-
公开(公告)号：CN116434537A
公开(公告)日：2023-07-14
申请号：CN202211713940.6
申请日：2022-12-29
Applicant: 湖北武荆高速公路发展有限公司 , 长沙理工大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于时间注意力循环图卷积神经网络的交通流量预测方法，涉及数据处理技术领域。该方法包括：获取待预测的交通流量数据。对待预测的交通流量数据进行预处理，并获取交通流量信号矩阵。对交通流量信号矩阵进行空间特征提取，获取待预测的交通流量数据的第一特征数据。对第一空间特征数据进行时间特征提取，获取待预测的交通流量数据的第二特征数据。对第二特征数据进行时间特征提取，获取待预测的交通流量数据的第三特征数据。以及，将待预测的交通流量数据的第三特征数据作为输入，获取交通流量预测模型的输出结果，根据交通流量预测模型的输出结果获取交通流量预测结果。该方法能够提高交通流量预测精度。
-
公开(公告)号：CN116011684A
公开(公告)日：2023-04-25
申请号：CN202310192969.2
申请日：2023-03-02
Applicant: 长沙理工大学 , 湖北武荆高速公路发展有限公司
Abstract: 本发明提出了一种基于时空图卷积网络的交通流量预测方法，旨在解决交通速流量预测中数据高维、非线性、不确定性等难以解决的问题。所提出的预测模型包括全连接神经网络层、时空卷积块和一维卷积层。交通流量数据经过全连接层后进入时空卷积块，以捕获流量数据的时间特征与空间特征。最后，时空卷积块的结果输入一维卷积层得到最后的预测结果。时空卷积块包括时间卷积网络层、时间注意力层、图卷积层、门控融合层。时间卷积网络层与时间注意力层用于捕获交通流量不同尺度的时间特征，图卷积层用于动态捕获空间特征，门控融合层用于融合不同尺度的特征矩阵。时空卷积块动态捕获了交通流量不同尺度的时空特征且筛选了重要的部分，提高了预测精度。
-
公开(公告)号：CN109936368A
公开(公告)日：2019-06-25
申请号：CN201910175044.0
申请日：2019-03-12
Applicant: 长沙理工大学
Abstract: 本发明提供了一种低噪声电流模开环采样保持电路以及电路模块。所述低噪声电流模开环采样保持电路的版图采取同心布局结构，其中将每个MOS晶体管拆成两个相互匹配MOS晶体管；并且交叉放置所述两个相互匹配MOS晶体管，使得所述两个相互匹配MOS晶体管在版图在行方向上间隔一个行，而且在列方向上间隔一个列。
-
公开(公告)号：CN103413295B
公开(公告)日：2016-12-28
申请号：CN201310292921.5
申请日：2013-07-12
Applicant: 长沙理工大学
Abstract: 本发明涉及一种视频多目标长程跟踪方法，该方法具体步骤：步骤一：提取待跟踪的大量样本图片的目标特征，先用M-树表示样本目标图片的特征词词频向量的特征集合，再利用视频搜索对待匹配目标进行M-树检索，最后利用仿射变换关系验证检索结果，从而匹配出初始目标；步骤二：利用基于光流跟踪的短程跟踪器跟踪检测到初始目标；步骤三：利用在线学习的立体目标模型更新目标，建立多形态多视角的目标模型；步骤四：利用短程跟踪和重新检测目标相结合方法，实现长程跟踪。该方法采用在线学习的立体目标模型方法，解决了跟踪网络视频中时时刻刻发生变化的目标对象，解决了不断变化的图像特性的目标检测问题，以及采用短程跟踪和重新检测目标的跟踪框架实现目标的长程跟踪。该方法可广泛用于网络信息安全、图像多目标检测，视频多目标跟踪等多个领域。
-
公开(公告)号：CN103593846A
公开(公告)日：2014-02-19
申请号：CN201310592358.3
申请日：2013-11-22
Applicant: 长沙理工大学
Abstract: 本发明涉及一种图像间共同视觉模式（CommonVisualPattern,CVP）挖掘方法，该方法具体步骤：步骤一：获取图像间可能特征匹配对集合，并计算匹配对间的相似值，进而构建一个无向图G，知求图G的最大子图即得所求，再将其形式化为局部最优问题；步骤二：明确局部最优问题的求解方式；步骤三：用候选模式初始化优化获取法得局部最优问题初始解；步骤四：用候选模式扩展法扩展初始解；步骤五：用最终模式生成法得最终解。该方法采用候选模式初始化优化获取法、扩展法和最终模式生成法分别解决CVP计算复杂度问题、鲁棒性问题和精度问题，实现图像间CVP挖掘。该方法可广泛应用于2D点集匹配及目标检测等多个领域。
-
Patent Agency Ranking
公开(公告)号：CN103413295A
公开(公告)日：2013-11-27
申请号：CN201310292921.5
申请日：2013-07-12
Applicant: 长沙理工大学
