-
公开(公告)号：CN106094596A
公开(公告)日：2016-11-09
申请号：CN201610595924.X
申请日：2016-07-26
Applicant: 西南交通大学
Abstract: 本发明公开了一种多功能智能衣架，包括衣架主体、传感器板、智能控制箱、供电系统和控制衣架主体展开或收拢的衣架控制杆，所述智能控制箱包括智能处理模块、步进电机控制器、GPRS模块、物联云平台；当为自动模式时，智能处理模块接收传感器板采集的数据并通过步进电机控制器来控制衣架控制杆的相应动作；当为远程模式时，移动终端通过应用程序或短信发送指令给GPRS模块和/或物联云平台，智能处理模块根据指令来控制衣架控制杆的相应动作。通过无线通信和/或短信形式将衣架控制杆的相关动作和采集的数据两种通信传输，确保在任何情况下衣架主人都可对衣架进行远程控制。衣架控制杆可直接与已经安装于墙体的衣架主体匹配使用。
-
公开(公告)号：CN115062651A
公开(公告)日：2022-09-16
申请号：CN202210639682.5
申请日：2022-06-07
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于元学习的电磁目标型号识别方法，包括以下步骤：步骤1：通过对抗生成网络，对电磁目标样本进行扩充；将电磁目标样本分为训练集、测试集和已知小样本；将数据进行归一化；步骤2：构建基于模型无关算法的分类模型；在训练集中随机抽取样本以构成多个分类任务；构建基于模型无关算法的初始模型fθ，进行多任务训练；将已知小样本输入至训练后的模型，计算其分类损失，对参数进行微调实现知识迁移，即可得到所需分类模型；步骤3：采用训练好的模型对电磁目标型号进行识别；本发明方法识别精度高，仅需要少量样本即可进行识别，降低了分类模型在训练过程中的数据量需求。
-
公开(公告)号：CN114494192A
公开(公告)日：2022-05-13
申请号：CN202210092665.4
申请日：2022-01-26
Applicant: 西南交通大学
IPC: G06T7/00 , G06T7/11 , G06T7/70 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82 , G16H30/20
Abstract: 本发明公开了一种基于深度学习的胸腰椎骨折识别分割与检测定位方法，包括以下步骤：S1：采集CT图像，并利用U‑Net神经网络进行胸腰椎识别分割，得到存在骨折的胸腰椎骨目标区域；S2：在存在骨折的胸腰椎骨目标区域中，利用Faster‑Rcnn深度学习网络进行胸腰椎骨折检测，并定位。本发明需首先从CT图像中定位可能存在骨折的胸腰椎骨目标区域，以供后续深入分析椎骨状态。由此，运用Faster‑Rcnn深度学习网络来检测胸腰椎骨骨折，探索关注目标在影像场景空间中的相对位置关联关系，定位骨折位置是属于胸椎还是腰椎并在其各自第几节，形成胸腰椎各类骨折的检测分割和定位方法，其定位准确。
-
公开(公告)号：CN113205159B
公开(公告)日：2022-04-15
申请号：CN202110604325.0
申请日：2021-05-31
Applicant: 西南交通大学
Abstract: 本发明公开了一种知识迁移方法、无线网络设备个体识别方法及系统，包括以下步骤：步骤1：获取目标域数据和源域数据作为训练数据；步骤2：采用改进的TrAdaboost算法实现知识迁移；其中改进的TrAdaboost算法中，以Adaboost算法为基础，采用VFKMM算法确定源域和目标域的初始权重分布；本发明采用VFKMM算法确定源域和目标域的初始权重，修正了域的分布；结合TrAdaboost算法结合后，可以充分结合两者的优点；减少了TrAdaboost迭代的次数，实现了模型性能的提升，降低出现过拟合的概率；引入更新因子加入源域权重更新，可以防止权重转移；迭代稳定时可以实现更高的识别精度。
-
公开(公告)号：CN113702920A
公开(公告)日：2021-11-26
申请号：CN202110984164.2
申请日：2021-08-25
Applicant: 西南交通大学
IPC: G01S7/295
Abstract: 本发明公开了一种区分不同脉间参差雷达数据的联合复杂度值计算方法，包括以下步骤：S1、获取原始脉间参差雷达脉冲数据，并基于原始脉间参差雷达脉冲数据构建脉冲重复间隔PRI数据；S2、对脉冲重复间隔PRI数据进行重构处理，并基于重构向量构建符号序列；S3、对重构向量计算差异等级值，并将差异等级值加入符号序列，得到编码序列；S4、根据编码序列，计算雷达脉冲数据的香农熵和雷达脉冲数据的编码类型复杂度，得到用于区分不同脉间参差雷达数据的联合复杂度值；本发明解决了现有技术提取原始脉间参差雷达脉冲数据的特征不突出，使得分类不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN112036556B
