基于灵活子辅助任务的多目标进化无人机路径规划方法

    公开(公告)号:CN118838404A

    公开(公告)日:2024-10-25

    申请号:CN202410807855.9

    申请日:2024-06-21

    Inventor: 王子豪 黄丽 韩华

    Abstract: 本发明涉及一种基于灵活子辅助任务的多目标进化无人机路径规划方法,采用基于灵活子辅助任务的多目标进化算法,对以多个无人路径的总长度和无人机安全系数为目标的无人机路径规划多目标优化问题进行多无人机路径的规划;计算种群个体的目标函数值,获取种群中最佳个体和最佳适应度函数值;通过竞争协作粒子群算子更新约束处理主任务与大规模主任务分别对应个体;根据当前迭代次数计算当前灵活子任务因子并激活对应子辅助任务,更新对应子辅助任务种群个体位置;基于迭代得到最佳个体确定无人机路径B样条曲线的控制点,进而得出多个无人机的路径。本发明可以最小化多无人机路径的总长度和飞行路径中的危险系数,从而给出近似最优的路径规划方案。

    基于多目标免疫优化算法的多机器人路径规划方法、设备及介质

    公开(公告)号:CN118760172A

    公开(公告)日:2024-10-11

    申请号:CN202410901198.4

    申请日:2024-07-05

    Inventor: 郭天艺 黄丽 韩华

    Abstract: 本发明涉及一种基于多目标免疫优化算法的多机器人路径规划方法、设备及介质,该方法包括:S1、对园区场景进行地图建模,将展览馆区域和不可进入区域抽象为凸多边形障碍物,初始化机器人站和巡逻点;S2、将机器人总巡逻路径长度和机器人之间路径长度的标准差作为目标函数,对博览会园区的多机器人巡逻问题进行数学建模;S3、根据园区场景的地图建模信息,采用PCM‑VRAOA算法计算路径代价矩阵;其中,所述路径代价矩阵中存储有所有巡逻点间避障节点和路径长度;S4、采用多目标免疫算法对路径代价矩阵进行优化,输出博览会园区多机器人巡逻路径规划结果。与现有技术相比,本发明具有路径规划计算复杂度低等优点。

    基于时间-空间掩码重建机制的辅助训练及骨架动作识别方法

    公开(公告)号:CN118747912A

    公开(公告)日:2024-10-08

    申请号:CN202410808511.X

    申请日:2024-06-21

    Abstract: 本发明涉及一种基于时间‑空间掩码重建机制的辅助训练及骨架动作识别方法,步骤包括:使用时空图卷积网络处理骨架节点的三维坐标数据组成的骨架训练数据集,得到关于骨架节点的特征表示;分别在特征表示的时间维度和空间维度上进行随机掩码处理,聚合未掩码的特征表示,使用多层感知机对聚合的特征重建生成预测的节点坐标,并分别计算重建的节点坐标与原始坐标之间的平均绝对误差作为时间掩码损失,计算重建的节点坐标与原始坐标之间的平均绝对误差作为空间掩码损失;根据时间掩码重建损失和空间掩码重建损失完成对图卷积网络模型自监督训练。与现有技术相比,本发明能够有效的辅助图卷积网络模型捕获骨架数据中的时空依赖关系,增强模型性能。

    一种小样本图像分类方法、设备及存储介质

    公开(公告)号:CN116452864A

    公开(公告)日:2023-07-18

    申请号:CN202310334324.8

    申请日:2023-03-30

    Abstract: 本发明涉及一种小样本图像分类方法、设备及存储介质,该方法包括:采用特征提取网络对小样本图像进行特征提取,得到特征向量;构建参数优化学习模型,将特征向量转化为分类器参数;在互斥的小样本图像训练集与测试集中,对参数优化学习模型的分类器参数进行设定轮次的训练,得到参数化后的基学习器;对参数化后的基学习器引入新的元参数进行优化与更新,采用优化后的元学习模型实现小样本图像分类。与现有技术相比,本发明具有分类准确率高的优点。

