-
公开(公告)号：CN112068160B
公开(公告)日：2024-03-29
申请号：CN202010361871.1
申请日：2020-04-30
Applicant: 东华大学
Abstract: 本发明涉及一种基于导航定位系统的无人机信号干扰方法，包括以下步骤：(1)将卫星导航电文生成含有卫星坐标信息的导航电文矩阵S；(2)将S输入到干扰机的对抗生成网络中，产生符合的欺骗性导航电文矩阵S′，并且用干扰机的坐标替换S′中的卫星的坐标得到导航电文矩阵S*；(3)加大干扰机输出S*的功率，使其为额定输出功率的两倍；(4)当无人机接收到S*时，通过获取其中的坐标信息，再利用导航定位算法计算无人机自身的物理坐标位置；(5)引入FDI攻击传到无人机的传感器的数据，使得高度信息与无人机实际高度的误差值最大。本发明不仅提高了无人机干扰的区域防护性，还能在保证其他通信设备正常工作的情况下提升干扰效果。
-
公开(公告)号：CN110069778B
公开(公告)日：2023-06-02
申请号：CN201910312096.8
申请日：2019-04-18
Applicant: 东华大学
IPC: G06F40/289 , G06F40/30 , G06F16/33 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种中文融入嵌入词位置感知的aspect级的商品情感分析方法，主要包括：输入字嵌入向量采用Laplace概率密度函数进行位置权重加权，采用双向GRU神经网络对文档中所有句子的情感语义及句子间的语义关系进行编码，对词向量集合中的每个词向量获取其上下文的信息，得到隐藏层当前的隐状态；给隐藏层当前的隐状态的添加注意力机制，得到句向量的概率分布；根据句向量的概率分布，用全连接层与soft‑max函数判断情感类别。嵌入词向量时同时采用位置感知方法可以有效提高嵌入词的情感信息。采用双向GRU神经网络可以减少训练时间，进一步提升情感分析精确度。
-
公开(公告)号：CN111709181B
公开(公告)日：2022-03-15
申请号：CN202010372026.4
申请日：2020-05-06
Applicant: 东华大学
Abstract: 本发明涉及一种基于主成分分析的涤纶长丝工业生产流程故障预测方法，包括如下步骤：(1)获取涤纶长丝原始生产数据和物理指标；(2)对原始生产数据进行主成分分析，并降维；(3)根据降维后的k维数据，利用多元线性回归算法建立简化模型，(4)对简化模型的系数求解(先设立代价函数，再以涤纶长丝原始生产数据作为输入，以物理指标作为真实值，训练简化模型，以wT和b为训练对象，不断调节直到达到终止条件；对应的wT和b被确定下来)，得到故障预测模型；(5)设定监督值F和阈值H；(6)预测故障；本发明的生产流程故障预测方法中加入了主成分分析法，将大数据降维，更简便的对数据进行分析，减少了人力成本、提高了预测准确率。
-
公开(公告)号：CN110085263B
公开(公告)日：2021-08-06
申请号：CN201910349104.6
申请日：2019-04-28
Applicant: 东华大学
Abstract: 本发明公开了一种基于adaBoost算法和生成对抗网络的音乐情感分类和机器作曲方法，包括：利用adaBoost算法进行音乐情感分类；加入自注意力机制的生成对抗网络的建立；根据需求生成特定情感的乐段。本发明的创新点在于能够有效地对不同曲风的音乐进行分类并辅助作曲家直接针对特定曲风要求进行作曲。与传统的RNN算法等音乐生成方法相比，也有着更优质的生成质量，并且可以帮助解决多音轨样本生成的难题。
-
公开(公告)号：CN112068160A
公开(公告)日：2020-12-11
申请号：CN202010361871.1
申请日：2020-04-30
Applicant: 东华大学
Abstract: 本发明涉及一种基于导航定位系统的无人机信号干扰方法，包括以下步骤：(1)将卫星导航电文生成含有卫星坐标信息的导航电文矩阵S；(2)将S输入到干扰机的对抗生成网络中，产生符合的欺骗性导航电文矩阵S′，并且用干扰机的坐标替换S′中的卫星的坐标得到导航电文矩阵S*；(3)加大干扰机输出S*的功率，使其为额定输出功率的两倍；(4)当无人机接收到S*时，通过获取其中的坐标信息，再利用导航定位算法计算无人机自身的物理坐标位置；(5)引入FDI攻击传到无人机的传感器的数据，使得高度信息与无人机实际高度的误差值最大。本发明不仅提高了无人机干扰的区域防护性，还能在保证其他通信设备正常工作的情况下提升干扰效果。
-
Patent Agency Ranking
公开(公告)号：CN111723514A
公开(公告)日：2020-09-29
申请号：CN202010387656.9
申请日：2020-05-09
Applicant: 东华大学
IPC: G06F30/27 , G06K9/62 , G06F113/12
