-
公开(公告)号：CN112801151B
公开(公告)日：2022-04-12
申请号：CN202110060075.9
申请日：2021-01-18
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种风电设备故障检测方法，本发明基于改进的BSMOTE‑Sequence风机故障采样策略，通过对BorderlineSMOTE进行改进而设计的一种风机数据集采样策略模型。BorderlineSMOTE在选择对哪些样本点进行合成时，第一步通过KNN算法选出K′个少数类近邻样本，第二步从这K′个样本中随机选择K″个样本。本发明是将第二步随机选择样本改进为根据时序特征来选择样本，该方式生成新样本综合考虑了空间距离、时序规律，能有效减少噪声点的生成，不仅解决了风机数据集的不平衡问题，而且并未破坏数据集的时序规律。此外，本发明还结合Tomek Links技术，可以有效地过滤数据集中的噪声样本、类间重叠样本，从而提高后续分类器训练的效率及准确率，避免模型过拟合。
-
公开(公告)号：CN112163447B
公开(公告)日：2022-04-08
申请号：CN202010833267.4
申请日：2020-08-18
Applicant: 桂林电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于Attention和SqueezeNet的多任务实时手势检测和识别方法。所述方法采用数据增强技术扩增数据集以达到较好的识别效果，并通过人工标注制作新的手势数据集；将Attention融合到全卷积网络BlitzNet的ResSkip残差结构和分割分支中，使模型更关注目标手势，降低背景的干扰，识别效果更好，并用SqueezeNet网络中的前15层代替BlitzNet的ResNet‑50作为手势特征提取器，设计出新的手势检测和识别模型。新模型将多个视觉任务（如手势识别和手势分割）联合训练，并通过两个不同的子网络分别进行手势识别与手势分割，使得通过单一网络就可以同时解决手势识别和分割两个问题，检测速度较快且准确率较高。本发明的模型是一种参数少、准确率高、检测速度快等综合性能突出的手势检测和识别模型。
-
公开(公告)号：CN113408579A
公开(公告)日：2021-09-17
申请号：CN202110521604.0
申请日：2021-05-13
Applicant: 桂林电子科技大学
Abstract: 本发明涉及电通信领域，公开了一种基于用户画像的内部威胁预警方法，包括获取数据并进行预处理，得到内在特征数据；基于内在特征数据使用层次聚类方法进行用户画像，得到用户组；对于所述用户组，在发生内部威胁攻击时进行预警。针对内部用户存在多样性的问题，提出使用层次聚类作为内部用户画像的方法，提高了画像效果的精准性，针对用户内在特征数据存在定量和定性两种不同类型的数据，传统的聚类算法大多使用欧氏距离或者余弦相似度等单一的相似度度量方式，不能很好的应用于用户画像中，提出对定量和定性数据分别计算属性相似度并加权求和的方式作为相似度度量方法，提高了聚类效果的准确性。
-
公开(公告)号：CN108875076A
公开(公告)日：2018-11-23
申请号：CN201810750096.1
申请日：2018-07-10
Abstract: 本发明公开了一种基于Attention机制和卷积神经网络的快速商标图像检索方法，包括搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。本发明避免使用全连接层冗余的参数，达到精简模型的目的，提高训练和检索的速度，降低误检率。
-
公开(公告)号：CN108446661A
公开(公告)日：2018-08-24
申请号：CN201810280026.4
申请日：2018-04-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于数据扩增的深度学习并行化人脸识别方法，所述方法通过将人脸数据集进行数据扩增得到一个大规模的人脸数据集来提高人脸识别的准确率；然后将得到的大规模人脸数据集输入到改进的残差网络中进行深度学习，从而将人脸图像的特征转换为二进制哈希码以加快识别的效率；模型训练是在基于caffeonspark的分布式平台上进行的，从而减少模型训练时间；最后将得到的模型在LFW数据集上进行人脸验证来检验模型的泛化能力以及改进的残差网络的可行性。本发明能够提高人脸识别的准确率及识别效率。
-
Patent Agency Ranking
公开(公告)号：CN117725510A
公开(公告)日：2024-03-19
申请号：CN202311852916.5
申请日：2023-12-29
Applicant: 桂林电子科技大学
