-
公开(公告)号：CN116091858A
公开(公告)日：2023-05-09
申请号：CN202211347620.3
申请日：2022-10-31
Applicant: 北京邮电大学 , 国网福建省电力有限公司电力科学研究院
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06V20/50 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/088 , G06N3/09 , G06N3/096
Abstract: 本发明提供一种半监督学习电力设备目标检测模型训练方法、检测方法及装置，所述方法包括：采用带有真实标签的电力设备图像训练第一初始神经网络模型得到教师模型，将无标签的电力设备图像输入教师模型得到带有伪标签的电力设备图像，利用带真实标签的电力设备图像和数据增强后的带有伪标签的电力设备图像训练第二初始神经网络模型迭代得到学生模型，作为电力设备目标检测模型。本发明能够减少电力设备图像标注时的人力物力需求，提高了标签效率，构建了更多数量的样本以训练得到检测能力更强的电力设备目标检测模型。
-
公开(公告)号：CN113936074A
公开(公告)日：2022-01-14
申请号：CN202110979806.X
申请日：2021-08-25
Applicant: 北京邮电大学
IPC: G06T11/20 , G06V10/44 , G06V10/774
Abstract: 本发明实施例公开了一种图像处理方法、装置、电子设备及存储介质。该方法包括：获取至少一张待处理图像；将所述待处理图像输入至预先训练完成的图像处理模型中，得到与所述待处理图像对应的图像轮廓；其中，所述图像处理模型包括着陆点生成器和轮廓提取模型，所述着陆点生成器用于确定所述待处理图像的处理起始点，所述轮廓提取模型用于基于所述处理起始点确定所述待处理图像的图像轮廓。上述技术方案在进行图像处理时，通过着陆点生成器确定待处理图像的处理起始点，避免了轮廓绘制偏离真实轮廓的情况发生；轮廓提取模型基于处理起始点进行轮廓绘制，有效模仿了专家进行轮廓绘制的过程，使获得的图像轮廓准确度更高。
-
公开(公告)号：CN107480849B
公开(公告)日：2021-04-02
申请号：CN201710508483.X
申请日：2017-06-28
Applicant: 北京邮电大学 , 中国电力科学研究院 , 国家电网公司 , 国网河南省电力公司经济技术研究院
IPC: G06Q10/06 , G06Q50/06 , G06F16/901 , G06F17/18
Abstract: 本发明实施例提供了一种应用于电网的空间降维方法及装置，该方法为根据线性回归模型，利用电网中所有节点在预设时间内的电压进行训练，得到系数矩阵；利用系数矩阵，构建邻接矩阵，根据邻接矩阵构建电网中所有节点的数据关系图；所述数据关系图中每条边的权值与所述邻接矩阵中的各个系数相对应；利用所述每条边的权值，计算每个节点的贡献度；根据所述每个节点的贡献度，计算每个节点的节点影响力；按照所述每个节点的影响力高低，对节点进行排序；选择影响力最高的K个节点作为电网的空间降维结果。该方法和装置基于节点网络的数据关系，确定与实际电网相符的影响电网整体运行状态的关键节点，从而达到空间降维的目的。
-
公开(公告)号：CN108183475B
公开(公告)日：2021-02-09
申请号：CN201711444626.1
申请日：2017-12-27
Applicant: 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 北京邮电大学 , 国家电网公司
IPC: H02J3/00
Abstract: 本发明实施例提供了一种低压配电网拓扑重构方法及装置，其中方法包括：根据各母线的时序电压，以及Lasso算法的线性回归方程确定各母线的关联关系向量；将各母线的关联关系向量组合成相关系数矩阵，通过“and”规则确定相关系数矩阵的目标相关系数矩阵；当Lasso算法不满足充分条件时，通过预设函数关系确定电压矩阵的判断矩阵；确定判断矩阵中大于0的元素所在位置，并修改目标相关系数矩阵中对应位置的元素为0；将修改后的目标相关系数矩阵中非0的元素位置对应的母线，确定为台区中直接相连的母线。本发明实施例实现了修正Lasso算法的计算过程较更加简便，以及使用修正后得到的矩阵建立的网络拓扑图模型准确度更高。
-
公开(公告)号：CN112002996A
公开(公告)日：2020-11-27
申请号：CN202010663171.8
申请日：2020-07-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种四极化可重构超表面天线的设计方法，属于电磁领域。首先确定极化可重构天线的各项参数，设计矩形缝隙作为天线的基本辐射单元。然后根据天线所选的馈源形式，确定参考波和目标波束的解析表达式，并在Matlab软件中计算参考波和目标波Pobj在天线表面范围内的相位分布。利用参考波和目标波束，结合全息方法求解天线表面的干涉相位分布值。根据天线某个位置处的干涉相位值与阈值的关系确定缝隙单元的设置，构成天线阵列，并在HFSS软件中进行电磁仿真，若仿真结果中辐射波束和预期目标一致，则对该天线阵列的每个缝隙单元进行通/断控制，得到对应的全息相位分布图，实现辐射四种极化的波束。本发明保证稳定通信，降低了插入损耗和设计复杂度。