Abstract: 本发明涉及一种基于高斯核函数的SVM算法的工艺流程故障诊断方法，首先获取原始数据，原始数据为测试样本在工艺流程各部分对应的特征值，工艺流程共n部分，各个测试样本的特征值为X1、X2...Xi...Xn，对应的权值为w1、w2...wi...wn；然后提取线性可分的测试样本，并利用SVM算法进行初步分类，当时，将特征向量为X(j)的测试样本分为第一类，即无故障；反之，则将特征向量为X(j)的测试样本分为第二类，即有故障；最后提取非线性可分的测试样本，并建立高斯核函数模型后利用SVM算法进行分类，当w*1f1+w*2f2...w*sfs...+w*mfm+b*>＝0时，将特征向量为X(r)的测试样本分为第一类，即无故障；反之，则将特征向量为X(r)的测试样本分为第二类，即有故障。本发明利用SVM和高斯核函数保证了故障识别的效率与质量。
-
公开(公告)号：CN111556631A
公开(公告)日：2020-08-18
申请号：CN202010372049.5
申请日：2020-05-06
Applicant: 东华大学 , 上海吞山智能科技有限公司
IPC: H05B47/11 , H05B47/165 , G06N3/04 , G06N3/00
Abstract: 本发明涉及一种基于PSO和RBFNN的隧道交通照明系统智能控制方法，包括以下步骤：先根据隧道的照明条件，由RBFNN确定照明系数；再将照明系数输入PSO中；然后对PSO中粒子群的各个粒子的位置和速度进行初始化；再根据适应度函数对每个粒子的适应度值进行计算，确定粒子的历史最优解；进而根据历史最优解的粒子迭代每个粒子的速度以及迭代每个粒子的位置；最后根据适应度函数对每个粒子的历史最优解进行评估，更新集群的全局最优解；若当前迭代次数达到最大迭代次数，或者当前的最优解符合适应度值，则输出当前的最优解，即隧道照明系统中每盏灯的最优照度配置方案；本发明的方法具有较强的学习能力，保证亮度舒适的情况下节约隧道的能量。
-
公开(公告)号：CN111540203A
公开(公告)日：2020-08-14
申请号：CN202010361892.3
申请日：2020-04-30
Applicant: 东华大学 , 上海远洲核信软件科技股份有限公司
Abstract: 本发明涉及一种基于Faster-RCNN调节绿灯通行时间的方法，步骤如下：(1)构建等待车辆识别模型；首先进行特征提取得到特征图，然后提取候选区域得到带有大小不一候选框的特征图，接着映射得到小特征图，最后对小特征图进行全连接操作得到带识别框的车辆情况监控图；(2)训练等待车辆识别模型；首先建立训练集，然后训练特征提取网络，接着共享Fast-RCNN网络和RPN网络参数，最后进行模型剪枝；(3)采集交通路口视频中红灯倒数20～40s时的车辆情况监控图，并将其输入到等待车辆识别模型中，由其输出带识别框的车辆情况监控图，通过统计识别框的数量统计等待车辆数量，根据等待车辆数量调节绿灯通行时间。本发明的模型结构简单，方法耗时较短，能够实现自适应性配时。
-
公开(公告)号：CN110415217A
公开(公告)日：2019-11-05
申请号：CN201910594023.2
申请日：2019-07-03
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于子集导引与变异系数的图像集增强优选方法，所提方法首先对原始图像集进行随机取样得到子图像集，使用子图像集来代表原始图像集。然后，使用多种图像增强算法对子图像集进行增强，得到多个增强后的子图像集，再使用某一种图像质量评价准则对多个增强后的子图像集进行逐一打分，根据打分结果，计算出每个增强后的子图像集的平均值和方差。所提方法根据平均值和方差，分别计算出每个增强后的子图像集的变异系数，最小变异系数所对应的增强算法即为子图像集的最优算法；根据子集导引的测评体系，最小变异系数所对应的增强算法同时也是原始图像集的最优增强算法。
-
公开(公告)号：CN110381313A
公开(公告)日：2019-10-25
申请号：CN201910610758.X
申请日：2019-07-08
Applicant: 东华大学
IPC: H04N19/126 , H04N19/139 , H04N19/154 , H04N19/177 , H04N19/192
Abstract: 本发明涉及一种基于LSTM网络与图像组质量盲评估的视频压缩感知重构方法，其中重建端收到帧观测矢量码流，组合形成连续的图像组观测矢量，对每个图像组观测矢量执行基于LSTM网络的多帧联合迭代重构，获得相应的重建图像组，逐一输出最终的重建帧，同时根据迭代次数达到最大值的持续状况决定是否更新LSTM网络的参数集合。本发明能够将稀疏先验建模与数据驱动机制结合起来，有助于提升重建视频的质量。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.022 seconds)