IPC: G06F18/2415 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种基于Transformer和图注意力神经网络的工业多变量时间序列异常检测方法及存储介质，所述方法针对工业设备运行实际环境中的状态数据，首先经过数据预处理和滑动窗口方法。然后通过多尺度的Transformer模块来学习数据中不同尺度的特征表示，通过整合多个编码器的输出，使提取到的特征中蕴含更加丰富的时间表征信息。接着从空间维度出发，以特征变量为节点，通过图结构学习生成节点间边关系构建图结构数据，并利用图注意力神经网络来捕获节点间复杂的空间关系。最后构建了一个向量级的时空交互模块，使模型以更加细粒度的方式探索数据中的有效信息，从而可以精确的识别数据存在的微小偏差，提升整体检测性能，尤其是面对高复杂性数据时的检测性能。
-
公开(公告)号：CN114818904B
公开(公告)日：2024-03-15
申请号：CN202210422554.5
申请日：2022-04-21
Applicant: 桂林电子科技大学
IPC: G06F18/241 , G06F18/211 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/044 , G06N3/094 , G06N5/01 , G06N20/20 , G06Q50/06
Abstract: 本发明提供了一种基于Stack‑GANs模型的风机故障检测方法，所述方法包括以风电机组工况参数构成的风机数据集，并通过Stack‑GANs模型处理后输入到风机故障检测模型中，得到检测结果。本发明利用Stack‑GANs算法在处理风机数据不平衡问题上的有效性，减少数据集类别不平衡对风机故障检测带来的负面效果，提高了风机故障检测的效率和准确度。
-
公开(公告)号：CN116756685A
公开(公告)日：2023-09-15
申请号：CN202310723949.3
申请日：2023-06-19
Applicant: 中国电子科技集团公司第五十四研究所 , 桂林电子科技大学
IPC: G06F18/25 , G06F18/214 , G06F18/21 , G06F18/27 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084 , G01C21/20 , G06F123/02 , G06F123/00
Abstract: 本发明公开了一种车辆、船舶的航迹融合方法：首先，对目标航迹的测量数据和真实数据进行预处理，通过逐步回归算法确定图确定数据图的大小，然后把一维的航迹点数据装配成二维的航迹数据图，以达到批量处理测量数据的目的，同时也能捕获航迹点数据之间的运动关联性。其次，通过CIN网络结构挖掘特征之间的交互关系以及数据间的空间特征，然后将CIN的输入作为Informer模块的输入，通过Informer模块挖掘数据间的时序特征，最后通过LSTM模块进行微调，得到融合结果。最终，训练模型并得到模型文件，在验证集上完成航迹融合任务。本发明能够快速处理庞大的航迹测量数据并精准计算出航迹融合结果，提高航迹融合的精度。
-
公开(公告)号：CN111782969B
公开(公告)日：2023-05-23
申请号：CN202010639752.8
申请日：2020-07-06
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了一种基于地理区域的社交网络中最大影响力节点的选取方法，所述方法将大型社交网络结构与地理信息相结合，采用四叉树索引与最大影响力树结构相结合的算法，选取查询区域内影响力最大的节点集，本发明可以高效选取出地理区域中影响力最大的种子节点集合。其中，使用四叉树索引结构来存储网络节点的位置信息，并使用深度优先搜索方法来识别给定查询区域中的候选对象；使用最大影响树状结构(MIA)计算每个候选节点的影响集并运行动态规划算法计算所有候选节点的影响力；再根据排序迭代弹出最大堆中具有最大影响值的候选节点作为最大影响力种子节点。
-
公开(公告)号：CN114967927A
公开(公告)日：2022-08-30
申请号：CN202210599145.2
申请日：2022-05-30
Applicant: 桂林电子科技大学
IPC: G06F3/01 , G06F3/0486 , G06T7/70 , G06V20/40 , G06V40/20
Abstract: 本发明公开了一种基于图像处理的智能手势交互方法。该方法使用目标检测和管道追踪的方法对每一帧手势图像输入数据进行刻画操作，得到手掌和手指的每个关键节点的坐标位置；其次，使用几何计算和坐标变换得到左键和右键等鼠标操作所需的关键信息；最后，通过对关键信息进行处理和组合，模拟鼠标的操作过程，达到人机智能交互的目的。该方法在一定程度上增加了人机交互的可理解性和可操作性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.029 seconds)
