-
公开(公告)号：CN106127662A
公开(公告)日：2016-11-16
申请号：CN201610458509.X
申请日：2016-06-23
Applicant: 福州大学
CPC classification number: G06Q50/30 , G06K9/6223
Abstract: 本发明涉及一种针对出租车轨迹数据的K‑means初始聚类中心选择方法，包括步骤：从电子地图中提取出城市交通的路网；对收集的出租车轨迹数据进行预处理，筛选出适合分析的样本数据；将出租车轨迹数据与路网进行匹配，得到出租车数据点在预设分析范围的分布图；利用图像识别技术中的斑点检测方法识别出出租车轨迹数据点的主要密集区域以作为K‑means的初始聚类中心；输出K‑means的初始聚类中心。本发明所提出的方法通过利用斑点检测方法确定K‑means的初始聚类中心的位置及个数，克服了传统K‑means方法选取K值的模糊性、主观性和初始中心随机选取的缺陷，针对海量车联网数据，加快了K‑means方法的聚类速度，很好地实现了出租车轨迹数据的聚类，具有一定的参考价值和实际经济效益。
-
公开(公告)号：CN117938608A
公开(公告)日：2024-04-26
申请号：CN202410153422.6
申请日：2024-02-04
Applicant: 福州大学
IPC: H04L27/26
Abstract: 本发明涉及一种基于深度展开网络的OTFS‑ISAC系统的目标参数估计方法，包括：1、调制器利用ISFFT将时延‑多普勒域中的信息符号映射到时频域中的样本，再通过海森堡变换创建通过无线信道传输的时域信号；2、在接收机上，时域信号通过维格纳变换映射到时频域，然后使用SFFT映射到时延‑多普勒域进行符号解调；3、将OTFS矩阵化和向量化，便于之后的问题建立和训练网络；4、根据雷达信道在时延‑多普勒域的稀疏性，将目标参数问题转换为压缩感知问题，建立目标函数；5、构建用于求解CS问题的深度展开网络ADMM‑Net并训练，而后将解调符号输入训练后的网络，估计出目标参数。该方法有利于提升ISAC系统的目标参数估计性能。
-
公开(公告)号：CN115033421A
公开(公告)日：2022-09-09
申请号：CN202210235453.7
申请日：2022-03-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于时空张量鲁棒主成分分析的交通数据恢复方法，通过基于张量鲁棒主成分分析算法（TRPCA），结合交通数据时空相关性，提出时空张量鲁棒主成分分析算法（ST‑TRPCA），充分考虑交通数据的时空相关性，并加入相关时空约束来提高数据恢复的精度，进而引入张量分解和低秩表示，将低秩张量分解为两个张量的乘积；利用交替方向乘子法（ADMM）迭代求解，将复杂问题转化成多个子问题，每个子问题都有相应的封闭解。本发明有效提高数据恢复和异常检测的精度。
-
公开(公告)号：CN114692679A
公开(公告)日：2022-07-01
申请号：CN202210256419.8
申请日：2022-03-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于调频连续波的元学习手势识别方法。该方法利用元学习网络能够使用少量带标签样本即实现对手势的高精度识别。此外本方法考虑了手势的角度特征以及多个特征间的内部关系，利用基于3D卷积神经网络的双通道融合特征提取网络提取关键特征用于手势识别，有效地提高了手势识别的精度。同时，本方法在多维特征融合阶段，利用基于哈达玛积的特征融合方法，考虑了多维度特征之间的空间相关性，有助于进一步提高手势识别精度。
-
公开(公告)号：CN108804392B
公开(公告)日：2021-11-05
申请号：CN201810543422.1
申请日：2018-05-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于时空约束的交通数据张量填充方法，获取不完整的交通数据，建立交通流数据张量；建立基于因子分解的张量填充模型；通过分析数据时空特性，构建时空约束张量，对所述基于因子分解的张量填充模型进行优化；进行加入时空约束的张量填充，恢复出原始交通数据。本发明提出的一种基于时空约束的交通数据张量填充方法，将一种基于因子分解的张量填充方法应用于交通数据恢复领域，并充分挖掘交通数据的时空相关性和低秩特性，提高了恢复完整交通数据的精度。
-
Patent Agency Ranking
公开(公告)号：CN108830930B
公开(公告)日：2021-08-31
申请号：CN201810646991.9
