-
公开(公告)号：CN112507966B
公开(公告)日：2024-03-01
申请号：CN202011537807.0
申请日：2020-12-23
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/56 , G06V10/77 , G06V10/764
Abstract: 本发明公开了一种基于四元数非凸罚稀疏主成分分析的彩色人脸识别方法，属于模式识别和人工智能领域。本发明方法首先利用四元数对彩色图像的红、绿、蓝三通道进行编码，构造四元数矩阵的复表示形式，然后计算四元数协方差矩阵并对其特征分解得到主成分向量，再引入非凸罚L1/2范数作为稀疏约束项得到一种新的四元数非凸罚稀疏主成分分析（QHSPCA）优化模型，采用坐标下降法和不动点迭代法求解该模型的稀疏解，最后用最近邻分类器实现人脸识别。在Georgia Tech人脸数据库上的实验表明，本发明提出的QHSPCA方法具有较好的识别性能，计算效率也有所提高。
-
公开(公告)号：CN112489075B
公开(公告)日：2024-02-06
申请号：CN202011396814.3
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征函数的序惯式多传感器融合滤波方法，本发明通过对多个传感器采用序惯式的设计方式，将上一时刻到达融合中心的传感器的状态估计值，作为下一时刻到达融合中心的传感器的状态预测值，对传来的信息，来一组数据就处理一组数据，先到先融合，并充分考虑到信息的丢包现象，时间成本较低。通过序惯式融合方式，可以在很大程度减少因丢包现象而导致的滤波估计误差，序惯式设计考虑到了信息的实时更新和继承的特性，能够得到较高的估计精度，能在非线性系统甚至强非线性系统中得到很好的应用。
-
Patent Agency Ranking
公开(公告)号：CN112489075A
公开(公告)日：2021-03-12
申请号：CN202011396814.3
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征函数的序惯式多传感器融合滤波方法，本发明通过对多个传感器采用序惯式的设计方式，将上一时刻到达融合中心的传感器的状态估计值，作为下一时刻到达融合中心的传感器的状态预测值，对传来的信息，来一组数据就处理一组数据，先到先融合，并充分考虑到信息的丢包现象，时间成本较低。通过序惯式融合方式，可以在很大程度减少因丢包现象而导致的滤波估计误差，序惯式设计考虑到了信息的实时更新和继承的特性，能够得到较高的估计精度，能在非线性系统甚至强非线性系统中得到很好的应用。
-
公开(公告)号：CN112764345B
公开(公告)日：2022-08-02
申请号：CN202011513880.4
申请日：2020-12-21
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于目标状态跟踪的强非线性系统卡尔曼滤波器设计方法。本发明将目标状态和测量方程中的基本函数定义为隐变量，从而将原始目标状态模型和测量模型改写成伪线性形式；然后，将隐变量视为系统的参数变量，建立各隐变量与其他隐变量及目标状态变量之间的动态线性模型；进一步将测量模型改写成当前时刻目标状态估计值和各参数变量值之间的一阶线性乘积形式；最后，借助卡尔曼滤波器组逐步求解参数变量，设计出一个逐步线性化的高阶扩展卡尔曼滤波器。通过三个目标状态追踪案例对比的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN113608442A
公开(公告)日：2021-11-05
申请号：CN202110899253.7
申请日：2021-08-05
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于特征函数的非线性状态模型系统的状态估计方法。本发明基于泰勒展开来对非线性状态模型进行线性化，通过对状态模型的非线性部分寻找连续可导的点，然后在可导点处对非线性部分进行泰勒展开，通过保留泰勒展开后的一阶项而舍去高阶项的方式来线性化状态模型，对测量模型不做改变，从而使得系统模型满足状态为线性，测量为非线性，以满足特征函数滤波的使用条件，来用特征函数滤波进行状态估计。这种非线性状态模型的线性化方法，扩展了特征函数滤波在非线性系统中的应用范围，能在很大程度上提高估计精度，在实际应用中，尤其是在目标跟踪、通信导航等领域能够节约测量和维护成本。
-
公开(公告)号：CN112507966A
公开(公告)日：2021-03-16
申请号：CN202011537807.0
申请日：2020-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于四元数非凸罚稀疏主成分分析的彩色人脸识别方法，属于模式识别和人工智能领域。本发明方法首先利用四元数对彩色图像的红、绿、蓝三通道进行编码，构造四元数矩阵的复表示形式，然后计算四元数协方差矩阵并对其特征分解得到主成分向量，再引入非凸罚L1/2范数作为稀疏约束项得到一种新的四元数非凸罚稀疏主成分分析（QHSPCA）优化模型，采用坐标下降法和不动点迭代法求解该模型的稀疏解，最后用最近邻分类器实现人脸识别。在Georgia Tech人脸数据库上的实验表明，本发明提出的QHSPCA方法具有较好的识别性能，计算效率也有所提高。
-
公开(公告)号：CN112488213A
公开(公告)日：2021-03-12
申请号：CN202011399868.5
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络多尺度分类方法。本发明首先构建训练集和测试集图片，并且给每张图片添加正负标签。其次利用多尺度方法中的下采样运算方法将火灾图像划分为不同尺度的图像块集合。再次分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应着一个尺度的火灾图像。利用多个尺度的火灾图像作为训练数据，对图像像素值进行归一化处理，再分别代入上一步的卷积神经网络模型中进行特征提取。最后将所提取的多尺度的火灾图像的特征进行融合，利用融合的特征对图像进行分类并与标签进行比对。本发明在一定程度上扩充了训练集的数量，还可以提取不同尺度的图片特征，提升了网络训练的效果和图片分类的准确度。
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
