-
公开(公告)号：CN109374532B
公开(公告)日：2021-03-30
申请号：CN201811541673.2
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于传递熵和自适应融合估计移动源排放气体遥测误差补偿方法。本发明有机结合测量对象的先验知识和最优估计理论，能够从带噪观测序列中得到真实值的最优估计。首先，通过超限学习机方法建立多干扰下遥测误差预测模型。然后，提出了一种虚拟观测分解模型，并利用虚拟观测分解模型对观测序列进行多序列分解。之后，将实际测量过程转化为多传感器虚拟观测过程，并建立多传感器虚拟观测过程的数学模型。最后，引入传递熵和自适应卡尔曼滤波对多虚拟观测序列进行融合重构，从而得到测量序列的最优估计。本发明能够有效补偿外部环境干扰引起的测量误差，提高遥感检测技术的环境适用性和抗干扰能力。
-
公开(公告)号：CN109635914A
公开(公告)日：2019-04-16
申请号：CN201811541448.9
申请日：2018-12-17
Applicant: 杭州电子科技大学
IPC: G06N3/00 , G06N3/12 , G06Q10/04 , G06F16/215
Abstract: 本发明公开了一种基于混合智能遗传粒子群的优化极限学习机轨迹预测方法。传统的神经网络算法存在训练时间较长、容易陷入局部最优解、参数选择敏感等缺点，而极限学习机（ELM）神经网络具有训练速度快、泛化能力强等优点，故选择ELM神经网络做预测。由于传统的ELM存在小数据集泛化性能较差的问题，优化极限学习机（OELM）克服了该缺点，但由于受到输入权值和隐藏层节点阈值随机赋值的影响，在预测过程中往往无法达到最优结果。故采用混合智能遗传粒子群算法（HGPSO）动态寻优找出OELM模型最佳的参数组，针对模型建立的随机性进行改进，使它只需要较少的隐藏层神经元数目就能达到较好的预测性能，提高了网络的泛化性。
-
公开(公告)号：CN113627391B
公开(公告)日：2024-03-12
申请号：CN202111012095.5
申请日：2021-08-31
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/09 , A61B5/369 , A61B5/372
Abstract: 本发明公开一种考虑个体差异的跨模式脑电信号识别方法。将脑电信号数据格式统一为3D张量结构，然后将其划分为数据集输入到由分支网络构成的分类器中进行训练以分别提取背景特征和任务特征；利用上述提取到的背景特征计算不同被试之间的相似度，并对数据集中的数据进行筛选以避免差异程度大于阈值的脑电信号数据在训练过程中带来的模型负提升；最终将筛选后的数据集输入到多分支网络模型中进行训练。本发明在尽可能采集少量新被试数据的同时，能更好地提取不同被试上的特征以提升模型在跨被试任务中的性能。
-
公开(公告)号：CN109636045B
公开(公告)日：2022-12-16
申请号：CN201811541299.6
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明中涉及到一种基于智能算法的机动车拦截路径规划方法。本发明将城市路网的拓扑结构和车辆运动轨迹抽象成多为矩阵，以所有车辆为核心在矩阵中形成泰森多边形，计算目标车辆所在泰森多边形区域内的目标可到达路径总长，以目标车辆的预测路径为终点，用智能算法求在拦截车辆运动过程中使目标车辆泰森多边形区域内路径最短的路口位置，连接这些路口位置便得到最优拦截路径。本发明需要路网及车辆的轨迹信息，路网信息可直接通过地图获得，轨迹信息需要依靠城市路口监控，方法通过结合常用的路径寻优算法及简化面积计算的图形方法，为城市环境下的车辆拦截问题提供了新思路。
-
Patent Agency Ranking
公开(公告)号：CN108764520B
公开(公告)日：2021-11-16
申请号：CN201810323080.2
