-
公开(公告)号：CN109492830A
公开(公告)日：2019-03-19
申请号：CN201811541300.5
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的移动污染源排放浓度预测方法，本发明根据移动污染源污染物的区域时空分布特点，提出基于注意力机制的卷积长短期记忆神经网络预测方法。首先，通过分析站点之间的Granger因果关系并开发超参数高斯向量权重函数以确定空间自相关变量作为输入特征的一部分。其次，使用卷积神经网络来提取LSTM网络使用的数据的时空间特征，同时注意力模型分别用于加权特征图和通道以增强特征的有效性。最后，基于深度LSTM的时间序列预测器，用于学习大气污染物浓度的长期和短期依赖性。本发明从历史大气污染物数据中提取固有的有用特征，并将辅助数据纳入所提出的模型中以提高性能，从而浓度预测方法。
-
公开(公告)号：CN109374532A
公开(公告)日：2019-02-22
申请号：CN201811541673.2
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于传递熵和自适应融合估计移动源排放气体遥测误差补偿方法。本发明有机结合测量对象的先验知识和最优估计理论，能够从带噪观测序列中得到真实值的最优估计。首先，通过超限学习机方法建立多干扰下遥测误差预测模型。然后，提出了一种虚拟观测分解模型，并利用虚拟观测分解模型对观测序列进行多序列分解。之后，将实际测量过程转化为多传感器虚拟观测过程，并建立多传感器虚拟观测过程的数学模型。最后，引入传递熵和自适应卡尔曼滤波对多虚拟观测序列进行融合重构，从而得到测量序列的最优估计。本发明能够有效补偿外部环境干扰引起的测量误差，提高遥感检测技术的环境适用性和抗干扰能力。
-
公开(公告)号：CN108733624A
公开(公告)日：2018-11-02
申请号：CN201810318841.5
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种水质异常数据检测与重构方法。本发明将VMD(Variational Mode Decomposition)算法应用于水质异常数据的检测，克服了EMD(Empirical Mode Decomposition)算法在信号分解中容易产生模态混叠现象的缺点，采用牛顿迭代法寻找最优参数k，改进了传统经验法确定参数k的不足，并结合分段曲线拟合法重构水质异常数据，使本发明方法在水质异常监测领域更具有适用性。
-
公开(公告)号：CN110619276B
公开(公告)日：2021-12-21
申请号：CN201910753620.5
申请日：2019-08-15
Applicant: 杭州电子科技大学 , 杭州创匠信息科技有限公司
Abstract: 本发明公开基于无人机移动监控的异常及暴力检测系统和方法。本发明包括无人机云台模块、巡航飞行控制模块、视频处理模块、异常事件检测模块、暴力行为检测模块以及警报模块。视频处理模块用于接收无人机云台模块和巡航飞行控制模块的数据，并对其进行预处理；异常事件检测模块用于分析视频处理模块处理过的视频数据，并对其中的异常事件视频进行检测；暴力行为检测模块接收来自异常事件检测模块的数据，用于分析经异常事件检测模块检测出异常后的视频中是否有暴力行为。本发明实现了在巡航状态的无人机上进行异常事件检测和暴力行为检测的系统,而且能在无人机飞行过程中以近实时的检测速度进行检测,并且可以实时反馈。
-
公开(公告)号：CN110619276A
公开(公告)日：2019-12-27
申请号：CN201910753620.5
申请日：2019-08-15
Applicant: 杭州电子科技大学 , 杭州创匠信息科技有限公司
Abstract: 本发明公开基于无人机移动监控的异常及暴力检测系统和方法。本发明包括无人机云台模块、巡航飞行控制模块、视频处理模块、异常事件检测模块、暴力行为检测模块以及警报模块。视频处理模块用于接收无人机云台模块和巡航飞行控制模块的数据，并对其进行预处理；异常事件检测模块用于分析视频处理模块处理过的视频数据，并对其中的异常事件视频进行检测；暴力行为检测模块接收来自异常事件检测模块的数据，用于分析经异常事件检测模块检测出异常后的视频中是否有暴力行为。本发明实现了在巡航状态的无人机上进行异常事件检测和暴力行为检测的系统,而且能在无人机飞行过程中以近实时的检测速度进行检测,并且可以实时反馈。
-
Patent Agency Ranking
