-
公开(公告)号：CN113221063A
公开(公告)日：2021-08-06
申请号：CN202110417570.0
申请日：2021-04-19
Applicant: 杭州电子科技大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于乘性潜变量的两阶段分布式卡尔曼滤波方法。本发明首先，将模型中的非线性乘子定义为潜变量，从而将系统模型改写成基于原始状态变量与相应潜变量相结合的伪线性形式；然后，将潜变量视为新的系统参数变量，建立潜变量与原始状态变量之间的动态关联模型；再次，写出待估状态变量和潜变量的分布式观测模型；最后，设计两阶段的卡尔曼滤波器，依次估计出潜变量和状态变量。本发明将模型中非线性乘子定义为潜变量，然后通过两阶段的卡尔曼滤波器依次估计出潜变量和状态变量的状态；从而避免了传统扩展卡尔曼滤波由于泰勒展开式产生的截断误差，有效提高了滤波效果。
-
公开(公告)号：CN112507966A
公开(公告)日：2021-03-16
申请号：CN202011537807.0
申请日：2020-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于四元数非凸罚稀疏主成分分析的彩色人脸识别方法，属于模式识别和人工智能领域。本发明方法首先利用四元数对彩色图像的红、绿、蓝三通道进行编码，构造四元数矩阵的复表示形式，然后计算四元数协方差矩阵并对其特征分解得到主成分向量，再引入非凸罚L1/2范数作为稀疏约束项得到一种新的四元数非凸罚稀疏主成分分析（QHSPCA）优化模型，采用坐标下降法和不动点迭代法求解该模型的稀疏解，最后用最近邻分类器实现人脸识别。在Georgia Tech人脸数据库上的实验表明，本发明提出的QHSPCA方法具有较好的识别性能，计算效率也有所提高。
-
公开(公告)号：CN112488213A
公开(公告)日：2021-03-12
申请号：CN202011399868.5
申请日：2020-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络多尺度分类方法。本发明首先构建训练集和测试集图片，并且给每张图片添加正负标签。其次利用多尺度方法中的下采样运算方法将火灾图像划分为不同尺度的图像块集合。再次分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应着一个尺度的火灾图像。利用多个尺度的火灾图像作为训练数据，对图像像素值进行归一化处理，再分别代入上一步的卷积神经网络模型中进行特征提取。最后将所提取的多尺度的火灾图像的特征进行融合，利用融合的特征对图像进行分类并与标签进行比对。本发明在一定程度上扩充了训练集的数量，还可以提取不同尺度的图片特征，提升了网络训练的效果和图片分类的准确度。
-
公开(公告)号：CN112488116A
公开(公告)日：2021-03-12
申请号：CN202011358275.4
申请日：2020-11-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多模态嵌入的场景理解语义生成方法。本发明方法基于CNN+RNN模型，在自身数据集上进行训练微调，对不同的场景进行分类识别，生成场景语义描述。首先，确定针对每一类场景采集数据集，为每幅图像标记语义信息。采用CNN提取数据集特征，将提取的图像区域转变成为h维向量。使用双向循环神经网络来计算语义表示，将语义中的单词当成序列输入，将每个单词转化成为h维向量。图像区域和语义单词处理完成后，将其作为数据集来训练RNN网络，利用集束搜索算法提高结果的准确率。本发明基于现有网络，构造自身数据集，并进行训练微调，生成场景语义描述，为进一步利用场景语义信息提供保障。
-
公开(公告)号：CN110132603B
公开(公告)日：2020-09-29
申请号：CN201910408447.5
申请日：2019-05-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法。本发明从船舶柴油机油液监测系统中采集油样，对采集到的油样进行元素浓度检测，获得反映柴油机磨损故障位置的油液特征；确定输入特征参数变量的参考值集合，建立初始规则库，计算关于输入特征参数变量与参考值的相似度；对规则库中被激活的规则进行融合推理，确定故障类型的信度值，取信度最大值所对应的故障类型作为故障定位模型的输出；构建优化模型，采用蚁群算法对优化模型进行求解，获得最优的规则库，最优规则库作为最终的船舶柴油机故障定位模型，利用最优规则库获得更精确的故障类型辨识结果。本发明中的并集的置信规则库规则少，优化参数少，优化时间短。
-
Patent Agency Ranking
公开(公告)号：CN110260948B
公开(公告)日：2020-07-24