    基于层次聚类与困难样本三元组的无监督行人重识别方法

    公开(公告)号:CN112926403A

    公开(公告)日:2021-06-08

    申请号:CN202110131859.6

    申请日:2021-01-30

    Abstract: 本发明涉及一种基于层次聚类与困难样本三元组的无监督行人重识别方法,包括:1)将行人图像集合划分为训练集和测试集;2)初始化标签;3)将训练集输入CNN模型中,提取行人特征,进行模型训练;4)对行人特征进行层次聚类,分配到簇中;5)根据簇类别进行抽样,得到新的训练集;6)根据困难样本三元组损失函数,对新的训练集进行微调;7)根据训练集的平均轮廓系数,判断返回步骤3)或是判定出最佳CNN模型;9)将测试集载入最佳CNN模型中获取行人重识别结果。与现有技术相比,本发明不但可以解决无标签的数据集行人重识别中个体数目无法确定的问题,同时降低了不同类的高度相似样本被聚到一类的概率,使模型的识别性能得到较大的提高。

    基于非对称联合教学网络的跨域行人重识别方法和装置

    公开(公告)号:CN112766218A

    公开(公告)日:2021-05-07

    申请号:CN202110131889.7

    申请日:2021-01-30

    Abstract: 本发明涉及一种基于非对称联合教学网络的跨域行人重识别方法和装置,该方法包括:采用带标签的源域行人图像对主模型进行预训练;将不带标签的目标域行人图像载入预训练后的主模型中进行特征提取;利用提取出的特征对目标域行人图像进行密度聚类;从而对目标域行人图像打上伪标签;采用原型相似性度量方法对打上伪标签的目标域行人图像进行可信度评估,得到高可信度样本和低可信度样本,并载入预先建立的非对称联合教学网络中进行迭代训练,非对称联合教学网络包括相互连接的主模型和协作模型,采用训练后的主模型进行行人重识别。与现有技术相比,本发明具有可以有效的解决伪标签噪声问题,提高行人重识别模型的准确性等优点。

    基于解纠缠和特征级差异学习的跨模态行人重识别方法

    公开(公告)号:CN112766217A

    公开(公告)日:2021-05-07

    申请号:CN202110131884.4

    申请日:2021-01-30

    Abstract: 本发明涉及一种基于解纠缠和特征级差异学习的跨模态行人重识别方法,包括:采用可见光摄像机和红外摄像机采集多张行人图片形成数据集;选取可见光模态的两张图像记为x1和x2、选取红外模态的两张图像记为y1和y3,图像x1和y1共享身份信息,图像x2和y3不共享身份信息;获取自编码模型,分别对图像x1、x2、y1和y3解纠缠出风格特征和内容特征;获取生成与判别网络,对风格特征和内容特征进行重构得到多个新图像;获取特征级差异学习网络,对多个新图像和原图像进行特征学习,获取行人识别结果。与现有技术相比,本发明解决了可能存在的跨模态图像间内容信息(如姿态、体态)相近的问题、提升了模型判别的泛化能力、减少了模态间和模态内的差异。

    一种基于权重自适应调整多目标进化的能源系统设计方法

    公开(公告)号:CN118194602A

    公开(公告)日:2024-06-14

    申请号:CN202410521549.9

    申请日:2024-04-28

    Inventor: 李明然 黄丽 韩华

    Abstract: 本发明涉及一种基于权重自适应调整多目标进化的能源系统设计方法,首先,采用基于分解的多目标进化算法对可再生能源系统设计多目标优化问题进行迭代计算;若迭代数处于对应时间点,则进行自适应的权重调节,更新权重邻居;计算种群权重向量的弧度拥挤度,将拥挤度最大的权重向量进行删除;权重向量删除后,计算弧度拥挤度最大的非支配解,基于该非支配解计算新的权重向量添加到所删除权重向量的位置,并对所删除的权重向量所关联种群中的个体进行更换;达到最大迭代数时输出当前种群,即为最优的系统设计方案。本发明可以最小化混合可再生能源系统中系统成本、燃料排放量和不满足负载需求的概率,从而给出近似最优的系统设计方案。

Patent Agency Ranking