公开(公告)号：CN109636045A
公开(公告)日：2019-04-16
申请号：CN201811541299.6
申请日：2018-12-17
Applicant: 杭州电子科技大学
CPC classification number: G06Q10/047 , G06N3/006 , G06Q50/30
Abstract: 本发明中涉及到一种基于智能算法的机动车拦截路径规划方法。本发明将城市路网的拓扑结构和车辆运动轨迹抽象成多为矩阵，以所有车辆为核心在矩阵中形成泰森多边形，计算目标车辆所在泰森多边形区域内的目标可到达路径总长，以目标车辆的预测路径为终点，用智能算法求在拦截车辆运动过程中使目标车辆泰森多边形区域内路径最短的路口位置，连接这些路口位置便得到最优拦截路径。本发明需要路网及车辆的轨迹信息，路网信息可直接通过地图获得，轨迹信息需要依靠城市路口监控，方法通过结合常用的路径寻优算法及简化面积计算的图形方法，为城市环境下的车辆拦截问题提供了新思路。
-
公开(公告)号：CN108764520A
公开(公告)日：2018-11-06
申请号：CN201810323080.2
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层循环神经网络和D‑S证据理论的水质参数含量预测方法，本发明针对水环境这种具有高维、多峰值、不连续、非凸性等特征的复杂非线性系统，利用水质参数含量的历史数据对深层RNN预测模型进行训练，完成对模型的构造，并对水质参数的未来含量进行初步预测；由于D‑S证据理论能够从数学理论上解决不确定性的问题，因此在RNN模型预测结果的基础上利用D‑S证据理论进行冲突解决和证据融合，提升了单一参数的预测精度，并提高了多参数预警的准确性。
-
公开(公告)号：CN108733624B
公开(公告)日：2021-11-30
申请号：CN201810318841.5
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种水质异常数据检测与重构方法。本发明将VMD(Variational Mode Decomposition)算法应用于水质异常数据的检测，克服了EMD(Empirical Mode Decomposition)算法在信号分解中容易产生模态混叠现象的缺点，采用牛顿迭代法寻找最优参数k，改进了传统经验法确定参数k的不足，并结合分段曲线拟合法重构水质异常数据，使本发明方法在水质异常监测领域更具有适用性。
-
公开(公告)号：CN109521176B
公开(公告)日：2021-08-31
申请号：CN201910089332.4
申请日：2019-01-30
Applicant: 杭州电子科技大学
IPC: G01N33/18
Abstract: 本发明公开了一种基于改进深度极限学习机的虚拟水质监测方法，本发明针对水质监测中监测站点的建设成本高，设备维护繁琐等问题，利用与虚拟监测位置相关的站点的历史数据，提出了一种改进的深度极限学习机用于实现对虚拟位置处的水质预测。在该方法中，为了提取水质监测网络采集到的水质数据中更具不变性的鲁棒性特征，开发出了一种新的深层极限学习机模型，该模型将局部去噪准则和收缩惩罚项引入基于极限学习机的自编码器。然后，在此基础上利用加权极值学习机对虚拟位置处的水质参数实际值进行预测，实现了对未知位置处的水质监测。本发明可以更好地对实时的未知站点处的水质信息进行实时预测，且具有较好的预测准确度。
-
公开(公告)号：CN109492830B
公开(公告)日：2021-08-31
申请号：CN201811541300.5
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的移动污染源排放浓度预测方法，本发明根据移动污染源污染物的区域时空分布特点，提出基于注意力机制的卷积长短期记忆神经网络预测方法。首先，通过分析站点之间的Granger因果关系并开发超参数高斯向量权重函数以确定空间自相关变量作为输入特征的一部分。其次，使用卷积神经网络来提取LSTM网络使用的数据的时空间特征，同时注意力模型分别用于加权特征图和通道以增强特征的有效性。最后，基于深度LSTM的时间序列预测器，用于学习大气污染物浓度的长期和短期依赖性。本发明从历史大气污染物数据中提取固有的有用特征，并将辅助数据纳入所提出的模型中以提高性能，从而浓度预测方法。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.021 seconds)
