-
公开(公告)号：CN113050602B
公开(公告)日：2022-08-09
申请号：CN202110325768.6
申请日：2021-03-26
Applicant: 杭州电子科技大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于鲁棒半监督判别分析的工业过程故障分类方法。本发明在离线建模阶段，首先对历史训练样本进行随机标记，并利用正常工况下被标记历史训练样本的均值、标准差，对所有历史训练样本进行标准化处理，消除量纲不同对建模的影响。进一步地，对于各个已知工况，利用其被标记历史训练样本，建立基于偏离度阈值的样本识别准则，识别源于未知故障类别的历史训练样本。结合被标记历史训练样本信息和源于已知故障类别的无标记历史训练样本信息，建立基于半监督判别分析的故障分类模型。在模型在线使用阶段，利用已建立的样本识别准则，识别源于未知故障类别的在线样本，本发明能显著改善现有半监督判别分析方法在未知故障场景下的鲁棒性。
-
公开(公告)号：CN114139600A
公开(公告)日：2022-03-04
申请号：CN202111270664.6
申请日：2021-10-29
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于流形保持稀疏图和偏离度的判别分析故障分类方法。本发明包括故障分类模型的离线建模阶段和故障分类模型的在线使用阶段，第一阶段中首先，利用正常工况下被正确标记的历史训练样本的均值、标准差，对所有历史训练样本进行标准化处理，消除量纲不同对建模的影响；然后，利用流形保持稀疏图，过滤各个故障类别的历史训练样本，消除各个故障类别中的明显标记噪声，改善历史训练样本的信息质量；进一步地，利用过滤后的历史训练样本，计算各个故障类别的偏离度信息，并建立基于判别分析的工业过程故障分类模型。本发明结合实际工业过程，充分考虑了历史训练样本的标记噪声和源于未知故障的在线样本，具有更强的实用性和鲁棒性。
-
公开(公告)号：CN113626556B
公开(公告)日：2022-03-01
申请号：CN202111186456.8
申请日：2021-10-12
Applicant: 杭州电子科技大学
IPC: G06F16/31 , G06F16/383 , G06F40/30
Abstract: 本发明涉及一种学术异构网络嵌入的模型训练方法，先使用论文生成学术异构网络，学术异构网络包含论文节点、多种论文特征节点、边和文本内容；选择多个论文节点作为查询节点，以不同论文特征组成的元路径对学术异构网络进行游走，生成在各种论文特征查询条件下每个查询节点的紧密关系节点集；对每个查询节点、紧密关系节点集和学术异构网络进行采样，得到多个代表查询节点与其他节点关系的三元组数据；根据多个三元组数据训练语言表示模型，使模型将学术异构网络结构关系信息嵌入文本表示向量中。本发明所训练的模型能够将文本语义和学术异构网络的结构语义同时嵌入到学术领域的文本表示向量中，提高表示效果。
-
公开(公告)号：CN108122185B
公开(公告)日：2021-10-08
申请号：CN201711373985.2
申请日：2017-12-19
Applicant: 杭州电子科技大学
IPC: G06Q50/26
Abstract: 本发明公开了一种考虑布控区域边界点的移动污染源排放遥测站点选址方法，本发明寻找机动车尾气排放遥测站点在布控区域中合适的位置，以实现该区域内的车辆至少被监测到一次的目的。根据城市路网的拓扑结构以及交通流向，将其抽象成一个有向图，采用广度优先遍历确定布点路口顺序，再根据各路口车流量的流入流出平衡关系获取最小覆盖集合，即最小布点路段集合。本发明能够在保证能够监测路网中所有机动车尾气排放的前提下得出无冗余的布点结果，并且充分考虑监测区域边界点问题，能够处理存在交通流量非平衡点的路网模型，具有较强的适应性。
-
公开(公告)号：CN109509214B
公开(公告)日：2021-07-16
申请号：CN201811198664.8
申请日：2018-10-15
Applicant: 杭州电子科技大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于深度学习的船舶目标跟踪方法，属于基于图像的目标跟踪领域。本发明可以在边海防，智能海洋监测系统，船舶态势估计等领域应用。步骤S1：使用自建船舶分类和检测数据集对深度网络进行训练和压缩，得到一个轻量化的船舶检测网络；步骤S2：使用经过训练的轻量化检测网络模型实时检测视频中的船舶目标并进行目标的跟踪。采用本发明的技术方案，将自建的船舶数据集进行训练，得到一个轻量化的检测网络，再结合改进的跟踪算法框架进行船舶目标的跟踪，实现了船舶目标的实时跟踪，整体方案具有设备依赖性低、跟踪稳定性高以及实时性强等特点。
