公开(公告)号：CN114359690A

公开(公告)日：2022-04-15

申请号：CN202111495492.2

申请日：2021-12-08

Applicant: 三峡大学

Inventor： 周光荣 ,  罗骁域 ,  郑胜 ,  曾曙光 ,  黄瑶 ,  曾祥云

IPC: G06V20/00 ,  G06V10/44 ,  G06V10/762 ,  G06K9/62

Abstract: 基于局部密度聚类的分子云核检测方法，首先计算每个数据点的三个特征：局部密度、距离和梯度；基于局部密度和距离确定聚类中心，然后以聚类中心开始聚类，在得到聚类结果之后利用梯度进一步确定边界；进而根据每个聚类结果的成员个数最终确定聚类的个数；最后利用多高斯模型计算聚类结果的参数。本发明一种基于局部密度聚类的分子云核检测方法，可以在不同信噪比下保持较高的分子云核检测精度，得到可靠的分子云核的物理参数。

公开(公告)号：CN116226693A

公开(公告)日：2023-06-06

申请号：CN202211620177.2

申请日：2022-12-15

Applicant: 三峡大学

Inventor： 崔文浩 ,  郑胜 ,  曾曙光 ,  曾祥云 ,  罗骁域

IPC: G06F18/2321 ,  G06F18/2135 ,  G06F18/10 ,  G06Q50/06

Abstract: 基于密度峰值聚类的高斯混合模型核电运行工况划分方法，包括以下步骤：对核电运行数据进行预处理，主要为数据降噪；利用PCA算法对高维核电运行数据进行特征提取；利用密度峰值聚类算法对PCA算法降维后的数据进行聚类，通过决策图的方式，确定核电运行工况数；利用高斯混合模型在聚类参考初值的情况下完成对核电工况的划分工作，并实现划分结果可视化。该方法能够解决传统高斯混合模型的缺点，提高工况划分的准确性，对于高维的核电厂运行数据的工况划分起到了良好的效果。

公开(公告)号：CN117315329A

公开(公告)日：2023-12-29

申请号：CN202311124385.8

申请日：2023-09-01

Applicant: 三峡大学

Inventor： 郑胜 ,  潘雪姣 ,  黄瑶 ,  曾曙光 ,  曾祥云 ,  罗骁域

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/762

Abstract: 基于半监督深度学习的分子云团块证认方法,包括以下步骤：步骤1：获取分子云团块候选体；步骤2：基于分子云团块候选体训练SS‑3D‑Clump模型，输出分子云团块的概率值；步骤3：确定概率阈值，当输出的概率值超过概率阈值时，则认为该候选体为一个分子云团块；否则，该候选体不是分子云团块。本发明方法解决了传统监督学习中标记样本不足的问题，并使模型能够更好地适应新的、未标记的样本，在分子云团块的验证中实现高准确率。

公开(公告)号：CN117292172A

公开(公告)日：2023-12-26

申请号：CN202311124384.3

申请日：2023-09-01

Applicant: 三峡大学

Inventor： 黄瑶 ,  龙晨 ,  郑胜 ,  曾曙光 ,  曾祥云 ,  罗骁域

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/774

Abstract: 基于有监督深度学习的分子云致密结构证认方法，首先使用检测算法提取出致密结构候选体，通过人工证认制作数据标签，对所有输入模型中的样本数据进行预处理；然后，训练MCVnet模型提取分子云致密结构候选体的特征，经验证后可以用于证认其他数据，取代人工证认；接着，将训练好的MCVnet模型对新的致密结构候选体数据进行证认，获得每个候选者是真实致密结构的概率；最后，利用所有新的致密结构的置信度分布制定类别划分规则，给出最终分类的结果。本发明基于有监督深度学习的分子云致密结构证认方法，该方法能够自动提取分子云致密结构的特征，在检测算法取不同参数下与人工证认的匹配度都比较高，能够代替人工证认，并且与检测算法结合可以提高检测精度。