申请号：CN201910536206.9
申请日：2019-06-20
Applicant: 杭州电子科技大学
IPC: G01F23/296
Abstract: 本发明涉及基于声共振频率非线性滤波的液位测量方法。现有的测量方法由于环境、硬件等影响导致系统测量时产生一定的误差，降低测量精度。本发明通过硬件系统采集一组合成波序列，用多级平滑滤波算法进行共振点提取，经过置信规则推理的非线性滤波器处理，得出其共振点序列中是否存在多点或者缺点等问题，并使用删、补点算法分别进行处理，从而得到一组新的完备的共振点序列，利用该序列相邻点间的差值和液位换算公式得到多个液位测量值，求其平均值作为最终的液位高度值。本发明方法可以有效弥补在测量时存在的测量误差，提高液位测量的精确度。
-
公开(公告)号：CN107490964B
公开(公告)日：2020-06-02
申请号：CN201710706270.8
申请日：2017-08-17
Applicant: 杭州电子科技大学
IPC: G05B13/04 , G01M99/00 , G01M13/028
Abstract: 本发明提出一种基于特征证据离散化的旋转机械故障特征约简方法，首先利用K均值将原始测量数据聚为T个数据簇，再使用随机模糊变量模型对每个数据簇建模，匹配得到每个测量值的证据，根据决策规则决定测量值转换后的离散值并得到决策表，此时故障特征为条件属性，样本的故障模式为决策属性；计算压缩二进制矩阵获取核属性，分别计算剩余条件属性与核属性集合并集的似真信度，将具有最小似真信度并集对应的条件属性添加至核属性集合中，直至最小似真信度为1时停止，同时得到最终的约简结果。本发明做离散化处理时，考虑到数据簇之间的边界模糊性，相比单一使用K均值，离散处理更加精准，同时压缩二进制矩阵减少了计算量和存储空间。
-
公开(公告)号：CN110196165A
公开(公告)日：2019-09-03
申请号：CN201910355307.6
申请日：2019-04-29
Applicant: 杭州电子科技大学
IPC: G01M13/045
Abstract: 本发明涉及基于K-means聚类和证据推理的旋转机械滚珠轴承故障诊断方法。该方法通过K-means聚类获取似然信度表和K个参考中心向量，由似然信度表获取K个参考证据；计算故障特征数据与K个参考中心向量之间的距离，并由此来修正参考证据，生成K个诊断证据；在线获取多种故障特征的取值后，分别计算它们激活的诊断证据，再将这些被激活的诊断证据融合，利用融合后的证据做出故障决策，得到该在线故障特征数据所对应的故障类型。本发明方法在K-means聚类的基础上进行故障诊断证据的融合推理，利用多源诊断信息有效提高了旋转机械滚珠轴承的故障诊断精度。
-
公开(公告)号：CN110146279A
公开(公告)日：2019-08-20
申请号：CN201910423412.9
申请日：2019-05-21
Applicant: 杭州电子科技大学
IPC: G01M13/02 , G01M13/028 , G06K9/00
Abstract: 本发明涉及一种基于向量证据推理的船舶轴系不平衡故障诊断方法。本发明根据贡献率大小对主成分变量进行组合，组合后的输入特征变量组成输入向量；利用定性信息转换方法获得故障样本关于输入向量与输出不平顺故障参考等级的综合相似度，并构造反映输入参考向量与输出故障关系的投点统计表；根据该表获取各参考向量对应的诊断证据，构造向量证据矩阵表；根据输入主成分变量的贡献率可以获得输入向量的可靠性和证据权重；获取样本集每一组输入样本向量的证据，利用证据推理规则得到融合结果，从中推理得到船舶轴系不平衡系统故障等级。本发明可以联合传感器、数据采集器等硬件组成在线监测系统，实现船舶轴系轴承机械设备的实时状态监测与故障诊断。
-
公开(公告)号：CN110110425A
公开(公告)日：2019-08-09
申请号：CN201910354800.6
申请日：2019-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于信度规则推理的边坡滑动力预测方法。本发明首先，构造边坡滑动力预测的信度规则推理模型，它的输入变量为当前时刻负泊松比锚索传感器采集的滑动力，当前时刻与历史时刻滑动力之间的差值，输出为未来边坡的滑动力预测值；其次，基于滑动力历史样本找到各变量的中心值；然后，通过滑动力历史样本向量集合变化规律建立信度规则库；接着在线获取输入变量样本，计算所有规则的激活权重，通过证据推理算法融合所有规则，得到融合结果，最终得到未来边坡滑动力预测值。本发明利用原始历史样本向量，数据驱动建立规则库解决了专家知识的局限性，初始规则库未能具备良好的模拟实际系统的能力的缺点，从而得到比较准确的结果。
-
-
-
-
-
-
-
-
-
Search Results
223
records
(took 0.053 seconds)