申请日：2018-06-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于张量填充的自适应群智感知系统数据收集方法，包括以下步骤：步骤S1:建立三维空气质量模型，并设定三阶空气质量数据张量；步骤S2:根据建立的三维空气质量模型，采用均匀管进行空气数据采样；步骤S3:将均匀管采样得到的空气数据，进行基于张量子空间的迭代侧切片处理，得到处理后的空气数据；步骤S4:根据处理后的空气数据，通过基于子空间的张量填充方法进行数据恢复，得到完整的空气质量数据。本发明解决了群智感知系统中感知成本过大的问题，能够通过较低的样本预算取得高质量的感知数据，即利用自适应采样策略，提高了三维空气质量数据的重建精度。
-
公开(公告)号：CN113313040A
公开(公告)日：2021-08-27
申请号：CN202110623471.8
申请日：2021-06-04
Applicant: 福州大学
Abstract: 本发明提出一种基于FMCW雷达信号的人体姿势识别方法，其首先将FMCW雷达采集到的数据进行离散傅里叶变换（FFT），获得目标距离、目标速度以及目标角度。其次，采用DBSCAN聚类算法以及Hampel滤波法，解决了范围内动态或静态目标的噪声干扰的同时去除多余的异常值，提高人体姿势的精度，从而构造了距离‑时间图(DTM)和速度‑时间图(VTM)。最后，搭建了一种基于不同融合方式的多维参数深度学习网络框架。该网络框架利用卷积神经网络对DTM、VTM数据集进行特征提取，利用低秩多模态融合（LMF）网络进行不同数据集的特征融合，采用域鉴别器获得与环境无关的特征并使用活动识别器获得姿势识别结果。该方法可以有效去除FMCW人体姿势识别的背景噪声干扰，具有对环境不敏感的优势。
-
公开(公告)号：CN113298668A
公开(公告)日：2021-08-24
申请号：CN202110633996.X
申请日：2021-06-07
Applicant: 福州大学
Abstract: 本发明提出一种考虑社交网络的移动群智感知用户大规模快速招募方法，其根据实际用户的社交网络来构建动态激励树模型；以获取具有高活跃度高质量的赢家用户集合为目标来设计相应的赢家选择和报酬分配方法；根据每个赢家用户上报的数据质量和最终真实提交的数据质量对比，以此来更新每个用户的信誉值，并基于此识别恶意用户；通过理论和仿真对该方法进行验证分析考虑社交网络可以实现大规模且快速的招募到足够多的用户参与感知活动。本发明考虑用户的社交网络关系，设计了基于逆向拍卖的移动群智感知用户招募方法，克服了感知用户数量不足以及由此引导致的感知数据质量不高的问题。
-
公开(公告)号：CN111082973B
公开(公告)日：2021-06-22
申请号：CN201911179577.2
申请日：2019-11-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于杠杆采样的网络时延估计方法，包括以下步骤：步骤S1：采集端到端网络的时延数据，并构造为张量模型；步骤S2：在预设的时间间隙内，随机选择网络中的节点对测量其时延数据；步骤S3：根据测量到的时延数据，计算时延张量的杠杆分数以及下一时隙各节点对的采样概率；步骤S4：根据杠杆分数选择分数大于阈值的节点对并测量其时延；步骤S5：重复步骤S3和S4直到采样完成，得到相应的采样值；步骤S6：根据得到的采样值，利用基于张量奇异值分解的交替方向乘子法进行张量填充，估计未知的网络时延数据。本发明利用网络时延数据的时空相关性，以低的采样成本精确估计未知的网络时延数据，克服了现有方法采样成本高，恢复精度低的问题。
-
公开(公告)号：CN112562339A
公开(公告)日：2021-03-26
申请号：CN202011461804.3
申请日：2020-12-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于多任务图卷积网络的鲁棒性交通流预测方法。通过采用图卷积（Graph Convolutional Networks）结合时域卷积来提取交通数据的时空关系，并采用多任务学习MTL（Multi‑Task Learning）结构来增强模型的泛化能力以对抗交通数据缺失和异常。本发明设计了一种将图卷积与多任务学习相结合的多任务图卷积模型，可以使模型在数据异常情况下更加稳定地预测交通流。本发明所提出的模型具有多输出结构，可以同时输出三个任务。其中一个任务为输出目标时间段交通流数据，剩下两个任务是对同一个路网在不同时间段进行预测的辅助任务，分别为目标任务前15分钟时间段，目标任务后15分钟时间段。通过同时训练目标时间段及其早期和后期的交通流预测任务，可以实现模型参数的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.021 seconds)
