特征，构建高维特征故障集；(2)根据超图理论，利用样本的监督信息和类内类间近邻关系提出类内超图和类间超图，并使用基于稀疏的仿射切向结构组合构建了流形切向结构图。构建复流形嵌入模型后通过迭代求解方法获得该模型的优化投影方向，从而获得高维故障数据的低维故障特征；(3)将低维故障特征输入分类器中进行故障辨识，从而获得最终的故障诊断结果。实验结果表明本发明方法是一种有效的故障诊断方法。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.029 seconds)