公开(公告)日：2021-01-26
申请号：CN202011230202.7
申请日：2020-11-06
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于LSTM神经网络的目标意图反演方法。该方法包括构建目标意图活动场景；获取活动场景数据信息，从中提取多时刻特征信息，组成特征信息数据集；构造意图识别知识图谱；构造行为特征‑意图关系数据集；训练基于LSTM神经网络的意图识别模型；使用训练好的意图识别模型进行目标意图反演。本发明为了解决现有技术中只考虑各因素与关注事件的静态关系，不能体现时间上的连续变化特性，且对实际战场中集群目标难以有效处理的问题，通过收集敌方集群的实时信息，并根据时间序列和目标行为特征建立知识图谱，训练LSTM神经网络来预测敌方战术意图，具有对连续动作构成的敌方战术意图和敌方编队集群目标战术意图识别率较高的优点。
-
公开(公告)号：CN110806563A
公开(公告)日：2020-02-18
申请号：CN201911131040.9
申请日：2019-11-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于雷达脉冲混叠程度判定的辐射源信号聚类分选方法，首先搭建数据采集平台，选取不同种类的雷达信号构成待分选数据，并采集待分选数据的PDW脉冲描述字中的不同脉冲信号数据；然后制定雷达信号脉冲混叠程度判定规则对脉冲信号数据的混叠程度进行判定，选取混叠程度低于设定阈值的脉冲信号数据作为待聚类数据；最后采用基于RF-PW为特征的密度聚类算法对待聚类数据进行聚类分选，完成对待分选数据的聚类分选。本发明提出了对多种混叠状态的信号进行混叠状态判定，选择其中的低混叠状态或是无混叠的脉冲信号进行大数据聚类分选，之后再对剩余部分进行大数据聚类分选，能够增加分选识别成功率，同时可以降低分选时耗。
-
公开(公告)号：CN110243834A
公开(公告)日：2019-09-17
申请号：CN201910622973.1
申请日：2019-07-11
Applicant: 西南交通大学
IPC: G01N21/88
Abstract: 本发明公开了一种基于知识图谱的变压器设备缺陷分析方法，其包括接收变压器的缺陷现象，构成部件表征矩阵；获取与构成部件相关的所有特征状态并构建形成关联矩阵；提取与特征状态相关的缺陷现象，并构建形成细化关联矩阵；提取与缺陷现象对应的所有量级特征，并构建量级特征矩阵；采用softmax算法和初始中间变量，计算权重因子，并采用所有的权重因子构成权重矩阵；根据权重矩阵和量级特征矩阵，计算故障原因向量，并将迭代次数累加一次；当迭代次数小于迭代阈值时，更新初始中间变量，之后返回权重因子计算步骤；当迭代次数大于等于设定阈值时，采用最后一次计算的故障原因向量计算量级特征矩阵对应故障原因的概率向量。
-
公开(公告)号：CN119251714A
公开(公告)日：2025-01-03
申请号：CN202411371790.4
申请日：2024-09-29
Applicant: 西南交通大学
IPC: G06V20/17 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于裂缝密度分析的危岩体风险评估方法。所述方法包括：首先，获取危岩体航拍图像，并进行预处理；之后，对预处理后的危岩体航拍图像采用YOLOv8神经网络进行目标检测，得到危岩体检测框；基于所述危岩体检测框采用Fast‑SCNN卷积神经网络进行危岩体裂缝分割与密度计算，得到危岩体裂缝密度；最后，基于所述危岩体裂缝密度结合裂缝方向和交叉点确定危岩体风险等级。也就是说，提出一种基于深度学习的危岩体风险评估方法，以危岩体裂缝密度即危岩体目标框中裂缝的有效面积占整个框的比例作为主要评估指标，并结合裂缝方向不同而产生的交叉点作为辅助判定依据，能够高效地评估危岩体风险大小，从而判断岩体灾变风险。
-
公开(公告)号：CN116996349A
公开(公告)日：2023-11-03
申请号：CN202310700102.3
申请日：2023-06-13
Applicant: 西南交通大学
IPC: H04L27/00
Abstract: 本发明公开了一种基于复杂网络理论的通信信号特征提取方法，包括S1、采集噪声环境下的通信信号；S2、对通信信号进行分箱并符号化处理，构建信号符号序列；S3、根据符号序列的不同状态情况，构建状态转移矩阵；S4、根据状态转移矩阵构建通信信号二值无向复杂网络；S5、提取通信信号二值无向复杂网络的统计特征，构建通信信号的特征向量，完成通信信号的特征提取，本方案所提取的通信信号特征，作为分类器的输入，实现了在低信噪比环境、少量的标签样本下多类通信调制信号的有效识别。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
