-
公开(公告)号：CN112541526A
公开(公告)日：2021-03-23
申请号：CN202011337154.1
申请日：2020-11-25
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于PSO‑ABC‑ELM的电子鼻气体浓度预测方法，该方法先对数据进行归一化和主成分分析处理，得到降维后的主成分数据，建立极限学习机，将降维后的主成分数据作为极限学习机的输入；采用粒子群算法和人工蜂群算法进行嵌入融合，优化极限学习机的输入层与隐含层权值和隐含层阈值，得到电子鼻气体浓度预测模型；对气体进行浓度预测，将测试数据集输入模型，得到气体浓度的预测值。本发明的优点在于结合了粒子群算法和人工蜂群算法的优点，解决极限学习机输入层与隐含层权值和隐含层阈值随机给出的问题，提高了电子鼻气体浓度预测的精度。
-
公开(公告)号：CN109934304A
公开(公告)日：2019-06-25
申请号：CN201910228715.5
申请日：2019-03-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM-AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM-AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。
-
公开(公告)号：CN109934295A
公开(公告)日：2019-06-25
申请号：CN201910204091.3
申请日：2019-03-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于超限隐特征学习模型的图像分类与重建方法，采用了一种数据重构策略进行特征学习，高效学习原始感知数据与相应的高级语义转换关系。具体地说，ELM和ELM-AE(基于ELM的自编码器)被统一在一个学习模型中，该模型具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度并具备优异的图像数据重建能力。ELF(超限隐特征学习模型)继承了ELM和ELM-AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果。此外，使用了一种基于交错方向法的高效算法来求解优化ELF模型，进一步提升了ELF模型的精度。
-
公开(公告)号：CN109669009A
公开(公告)日：2019-04-23
申请号：CN201910021835.8
申请日：2019-01-10
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于域校正的域自适应极限学习机电子鼻漂移抑制方法，其从数据分布的角度出发，将数据分布不一致的源域数据和目标域数据映射到一个高维希尔伯特空间，在此空间最小化源域和目标域的域距离，同时，在最大程度上保留原始源域和目标域的数据属性。得到域校正后的源域和目标域数据，从数据层面上对漂移进行了抑制。再将目标域中的迁移样本和无标签样本纳入ELM中学习，得到域自适用ELM，从决策层面提高预测模型的鲁棒性。本发明的优点：在不增加样本的情况下，调整数据分布，并将目标域中无标签样本纳入到分类器的学习当中，从数据层面和决策层面两个层面上抑制了漂移，提高模型鲁棒性。
-
公开(公告)号：CN111975753B
公开(公告)日：2021-12-17
申请号：CN202010856512.3
申请日：2020-08-24
Applicant: 重庆邮电大学
IPC: B25J9/00
Abstract: 本发明请求保护一种具有连续转动能力的四自由度高速并联机器人，其包括：定平台、动平台以及布置在所述定平台与动平台之间的第一支链、第二支链、第三支链和第四支链；在所述定平台上对称布置有四个驱动装置；所述第一支链和第三支链结构相同，所述第二支链和第四支链结构相同；所述动平台包括叉形架、第一摇杆、第二摇杆、曲柄A、连杆A、曲柄B、连杆B、曲柄C、连杆C、曲柄D、连杆D、圆柱齿轮A、圆柱齿轮B、圆柱齿轮C、圆柱齿轮D及中心圆柱齿轮。本发明采用四组对称布置的摇杆曲柄机构，通过错开排列各组摇杆机构的死点以及定轴轮系的传动，可以实现末端执行器在正转或反转方向上的无限转动。
-
Patent Agency Ranking
公开(公告)号：CN112816616A
公开(公告)日：2021-05-18
申请号：CN201911124286.3