-
Patent Agency Ranking
公开(公告)号：CN113050602A
公开(公告)日：2021-06-29
申请号：CN202110325768.6
申请日：2021-03-26
Applicant: 杭州电子科技大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于鲁棒半监督判别分析的工业过程故障分类方法。本发明在离线建模阶段，首先对历史训练样本进行随机标记，并利用正常工况下被标记历史训练样本的均值、标准差，对所有历史训练样本进行标准化处理，消除量纲不同对建模的影响。进一步地，对于各个已知工况，利用其被标记历史训练样本，建立基于偏离度阈值的样本识别准则，识别源于未知故障类别的历史训练样本。结合被标记历史训练样本信息和源于已知故障类别的无标记历史训练样本信息，建立基于半监督判别分析的故障分类模型。在模型在线使用阶段，利用已建立的样本识别准则，识别源于未知故障类别的在线样本，本发明能显著改善现有半监督判别分析方法在未知故障场景下的鲁棒性。
-
公开(公告)号：CN112487912A
公开(公告)日：2021-03-12
申请号：CN202011331077.9
申请日：2020-11-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于改进YOLOv3的任意方向舰船检测方法。首先，检测网络能同时输出垂直框和旋转框的预测结果。其次，基于垂直框和旋转框预测结果定义了多任务损失函数。最后，采用基于旋转框的非极大值抑制方法剔除重叠检测结果时，通过融合垂直框和旋转框预测结果进行目标方位角估计校正，以进一步提高检测性能。本发明提出的改进模型适用于纯海洋背景下SAR图像中的舰船目标检测，能够准确估计目标的方位角，并满足舰船目标检测的实时性需求。
-
公开(公告)号：CN109633591B
公开(公告)日：2020-11-06
申请号：CN201910048330.0
申请日：2019-01-18
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种观测站位置误差下外辐射源雷达双基距定位方法。本发明根据获得的双基距量测信息，引入中间变量将非线性方程转化为伪线性方程，建立目标位置估计模型。根据双基距量测误差和观测站位置误差设计权重，采用迭代加权最小二乘法估计。接着考虑中间变量与目标位置之间的关联性构造关联最小二乘估计模型，改进上述目标位置估计结果。本发明引入辅助变量，合理将非线性量测模型转化为伪线性估计模型，在保证估计性能的前提下降低外辐射源定位的复杂度。根据观测站位置误差和双基距量测噪声设计优化指标权重，从而降低误差对目标定位性能的影响，提高目标位置估计精度。本发明经过了两步迭代，使得目标位置的定位估计更加精准。
-
公开(公告)号：CN110232319A
公开(公告)日：2019-09-13
申请号：CN201910376075.2
申请日：2019-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的船舶行为识别方法，属于模式识别领域。本发明可以在智能海洋监测，船舶智能监管等领域应用。具体包括：步骤S1：获取原始船舶轨迹数据，通过数据预处理以及轨迹分割方法自建船舶行为识别数据集；步骤S2：设计多尺度卷积模块与长短期记忆网络级联的船舶行为识别网络，使用自建船舶行为识别数据集训练的船舶行为识别网络，实现对船舶轨迹数据的行为识别。采用本发明的技术方案，将船舶行为识别技术应用到船舶监管领域中，从海量的船舶轨迹数据中自动分析船舶的行为，可以对近海海洋的船舶行为活动进行有效的取证和监管，来替代低效的人为查验模式。整体方案具有设备依赖性低、识别准确率高以及识别速度快等特点。
-
公开(公告)号：CN106157246B
公开(公告)日：2019-04-23
申请号：CN201610516653.4
申请日：2016-06-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种全自动的快速柱面全景图像拼接方法。针对现有的算法中无法自动完成焦距估计的问题，本发明首先使用Harris特征点检测算法和HOG描述子得到平面图像的特征点，并使用一种基于预测的快速特征点匹配算法高效的计算出匹配特征点，使用RANSAC算法提纯匹配特征点，然后使用一种基于纯旋转运动的快速焦距估计算法估计出焦距，把平面图像投影至圆柱平面，并进行图像拼接，合成全景图像。该方法能够快速的合成高质量的全景图像，具有较高的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.036 seconds)
