-
公开(公告)号：CN108255813B
公开(公告)日：2021-11-16
申请号：CN201810062016.3
申请日：2018-01-23
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F16/33
Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。
-
公开(公告)号：CN110929581A
公开(公告)日：2020-03-27
申请号：CN201911024631.6
申请日：2019-10-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于时空特征加权卷积神经网络的脑电信号识别方法。包括步骤：先使用离散小波变换对运动想象脑电信号进行去噪。接着设计了一种时空特征加权卷积神经网络对处理后的脑电信号进行特征提取。第一层的卷积操作在运动想象脑电信号的时间尺度上进行，第二层的卷积操作在通道尺度上进行，这样提取的特征包含了运动想象脑电信号的时空特性；由于提取到的每个特征的重要程度不一样，所以在网络中加入了特征加权的模块，以使得重要的特征突出化，不重要的特征弱化。由该模型提取到的特征能够更加有效地反映各类运动想象脑电信号的特性，能够提高运动想象脑电信号的识别准确率。
-
公开(公告)号：CN106529476B
公开(公告)日：2019-09-10
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN108255813A
公开(公告)日：2018-07-06
申请号：CN201810062016.3
申请日：2018-01-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。
-
公开(公告)号：CN103345626A
公开(公告)日：2013-10-09
申请号：CN201310302762.2
申请日：2013-07-18
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 一种智能轮椅静态手势识别方法，1）通过Kinect采集场景深度信息；2）根据深度信息分割出场景深度信息中的手势；3）利用归一化中心矩提取手势的特征向量；4）步骤3）中提取的手势特征向量通过DAGSVM分类器进行手势识别。本发明在生成DAGSVM分类器的过程中，通过计算每个SVM分类器的类间距离和类的标准差，SVM分类器按照类间距离由大到小的顺序排列，选取具有最大类间距离的SVM分类器作为DAGSVM分类器的根节点分类器。同理，其余节点处SVM分类器均选择可选分类器中具有最大类间距离者。能够有效地减少误差累积现象，提高了手势识别结果的正确性，也最大限度地保证了智能轮椅人机交互的系统的安全可靠性。
-
Patent Agency Ranking
公开(公告)号：CN102706342A
公开(公告)日：2012-10-03
申请号：CN201210177871.1
申请日：2012-05-31
Applicant: 重庆邮电大学
IPC: G01C21/00
Abstract: 本发明公开了一种智能移动机器人的定位与环境建模方法，首先形成修正迭代扩展卡尔曼滤波算法并确定迭代次数，然后建立移动机器人的运动模型和观测模型，初始化移动机器人的状态，计算位置雅可比矩阵和控制输入雅可比矩阵计算、观测雅可比矩阵等；最后通过求解卡尔曼增益矩阵，更新状态估计方程和协方差矩阵，并重复以上部分步骤。本发明以在移动机器人的同时定位与环境建模领域中使用最为广泛的扩展卡尔曼滤波算法为核心，通过对该算法进行改进，使得算法的性能得到极大提高，能够更好的满足在SLAM中的应用。也为移动机器人在未知环境中的自主导航、完成复杂智能任务提供强大的技术支撑。
-
公开(公告)号：CN102096415B
公开(公告)日：2012-09-26
申请号：CN201010618568.1
申请日：2010-12-31
Applicant: 重庆邮电大学
IPC: G05D3/00
Abstract: 本发明请求保护一种多机器人编队方法，属于智能控制领域。本发明以leader运动轨迹控制整个编队运动轨迹，首先确定leader的运动学模型，由斥力与引力合力确定leader运动方向；建立follower跟踪leader运动模型，follower根据一定的距离与角度跟踪leader，根据人工势场法建立的运动模型确定follower运动轨迹；在leader与follower之间引入AdHoc网络，建立信息反馈，确保follower对leader的跟踪过程无丢失。采用本发明可以使多机器人系统在完成任务的过程中，顺利避开障碍物，到达目标点，并能在整个过程中保持初始队形，能实现多机器人的实时的队形控制，更好的完成一些需要多个机器人同时完成任务的场合（如搬运，救援等）。
-
公开(公告)号：CN102096415A
公开(公告)日：2011-06-15
申请号：CN201010618568.1
申请日：2010-12-31
Applicant: 重庆邮电大学
IPC: G05D3/00
Abstract: 本发明请求保护一种多机器人编队方法，属于智能控制领域。本发明以leader运动轨迹控制整个编队运动轨迹，首先确定leader的运动学模型，由斥力与引力合力确定leader运动方向；建立follower跟踪leader运动模型，follower根据一定的距离与角度跟踪leader，根据人工势场法建立的运动模型确定follower运动轨迹；在leader与follower之间引入AdHoc网络，建立信息反馈，确保follower对leader的跟踪过程无丢失。采用本发明可以使多机器人系统在完成任务的过程中，顺利避开障碍物，到达目标点，并能在整个过程中保持初始队形，能实现多机器人的实时的队形控制，更好的完成一些需要多个机器人同时完成任务的场合（如搬运，救援等）。
-
公开(公告)号：CN101661266A
公开(公告)日：2010-03-03
申请号：CN200910190867.7
申请日：2009-09-15
Applicant: 重庆邮电大学
IPC: G05B13/02
Abstract: 本发明提出了一种仿生机器鱼模糊控制器，能实时反馈调整控制参数，改善控制性能；本发明的目的是这样实现的：仿生机器鱼模糊控制器，包括接收模块，获取期望值和传感器获得的测量值，并计算出期望值于测量值的误差e和误差变化率ec；量化模块，根据量化因子，对误差e和误差变化率ec进行量化，获得量化后的误差E和误差变化率EC；第一模糊控制模块，根据量化后的误差E和误差变化率EC查询模糊控制表，获得控制量；实际控制增量输出模块，将控制量与比例因子相乘，获得实际控制增量；以及第二模糊控制模块，根据量化后的误差E和误差变化率EC，调整量化模块的量化因子和比例因子；本发明还提供一种仿生机器鱼模糊控制方法。
-
公开(公告)号：CN116385908A
公开(公告)日：2023-07-04
申请号：CN202310317460.6
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06V20/17 , G06V20/54 , G06V20/40 , G06T7/11 , G06V10/75 , G06V10/764 , G06V10/774 , G06T7/20 , G06T7/277
Abstract: 本发明涉及一种基于RYolov7的多目标车辆无人机跟踪检测方法，属于无人机跟踪检测技术领域。本发明通过改变yolov7基线算法，将Silu激活函数替换为Mish激活函数；其次，加入DCL角度预测方法和GWDIoU旋转框回归损失函数；最后，通过Kalman filter算法对旋转车辆目标进行状态预测，采用匈牙利算法对预测结果和特征结果构建的代价矩阵进行关联匹配，计算前后两帧之间的匹配程度，确定检测跟踪结果，为车辆目标分配ID，标记车辆行驶轨迹。本发明不仅解决了yolov7在遥感图像上检测性能不优的问题，还使得该算法在无人机遥感图像垂直检测上对目标定位更加精准。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
