-
公开(公告)号：CN105389379B
公开(公告)日：2018-12-04
申请号：CN201510809492.3
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明提出一种基于文本分布式特征表示的垃圾稿件分类方法，该方法采用基于词典和统计策略的中文分词算法对稿件文本进行分词处理，利用word2vec中基于Negative‑Sampling算法的Skip‑Gram模型，选取线性核的支持向量机，对稿件的文本向量进行训练，得到SVM的稿件分类模型，明显提高了稿件类别判别的正确率，使稿件类别判别的精确度得到较大改善与提高。
-
公开(公告)号：CN108255813A
公开(公告)日：2018-07-06
申请号：CN201810062016.3
申请日：2018-01-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。
-
公开(公告)号：CN107241358A
公开(公告)日：2017-10-10
申请号：CN201710651758.5
申请日：2017-08-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。
-
公开(公告)号：CN104317195B
公开(公告)日：2017-02-08
申请号：CN201410508005.5
申请日：2014-09-28
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于改进极限学习机的非线性系统逆模型控制方法，该方法，包括步骤：包括如下步骤：MAPSO种群初始化，设置MAPSO的相关运行参数。对ELM参数(输入权重及隐含层阈值)进行MAPSO寻优，确定合适的ELM参数；利用MAPSO-ELM对非线性离散被控对象的逆进行直接建模：将训练好的MAPSO-ELM逆模型直接与原系统复合实现非线性系统的逆模型控制，结束。有效提高其预测精度和泛化能力。将改进的极限学习机(MAPSO-ELM)直接运用于非线性系统逆模型控制中，可有效解决非线性系统逆模型建模难及传统逆模型控制方法过学习、训练速度慢、易陷入局部最优值等问题。(56)对比文件唐贤伦，等.多智能体粒子群优化的SVR模型预测控制《.控制与决策》.2014,第29卷(第4期),第1.3节.Juan Luis Fernández-Martínez，等.Particle Swarm Optimization: A PowerfulFamily of Stochastic Optimizers.Analysis, Design and Application toInverse Modelling《.Advances in SwarmIntelligence，Springer Berlin Heidelberg》.2011,第1-8页.
-
公开(公告)号：CN104881029A
公开(公告)日：2015-09-02
申请号：CN201510248666.3
申请日：2015-05-15
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明请求保护一种基于一点RANSAC和FAST算法的移动机器人导航方法，该方法主要包括：机器人通过自身摄像头采用FAST角点提取算法采集周围的环境信息；在匹配过程中采用结合扩展卡尔曼滤波的一点RANSAC算法进行误匹配剔除；用得到的匹配点进行三维环境重建和地图创建。针对现有技术采用RANSAC算法迭代次数过高的问题，充分利用了滤波阶段得到的先验信息，在保证算法鲁棒性的同时有效降低了算法迭代次数，完成了特征匹配。可以解决传统移动机器人在单目视觉导航方面实时性与鲁棒性较差，以及RANSAC算法迭代次数过高的问题。
-
Patent Agency Ranking
公开(公告)号：CN104005909A
公开(公告)日：2014-08-27
申请号：CN201410162896.3
申请日：2014-04-22
Applicant: 重庆邮电大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略，当发电机组运行在额定风速以上时，运用发电机有功功率P与额定功率P0得到功率偏差△P；通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1；同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2；MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加，得到桨距角设定值β。本发明降低了系统的调节时间，增加系统的稳定性和可靠性，较传统控制器具有明显的优势。
-
公开(公告)号：CN103970135A
公开(公告)日：2014-08-06
申请号：CN201410162974.X
申请日：2014-04-22
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于MAPSOPF算法的多机器人协作定位控制方法，包括步骤：将实际运行环境抽象成一张平面图，根据路标的位置和机器人的路径建立环境地图；初始化机器人相关信息、黑板信息；采用MAPSOPF算法并根据适应度值预测机器人下一步的位置，更新预测位置、黑板信息，完成精确定位。通过调整权重系数和学习因子，引入竞争机制，以提高算法的优化效果，最终提高多机器人的协作定位精度。
-
公开(公告)号：CN102706342A
公开(公告)日：2012-10-03
申请号：CN201210177871.1
申请日：2012-05-31
Applicant: 重庆邮电大学
IPC: G01C21/00
Abstract: 本发明公开了一种智能移动机器人的定位与环境建模方法，首先形成修正迭代扩展卡尔曼滤波算法并确定迭代次数，然后建立移动机器人的运动模型和观测模型，初始化移动机器人的状态，计算位置雅可比矩阵和控制输入雅可比矩阵计算、观测雅可比矩阵等；最后通过求解卡尔曼增益矩阵，更新状态估计方程和协方差矩阵，并重复以上部分步骤。本发明以在移动机器人的同时定位与环境建模领域中使用最为广泛的扩展卡尔曼滤波算法为核心，通过对该算法进行改进，使得算法的性能得到极大提高，能够更好的满足在SLAM中的应用。也为移动机器人在未知环境中的自主导航、完成复杂智能任务提供强大的技术支撑。
-
公开(公告)号：CN102096415B
公开(公告)日：2012-09-26
申请号：CN201010618568.1
申请日：2010-12-31
Applicant: 重庆邮电大学
IPC: G05D3/00
Abstract: 本发明请求保护一种多机器人编队方法，属于智能控制领域。本发明以leader运动轨迹控制整个编队运动轨迹，首先确定leader的运动学模型，由斥力与引力合力确定leader运动方向；建立follower跟踪leader运动模型，follower根据一定的距离与角度跟踪leader，根据人工势场法建立的运动模型确定follower运动轨迹；在leader与follower之间引入AdHoc网络，建立信息反馈，确保follower对leader的跟踪过程无丢失。采用本发明可以使多机器人系统在完成任务的过程中，顺利避开障碍物，到达目标点，并能在整个过程中保持初始队形，能实现多机器人的实时的队形控制，更好的完成一些需要多个机器人同时完成任务的场合（如搬运，救援等）。
-
公开(公告)号：CN102096415A
公开(公告)日：2011-06-15
申请号：CN201010618568.1
申请日：2010-12-31
Applicant: 重庆邮电大学
IPC: G05D3/00
Abstract: 本发明请求保护一种多机器人编队方法，属于智能控制领域。本发明以leader运动轨迹控制整个编队运动轨迹，首先确定leader的运动学模型，由斥力与引力合力确定leader运动方向；建立follower跟踪leader运动模型，follower根据一定的距离与角度跟踪leader，根据人工势场法建立的运动模型确定follower运动轨迹；在leader与follower之间引入AdHoc网络，建立信息反馈，确保follower对leader的跟踪过程无丢失。采用本发明可以使多机器人系统在完成任务的过程中，顺利避开障碍物，到达目标点，并能在整个过程中保持初始队形，能实现多机器人的实时的队形控制，更好的完成一些需要多个机器人同时完成任务的场合（如搬运，救援等）。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.025 seconds)