Abstract: 本发明涉及一种视频多目标长程跟踪方法，该方法具体步骤：步骤一：提取待跟踪的大量样本图片的目标特征，先用M-树表示目标样本的特征词词频向量的特征集合，再利用视频搜索对待匹配目标进行M-树检索，最后利用仿射变换关系验证检索结果，从而匹配出初始目标；步骤二：利用基于光流跟踪的短程跟踪器跟踪检测到初始目标；步骤三：利用在线学习的立体目标模型更新目标，建立多形态多视角的目标模型；步骤四：利用短程跟踪和重新检测目标相结合方法，实现长程跟踪。该方法采用在线学习的立体目标模型方法，解决了跟踪网络视频中时时刻刻发生变化的目标对象，解决了不断变化的图像特性的目标检测问题，以及采用短程跟踪和重新检测目标的跟踪框架实现目标的长程跟踪。该方法可广泛用于网络信息安全、图像多目标检测，视频多目标跟踪等多个领域。
-
公开(公告)号：CN118212572A
公开(公告)日：2024-06-18
申请号：CN202410314381.4
申请日：2024-03-19
Applicant: 长沙理工大学
IPC: G06V20/50 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于改进YOLOv7的道路损坏检测方法，在YOLOv7的主干网络中插入了三个新的注意力模块CSSAM以用来更好地捕捉关键特征和建模数据之间的复杂依赖关系，通过显式地对空间和通道维度的相似性矩阵建模，得到空间和通道注意力分数矩阵，将注意力分数矩阵进行处理之后作用在输入特征上，用来更好地捕获空间和通道维度上的长距离依赖关系。同时为了加强主干网络的特征提取能力，并通过捕获更多信息特征来加速网络的收敛，在主干网络中构建了新的ResNet‑SPConv残差块和SP‑E‑ELAN网络聚合层。本发明所改进的YOLOv7‑RD网络模型提升了在道路损坏领域的检测精度，同时部署起来非常方便，具有较强的工业实用性。
-
公开(公告)号：CN110968366B
公开(公告)日：2022-06-28
申请号：CN201911206931.6
申请日：2019-11-29
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于有限MEC资源的任务卸载方法，基于一台用户设备对应一个计算任务的MEC计算场景，通过以卸载的计算任务数量最大化为目标函数，建立MEC计算场景中的MEC计算任务部分卸载模型，解MEC计算任务部分卸载模型，得到满足目标函数的N台用户设备以及各用户设备对应的最优MEC计算资源，并向N台用户设备中的各用户设备分配对应的最优MEC计算资源，实现了在该MEC计算场景中计算任务卸载的用户数量最大化的优化结果，提高了MEC服务器的资源利用率，实现了满足更多用户的计算任务卸载请求的目标。本发明还公开了一种基于有限MEC资源的任务卸载装置、设备及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN110888321B
公开(公告)日：2022-06-07
申请号：CN201910975950.9
申请日：2019-10-15
Applicant: 长沙理工大学
IPC: G05B13/04
Abstract: 本发明提供了一种四维四翼忆阻超混沌系统的形状同步方法，本发明的四维四翼忆阻超混沌系统生成方法首先通过周期分段函数代替Chen系统的常数参数，提出了一个简单的四翼混沌吸引子，然后，在所提出的四翼Chen系统中加入一个具有线性磁通量的磁通控制忆阻器，生成了一个新的四维四翼忆阻超混沌系统，该系统具有丰富的混沌动力学特征，生成的四维四翼忆阻超混沌系统能应用于密码学、随机数发生器和安全通信等实际工程应用中，能够提高密码以及通信的安全性。本发明的四维四翼忆阻超混沌系统的形状同步方法，基于经典微分几何中平面曲线的基本理论，设计了一种连续形状控制器，实现了该四维四翼忆阻超混沌系统的形状同步。
-
公开(公告)号：CN110968366A
公开(公告)日：2020-04-07
申请号：CN201911206931.6
申请日：2019-11-29
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于有限MEC资源的任务卸载方法，基于一台用户设备对应一个计算任务的MEC计算场景，通过以卸载的计算任务数量最大化为目标函数，建立MEC计算场景中的MEC计算任务部分卸载模型，解MEC计算任务部分卸载模型，得到满足目标函数的N台用户设备以及各用户设备对应的最优MEC计算资源，并向N台用户设备中的各用户设备分配对应的最优MEC计算资源，实现了在该MEC计算场景中计算任务卸载的用户数量最大化的优化结果，提高了MEC服务器的资源利用率，实现了满足更多用户的计算任务卸载请求的目标。本发明还公开了一种基于有限MEC资源的任务卸载装置、设备及计算机可读存储介质，具有上述有益效果。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.024 seconds)
