-
公开(公告)号：CN111260614A
公开(公告)日：2020-06-09
申请号：CN202010030557.5
申请日：2020-01-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于极限学习机的卷积神经网络布匹瑕疵检测方法，该方法通过构造一个卷积神经网络进行特征提取，并对提取的特征进行融合，在融合后的特征层上进行布匹瑕疵候选框的提取，在布匹瑕疵检测阶段，使用卷积神经网络对提取得到的布匹瑕疵候选框进行回归，使用极限学习机对布匹瑕疵候选框进行分类，对分类和回归结果结合样本图片的真实标签计算损失，基于得到的损失使用随机梯度下降法更新网络中的权重，不断进行迭代训练，直到网络的损失收敛到一个极小值或者达到预设的训练轮数，便得到训练好的基于极限学习机的布匹瑕疵检测的网络模型，即可进行布匹瑕疵检测，有效提高布匹瑕疵检测的整体性能，本发明具有更高的布匹瑕疵检测准确率。
-
公开(公告)号：CN111008649A
公开(公告)日：2020-04-14
申请号：CN201911104108.4
申请日：2019-11-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于三支决策的缺陷检测数据集预处理方法，该方法通过构造一个卷积神经网络来进行图片特征的提取，利用随机梯度下降法基于分类网络中的交叉熵损失来进行卷积神经网络权值的更新，同时利用卷积神经网络输出的特征来进行样本所属域的划分，对划分后的负域和边界域样本进行数据增强，再利用数据增强后的数据集继续进行训练，直到分类网络达到一个较好的分类准确率。通过实验证明了本发明方法比直接对数据集中的图片进行无差别的增强后进行训练，模型的收敛速度更快，最终的分类准确率更高。
-
公开(公告)号：CN107688825B
公开(公告)日：2020-02-18
申请号：CN201710654311.3
申请日：2017-08-03
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种改进型的集成加权极限学习机污水处理故障诊断方法，包括：S1、针对基分类器，采用倾向于少数类样本的赋值公式，对加权极限学习机的初始权值进行赋值；S2、训练基分类器；S3、提出新型的集成算法基分类器权值更新公式，以加权极限学习机为基分类器，以Adaboost迭代方法对多个基分类器进行集成，建立改进型的污水故障诊断模型；S4、输入污水处理过程中产生的样本数据，设置集成算法的基分类器个数T，基分类器的最优核宽度γ，对应的最优正则化系数C，建立污水处理系统的故障诊断模型并进行性能测试。本发明可以实现多个类别的不平衡数据分类，提高了不平衡数据的分类性能特别是少数类的分类正确率，有效提高了污水处理过程中故障诊断的准确性。
-
公开(公告)号：CN110363230A
公开(公告)日：2019-10-22
申请号：CN201910566728.3
申请日：2019-06-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于加权基分类器的stacking集成污水处理故障诊断方法，用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；设置基分类器隐层节点数、正则化系数、核宽度的最优参数；利用处理好的训练样本对基分类器进行3折交叉验证，获得基分类器的原始输出，并得到每个基分类器对于训练样本集的G-mean值；根据基分类器G-mean值，定义权值计算公式，得到每个基分类器的输出权值；将基分类器的原始输出转化为概率型输出，结合其输出权值，构造出元训练集；利用元训练集对元分类器进行训练，得到最终的诊断模型。本发明可以提高污水处理过程中故障诊断的整体性能。
-
公开(公告)号：CN105843072B
公开(公告)日：2019-01-18
申请号：CN201610168991.3
申请日：2016-03-22
Applicant: 华南理工大学
IPC: G05B17/02