-
Patent Agency Ranking
公开(公告)号：CN106067096B
公开(公告)日：2019-09-17
申请号：CN201610470990.4
申请日：2016-06-24
Applicant: 北京邮电大学
Abstract: 本发明实施例公开了一种数据处理方法、装置及系统，该方法包括：针对不同母线，获得待处理的电网广域量测系统WAMS数据；对所获得的WAMS数据，采用基于消息队列的Apache Kafka框架和/或ZeroMQ框架进行存储；对所存储的WAMS数据进行数据预处理操作和滑动窗口采样操作，得到归一化且无偏置的多维的中间处理数据；对所得到的中间处理数据进行降维处理操作，并根据降维处理结果确定电网的稳态状况，以提高对数据的利用率以及处理效率。
-
公开(公告)号：CN108566253B
公开(公告)日：2019-05-14
申请号：CN201810145031.4
申请日：2018-02-12
Applicant: 北京邮电大学
IPC: H04B17/327 , H04B17/345 , H04B17/391
Abstract: 本发明公开了一种基于对信号功率谱拟合特征提取的信号识别方法，属于无线通信领域。首先将功率谱数据分为训练集和测试集，将训练集中不同种业务类别信号对应的功率谱截取等长的数据样本片段；采用最小二乘的线性回归算法对某数据样本片段A进行多项式拟合，构造代价函数J并最小化获得拟合多项式的参数；分别选取不同的多项式阶数，重复w次多项式拟合并提取最高阶项参数，获取数据样本片段A特征向量中的所有元素；重复上述步骤，得到该业务类别信号的特征向量集合F构建训练集矩阵；最后构建多层神经网络分类器模型，采用自适应矩估计算法寻找最优解，对测试集中的功率谱信号进行识别分类。本发明特征提取简单高效，信号识别率高，计算复杂度降低。
-
公开(公告)号：CN105742793B
公开(公告)日：2018-11-16
申请号：CN201410772508.3
申请日：2014-12-12
Applicant: 青岛海尔电子有限公司 , 北京邮电大学
Abstract: 本发明提供一种双宽频互补型天线，其包括：双层交叉电磁偶极子、馈电结构和反射器，所述双层交叉电磁偶极子和所述馈电结构设置于所述反射器中；所述双层交叉电磁偶极子包括一对在所述馈电结构的两侧呈“X”形对称布置的双层电磁偶极子。该天线可获得宽阻抗带宽，稳定和高增益。此外，该天线也能获得诸如低交叉极化，高前后比和几乎对称的E面和H面等电特性。因此，该天线是一款具有竞争力的应用于2G/3G/LTE/WLAN基站通信的天线，满足安全性及定向性、高数据传输率的要求。
-
公开(公告)号：CN108566253A
公开(公告)日：2018-09-21
申请号：CN201810145031.4
申请日：2018-02-12
Applicant: 北京邮电大学
IPC: H04B17/327 , H04B17/345 , H04B17/391
Abstract: 本发明公开了一种基于对信号功率谱拟合特征提取的信号识别方法，属于无线通信领域。首先将功率谱数据分为训练集和测试集，将训练集中不同种业务类别信号对应的功率谱截取等长的数据样本片段；采用最小二乘的线性回归算法对某数据样本片段A进行多项式拟合，构造代价函数J并最小化获得拟合多项式的参数；分别选取不同的多项式阶数，重复w次多项式拟合并提取最高阶项参数，获取数据样本片段A特征向量中的所有元素；重复上述步骤，得到该业务类别信号的特征向量集合F构建训练集矩阵；最后构建多层神经网络分类器模型，采用自适应矩估计算法寻找最优解，对测试集中的功率谱信号进行识别分类。本发明特征提取简单高效，信号识别率高，计算复杂度降低。
-
公开(公告)号：CN108183475A
公开(公告)日：2018-06-19
申请号：CN201711444626.1
申请日：2017-12-27
Applicant: 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 北京邮电大学 , 国家电网公司
IPC: H02J3/00
Abstract: 本发明实施例提供了一种低压配电网拓扑重构方法及装置，其中方法包括：根据各母线的时序电压，以及Lasso算法的线性回归方程确定各母线的关联关系向量；将各母线的关联关系向量组合成相关系数矩阵，通过“and”规则确定相关系数矩阵的目标相关系数矩阵；当Lasso算法不满足充分条件时，通过预设函数关系确定电压矩阵的判断矩阵；确定判断矩阵中大于0的元素所在位置，并修改目标相关系数矩阵中对应位置的元素为0；将修改后的目标相关系数矩阵中非0的元素位置对应的母线，确定为台区中直接相连的母线。本发明实施例实现了修正Lasso算法的计算过程较更加简便，以及使用修正后得到的矩阵建立的网络拓扑图模型准确度更高。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.027 seconds)
