基于傅里叶变换的拉曼光谱曲线数据增强方法

    公开(公告)号:CN115508335A

    公开(公告)日:2022-12-23

    申请号:CN202211290178.5

    申请日:2022-10-21

    Abstract: 本方案涉及一种基于傅里叶变换的拉曼光谱曲线数据增强方法。所述方法包括:获取待处理拉曼光谱曲线进行快速傅里叶变换得到拉曼光谱曲线频域图;将拉曼光谱曲线频域图中的两端极端频率曲线峰屏蔽,得到目标拉曼光谱曲线频域图;确定频域掩模起始位置与宽度并执行频域屏蔽操作,判断对目标拉曼光谱曲线频域图的频域屏蔽操作是否合法;若合法,则对目标拉曼光谱曲线频域图进行逆傅里叶变换,得到数据增强的拉曼光谱曲线。通过利用快速傅里叶变换获得的拉曼光谱曲线对应的频域图进行屏蔽操作,可以保留原有拉曼光谱曲线数据的基本框架,在部分频率点进行轻微扰动,以达到合理数据扩充的目的,可以提升机器学习模型分类效果。

    一种基于多源交互融合的图表示学习方法

    公开(公告)号:CN114756713A

    公开(公告)日:2022-07-15

    申请号:CN202210267016.3

    申请日:2022-03-17

    Abstract: 本发明公开一种基于多源交互融合的图表示学习方法,包括如下步骤:提取图结构形式的网络中的节点属性、节点类别以及节点之间的邻接关系;采用基于BFS、DFS的元路径高阶邻域节点采样算法分别得到BFS和DFS高阶邻域节点集;通过一阶邻域信息聚合算法获取节点的一阶邻域信息;通过异质高阶邻域信息聚合算法获取节点的高阶领域信息;利用基于门控神经网络的多源信息融合模型将节点的自身信息、节点的高阶邻域信息以及一阶邻域信息进行融合得到节点的多源交互融合信息作为最终的向量表示;在多任务优化函数下对算法模型的参数进行优化。本发明提升了对元路径内节点信息提取能力,同时大大增强了对不同层次邻域信息的捕捉能力。

    柴油发动机空气系统故障检测方法

    公开(公告)号:CN113700558A

    公开(公告)日:2021-11-26

    申请号:CN202111022232.3

    申请日:2021-09-01

    Abstract: 柴油发动机空气系统故障检测方法,属于汽车故障检测领域。本发明解决了现有技术中柴油发动机故障检测模型检测精度低、检测速度慢的问题。本发明先利用1号健康数据集对初始发动机自编码器故障模型进行训练,获得初步训练完成的发动机自编码器故障模型;再利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模型进行验证,确定初步训练完成的发动机自编码器故障模型的重构误差阈值L,从而完成对发动机自编码器故障模型的构建;最后利用构建的故障检测模型实现对故障进行检测。本发明主要用于对柴油发动机的空气系统进行故障检测。

    一种车辆物联网云存储系统数据分组方法

    公开(公告)号:CN112083877A

    公开(公告)日:2020-12-15

    申请号:CN202010507955.1

    申请日:2020-06-05

    Abstract: 一种车辆物联网云存储系统数据分组方法,涉及分布式数据管理技术领域,从车辆物联网分布式存储系统的访问特征入手,根据云存储系统数据访问的时间空间局部性,将具有强访问关联关系的数据进行分组。首先,通过模拟有限缓存空间下的数据的访问,获得缓存快照并建立缓存事务。其次,建立基于缓存事务的向量化数据访问特征,对数据进行初步分组。最后,以初步分组为点,数据间访问强度为边,按照访问强度从高到低的顺序建立关系图,动态的将形成的完全子图合并成数据分组。当数据分组中任何数据被访问时,其所在分组将被一起预取到缓存中。此方法减少了数据访问时的I/O次数和访问延时,整体上提升了车辆物联网云存储系统的数据读取效率。

Patent Agency Ranking