Abstract: 本发明公开了一种基于改进局部搜索的免疫遗传算法的污水处理节能优化方法，包括：设计曝气池的溶解氧浓度和缺氧池硝酸氮的比例积分控制器；考虑出水和能耗，确定节能优化函数和节能目标；提出改进局部搜索的免疫遗传算法；求解溶解氧和硝酸氮的动态控制的设定值；在保证出水满足排放标准的前提下，最小化最优化能耗成本。该方法采用改进局部搜索的免疫遗传算法，搭建以污水水质为约束、鼓风机能耗和泵送能耗都达最小的优化目标函数，提出以四分之一天为周期的控制器参考值为控制对象，进行动态调整的优化策略，将局部搜索的免疫遗传算法的优化结果加入到控制器参考值的离线求解当中，在保证出水水质前提下显著降低污水处理过程中能耗。
-
Patent Agency Ranking
公开(公告)号：CN107688825A
公开(公告)日：2018-02-13
申请号：CN201710654311.3
申请日：2017-08-03
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种改进型的集成加权极限学习机污水处理故障诊方法，包括：S1、针对基分类器，采用倾向于少数类样本的赋值公式，对加权极限学习机的初始权值进行赋值；S2、训练基分类器；S3、提出新型的集成算法基分类器权值更新公式，以加权极限学习机为基分类器，以Adaboost迭代方法对多个基分类器进行集成，建立改进型的污水故障诊断模型；S4、输入污水处理过程中产生的样本数据，设置集成算法的基分类器个数T，基分类器的最优核宽度γ，对应的最优正则化系数C，建立污水处理系统的故障诊断模型并进行性能测试。本发明可以实现多个类别的不平衡数据分类，提高了不平衡数据的分类性能特别是少数类的分类正确率，有效提高了污水处理过程中故障诊断的准确性。
-
公开(公告)号：CN104914227B
公开(公告)日：2016-10-05
申请号：CN201510332330.5
申请日：2015-06-16
Applicant: 华南理工大学
IPC: G01N33/18
Abstract: 本发明公开了一种基于多高斯核自优化相关向量机的污水水质软测量方法，包括以下步骤：1)剔除污水输入和输出的数据中的异常点，由于各输入变量量纲的不同，对其进行归一化处理，归一化到[0,1]区间中；2)多高斯核函数相关向量机软测量模型模块；3)多高斯核函数核参数自优化算法；4)遗传优化算法对初始参数寻优模块；5)多高斯核函数自优化相关向量机软测量模型建模。本发明通过自优化方法确定各尺度上的核参数，运用遗传优化算法对初始参数寻优，建立最优模型，在保证模型收敛性和稀疏性的情况下，有效提高污水中BOD输出精度。
-
-
公开(公告)号：CN103793604A
公开(公告)日：2014-05-14
申请号：CN201410036553.2
申请日：2014-01-25
Applicant: 华南理工大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于相关向量机的污水处理软测量方法，包含以下顺序的步骤：利用模糊单调递增依赖算法对采集的污水输入数据进行属性约简，定量分析出对化学需氧量COD、生化需氧量BOD影响较大的输入属性；利用相关向量机RVM和采集的污水输入数据建立预测模型，并对模型参数进行寻优，进而建立最优预测模型；所述采集的污水输入数据已确定对化学需氧量COD、生化需氧量BOD影响较大的输入属性；对待预测的污水样本数据进行预测：将属性约简后的入水数据作为训练好的相关向量机软测量模型的输入，模型的输出即为出水化学需氧量COD和生化需氧量BOD的预测结果。本发明的方法，预测精度高且所需时间短。
-
公开(公告)号：CN116597197A
公开(公告)日：2023-08-15
申请号：CN202310385754.2
申请日：2023-04-11
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种自适应消除分类负梯度的长尾目标检测方法，包括：1)构建长尾目标检测模型，获取长尾数据集，将训练图像输入模型，对预测结果计算分类损失和定位损失，分类损失由自适应消除尾部类负梯度的损失函数计算得到，将分类损失和定位损失加权求和得到长尾学习总损失值；2)利用长尾学习总损失值进行梯度反传和参数更新，完成所有轮次训练后，保存性能最优的模型参数，得到最优的长尾目标检测模型；3)将测试集中的待检测图像输入优先模型，得到待检测图像中物体类别和位置的预测结果。本发明能够根据输出概率自适应地消除对尾部类的负梯度，有助于解决因尾部类学习不足导致的假阳性问题，提高目标检测模型性能。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.06 seconds)