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层循环神经网络和D‑S证据理论的水质参数含量预测方法，本发明针对水环境这种具有高维、多峰值、不连续、非凸性等特征的复杂非线性系统，利用水质参数含量的历史数据对深层RNN预测模型进行训练，完成对模型的构造，并对水质参数的未来含量进行初步预测；由于D‑S证据理论能够从数学理论上解决不确定性的问题，因此在RNN模型预测结果的基础上利用D‑S证据理论进行冲突解决和证据融合，提升了单一参数的预测精度，并提高了多参数预警的准确性。
-
公开(公告)号：CN113081001A
公开(公告)日：2021-07-09
申请号：CN202110390268.0
申请日：2021-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种同步EEG‑fMRI脑电信号去BCG伪迹方法。对在普通环境和核磁共振环境下的睁眼、闭眼状态多通道头皮脑电信号进行采集和预处理，然对其进行数据分割，构建睁眼和闭眼状态数据集；利用上述睁眼和闭眼状态数据集分别进行去除BCG伪迹的睁眼网络模型和闭眼网络模型训练；该模型采用基于CycleGAN网络架构模型BCGGAN；BCGGAN包括CycleGAN、自编码器约束、中间特征约束。本发明在尽可能去除BCG伪迹的同时，能更好地有效保留脑电信息。
-
公开(公告)号：CN110110919A
公开(公告)日：2019-08-09
申请号：CN201910360944.2
申请日：2019-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于智能算法的机动车拦截路径规划方法。本发明将城市路网的拓扑结构和车辆运动轨迹抽象成多为矩阵，以所有车辆为核心的辐射圆在矩阵中形成泰森多边形，计算目标车辆所在泰森多边形区域内的目标可到达路径总长，以目标车辆的预测路径为终点，通过智能算法求在拦截车辆运动过程中使目标车辆泰森多边形区域内路径最短的路口位置，连接这些路口位置便得到最优拦截路径。本发明需要路网及车辆的轨迹信息，路网信息可直接通过地图获得，轨迹信息需要依靠城市路口监控，方法通过结合常用的路径寻优算法及简化面积计算的图形方法，为城市环境下的车辆拦截问题提供了新思路。
-
公开(公告)号：CN109948715A
公开(公告)日：2019-06-28
申请号：CN201910225758.8
申请日：2019-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种水质监测数据缺失值填补方法。本发明把水质监测站的水质监测数据看成一个数据集，这个数据集包含正常水质数据和缺失的水质数据，然后使用改进的OCS-FCM算法对对数据集中的缺失数据进行求解，主要表现为不断迭代更新隶属度矩阵，直到达到预设的迭代次数，停止迭代。最后，将求解的缺失数据填补到原始数据集中，得到不含缺失数据的完整数据集。本发明方法克服了传统FCM算法在隶属度矩阵参数选择困难的缺点，采用的实时更新隶属度矩阵的方法，实现了缺失数据填补正确率的提高，尤其是在大缺失率数据集的情况下。
-
公开(公告)号：CN109521176A
公开(公告)日：2019-03-26
申请号：CN201910089332.4
申请日：2019-01-30
Applicant: 杭州电子科技大学
IPC: G01N33/18
Abstract: 本发明公开了一种基于改进深度极限学习机的虚拟水质监测方法，本发明针对水质监测中监测站点的建设成本高，设备维护繁琐等问题，利用与虚拟监测位置相关的站点的历史数据，提出了一种改进的深度极限学习机用于实现对虚拟位置处的水质预测。在该方法中，为了提取水质监测网络采集到的水质数据中更具不变性的鲁棒性特征，开发出了一种新的深层极限学习机模型，该模型将局部去噪准则和收缩惩罚项引入基于极限学习机的自编码器。然后，在此基础上利用加权极值学习机对虚拟位置处的水质参数实际值进行预测，实现了对未知位置处的水质监测。本发明可以更好地对实时的未知站点处的水质信息进行实时预测，且具有较好的预测准确度。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