申请日：2019-11-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于盲领域自适应的电子鼻漂移补偿方法，该方法从特征层面出发，在盲领域场景下，仅使用源域样本构建稀疏极限学习机自编码器与稀疏极限学习机分类器。目标域样本通过稀疏极限学习机自编码器以得到其在源域空间下的表示，而后使用该表示与目标域样本原始特征相加完成特征增强过程，最后将增强后的样本输入到稀疏极限学习机分类器中以实现漂移样本的有效分类。本发明的优点在于模型训练的全过程无需目标域样本参与，更贴近于实际应用场景，同时在模型构建过程中引入范数约束实现了网络的稀疏，提升了特征表示的效果。
-
公开(公告)号：CN112428255A
公开(公告)日：2021-03-02
申请号：CN202011266344.9
申请日：2020-11-13
Applicant: 重庆邮电大学
IPC: B25J9/00
Abstract: 本发明请求保护一种具有双驱动约束支链的五自由度并联加工机器人，其包括：定平台、动平台以及布置在所述定平台与动平台之间的第一支链、第二支链、第三支链和双驱动约束支链；所述定平台与基座固定，所述动平台用于安装主轴头；所述第一支链、第二支链与第三支链为主动无约束支链；所述双驱动约束支链为混联结构，提供一个转动约束，使得整个机构具有三个移动与两个转动自由度；所述第一支链、第二支链和第三支链对称布置在所述定平台上；所述第一支链、第二支链和第三支链结构相同。相比于传动五自由度并联机构构型，本发明提出的五自由度并联加工机器人具有结构紧凑、大转角转动等优点。
-
公开(公告)号：CN111975753A
公开(公告)日：2020-11-24
申请号：CN202010856512.3
申请日：2020-08-24
Applicant: 重庆邮电大学
IPC: B25J9/00
Abstract: 本发明请求保护一种具有无限转动能力的四自由度高速并联机器人，其包括：定平台、动平台以及布置在所述定平台与动平台之间的第一支链、第二支链、第三支链和第四支链；在所述定平台上对称布置有四个驱动装置；所述第一支链和第三支链结构相同，所述第二支链和第四支链结构相同；所述动平台包括叉形架、第一摇杆、第二摇杆、曲柄A、连杆A、曲柄B、连杆B、曲柄C、连杆C、曲柄D、连杆D、圆柱齿轮A、圆柱齿轮B、圆柱齿轮C、圆柱齿轮D及中心圆柱齿轮。本发明采用四组对称布置的摇杆曲柄机构，通过错开排列各组摇杆机构的死点以及定轴轮系的传动，可以实现末端执行器在正转或反转方向上的无限转动。
-
公开(公告)号：CN111975752A
公开(公告)日：2020-11-24
申请号：CN202010856497.2
申请日：2020-08-24
Applicant: 重庆邮电大学
IPC: B25J9/00
Abstract: 本发明请求保护一种具有无限转动能力的四自由度并联机构，其特征在于，包括：定平台、动平台以及布置在所述定平台与动平台之间的四个支链；在所述定平台上对称布置有四个驱动装置；所述四个支链结构相同，均包括驱动臂、上连接杆、左连杆及右连杆；所述驱动臂的一端与所述定平台通过转动副连接，该转动副为主动驱动副，并由其中一个对应的驱动装置进行驱动；所述动平台包括十字架、偏心轮轴、连接块A、连杆A、连接块B、连杆B、连接块C、连杆C、连接块D、连杆D。本发明借助对称布置的偏心轮机构，通过错开排列各组偏心轮机构的死点，可以使偏心轮轴顺利地通过死点，从而实现末端执行器在顺时针方向或逆时针方向的无限转动。
-
公开(公告)号：CN118243856A
公开(公告)日：2024-06-25
申请号：CN202410082187.8
申请日：2024-01-19
Applicant: 重庆邮电大学
IPC: G01N33/00 , G06N3/0442 , G06N3/09
Abstract: 本申请涉及一种电子鼻漂移补偿方法，该方法包括：获取电子鼻传感器系统的目标域数据，提取目标域数据的特征，将其分成多个组，得到特征的分组数；将目标域数据输入训练后的多分支LSTM‑Attention分类模型，得到相应分组数的多分支的气体分类结果和气体浓度补偿值，该模型的分支数大于等于所述特征分组数，该模型的每一个分支均包括LSTM网络、Attention网络以及MLP网络；将所述多分支的气体分类结果和气体浓度补偿值进行集成分类，得到最终的气体分类结果和气体浓度补偿值。采用本发明的方法，可以解决电子鼻传感器系统数据漂移的问题，提高电子鼻气体检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.02 seconds)
