基于多示例学习与图割优化的目标分割方法

    公开(公告)号:CN105069774B

    公开(公告)日:2017-11-10

    申请号:CN201510375307.4

    申请日:2015-06-30

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于多示例学习与图割优化的目标分割方法:步骤1:对训练图像采用多示例学习的方法进行显著模型建模,并利用显著模型对测试图像中的包和示例进行预测,得到测试图像的显著性检测结果;步骤2:将测试图像的显著性检测结果引入图割框架,依据示例特征矢量与示例包的标记对图割框架进行优化,求解图割优化的次优解,得到目标的精确分割。本发明采用多示例学习的方法建立显著性检测模型,使其适合特定种类的图像,并将显著性检测的结果用于基于图论的图像分割方法中以指导图像分割,对图割模型框架环节进行了优化,并采用凝聚层次聚类算法求解,使得分割结果能更好地符合语义感知的输出,得到精确的目标分割结果。

    一种基于信用机制的抗动态SSDF攻击方法及系统

    公开(公告)号:CN119364364A

    公开(公告)日:2025-01-24

    申请号:CN202411478277.5

    申请日:2024-10-22

    Applicant: 长安大学

    Abstract: 本发明公开一种基于信用机制的抗动态SSDF攻击方法及系统,方法包括:为网络中的每个用户分配一个初始声望值;重复执行以下步骤,直至满足预设的终止条件;每个用户执行本地频谱感知,通过对周围环境的观察来判断某个频段是否被占用;利用当前声望值、历史声望值、增益因子和抑制因子计算综合声望值;根据计算出的综合声望值,为每个节点分配一个融合权重;利用分配好的融合权重,将各个节点的本地频谱感知结果进行加权融合,得到决策结果;根据全局决策值和本地频谱感知值进行比较,更新每个声望值。根据用户中的次级用户的历史和当前感知行为,利用Beta声望系统为其分配声望值,并组合成综合声望值来衡量次级用户在集中式协作频谱感知中的可靠性。

    一种智能网联汽车协同定位方法及系统

    公开(公告)号:CN115373008A

    公开(公告)日:2022-11-22

    申请号:CN202211064469.2

    申请日:2022-08-31

    Applicant: 长安大学

    Abstract: 本发明公开了一种智能网联汽车协同定位方法及系统,通过车辆对其自身的位置信息进行修正后广播至其他协同车辆,然后对车辆广播的修正后的自身的位置信息进行通信时延误差补偿,根据通信时延误差补偿后车辆的位置信息,对车辆与其他协同车辆的相对位置进行预测,本发明利用分布式协同定位技术,通过加权平均融合多车多元信息,使得集群内各车辆都能得到较好的状态估计,考虑通信时延对协同定位方法的影响,并依据历史信息使用预测方法对时延带来的误差进行补偿,有效减轻恶劣通信环境下时延的负面影响,本发明考虑相对测距对协同定位的影响,构建了车间相对测距模型,利用神经网络预测车间相对位置,提高相对测距精度。

    一种汽车故障诊断方法及系统

    公开(公告)号:CN112162545B

    公开(公告)日:2021-12-14

    申请号:CN202011134946.9

    申请日:2020-10-21

    Applicant: 长安大学

    Abstract: 本发明公开了一种汽车故障诊断方法及系统,利用车辆正常行驶状态下的系统运行数据信息对车辆系统模型进行训练优化,对实时采集车辆行驶状态下的系统运行数据信息,并对车辆行驶状态下的系统运行数据信息进行传感器数据降噪及致命传感器故障的特征提取筛选并进行重构,将重构后的系统运行数据信息输入到训练优化后的车辆系统模型,输出系统状态数据与设定阈值对比,若超出设定阈值,则该系统状态数据对应的系统执行器存在故障,通过对采集的系统运行数据进行传感器数据降噪及致命传感器故障的特征提取筛,能够有效检测传感器数据的致命异常以及汽车运行状态的异常,利用系统运行数据对应的位置实现汽车故障定位,大大提高了汽车故障诊断的可靠性。

    一种基于耦合映象格子的可恢复异质网络级联失效方法、设备及存储介质

    公开(公告)号:CN113361052A

    公开(公告)日:2021-09-07

    申请号:CN202110632050.1

    申请日:2021-06-07

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于耦合映象格子的可恢复异质网络级联失效方法、设备及存储介质,具体为:以交通网络的站点为网络节点,以同一条线路的前后站点间为连边,构建含权无向网络;时间步t>1,在0~t的时间步内,网络内部所有节点均处于正常状态,在t时间步时,基于可恢复的耦合映象格子模型HCML,根据HCML确定在外部扰动R作用下的网络失效结果,度量网络级联失效规模。本发明充分考虑节点恢复特征所引起的级联失效动力学过程,更全面、更准确地描述现实网络的级联行为。

Patent Agency Ranking