-
公开(公告)号：CN111415008B
公开(公告)日：2023-03-24
申请号：CN202010187526.0
申请日：2020-03-17
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于VMD‑FOA‑GRNN的船舶流量预测方法，包括以下步骤：步骤1：对船舶流量数据进行预处理；步骤2：将预处理后的船舶流量数据进行突变检验，选取出未突变的船舶流量数据；步骤3：对未突变的船舶流量数据进行VMD，产生一系列具有不同频率尺度的IMF，即获得分解后的船舶流量数据；步骤4：基于FOA构建GRNN，对分解后的船舶流量数据进行预测，获得预测值；步骤5：基于味道浓度判定函数，将预测值与真实值进行误差分析，获得平均绝对百分比，完成船舶流量数据的预测。此发明解决了现有预测方法的预测精度不高、不具有普遍适用性的问题，基于变分模态分解、果蝇优化的广义回归神经网络，提高了船舶流量的预测精度，解决了复杂非线性时间的时间序列预测普遍适用性的问题，提升了稳定性。
-
公开(公告)号：CN110210582A
公开(公告)日：2019-09-06
申请号：CN201910521515.9
申请日：2019-06-17
Applicant: 上海海事大学
IPC: G06K9/68
Abstract: 本发明提供一种基于局部协作表示分类的手写汉字识别方法，包含步骤：S1、选取手写汉字库，提取所述手写汉字库中所有手写汉字的特征向量并分类，建立特征向量集A；提取待识别手写汉字的特征向量y；S2、在每类特征向量中找出与y最相似的一个特征向量，建立字典D1；S3、求解y在D1中的协作稀疏表示向量 通过 求取y对D1的第一重构残差；根据所述第一重构残差选取特征向量集A中的N类特征向量建立字典D2；S4、求解y在D2中的协作稀疏表示向量 通过 求取y对D2的第二重构残差，根据所述第二重构残差判断y对应于A中特征向量类别，实现识别手写汉字。本发明缩小了识别手写汉字时所用字典的规模，在减少算法时间复杂度的同时也提高了识别精度。
-
公开(公告)号：CN111474539A
公开(公告)日：2020-07-31
申请号：CN202010322826.5
申请日：2020-04-22
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于改进灰关联的雷达与AIS航迹关联方法，包括：获取AIS航迹数据和雷达航迹数据，对所述AIS航迹数据和所述雷达航迹数据进行小波阈值去噪处理，得到航迹数据集；获取所述航迹数据集中的n1条第一AIS航迹数据与n2条第一雷达航迹数据之间的灰色关联系数；根据所述灰色关联系数构造第一航迹关联矩阵；将所述航迹数据集中n1条第一AIS航迹数据与n2条第一雷达航迹数据进行关联，得到指派问题数学模型；根据指派问题数学模型，采用匈牙利算法对所述第一航迹关联矩阵进行全局最优航迹关联判决，得到最优解矩阵。本发明可以解决灰色航迹关联判决局部最优问题，并且不需要设定关联门限以及多义性处理的过程，同时也提高了航迹关联精度。
-
公开(公告)号：CN110120004A
公开(公告)日：2019-08-13
申请号：CN201910414353.9
申请日：2019-05-17
Applicant: 上海海事大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于自适应分块和压缩感知的数字水印方法，包括水印嵌入和提取。具体的，以载体图像相邻像素间的灰度差值表征载体图像内容间的相关度，并以此作为自适应块分割的依据，筛选出经过两次分块且相邻像素灰度差的平均值不小于分块阈值的区域块，对其进行压缩感知，选择高频感知系数进行奇异值分解；同时对数字水印图像进行奇异值分解，用数字水印图像的奇异值矩阵代替载体图像区域块中的奇异值矩阵，通过图像重构得到嵌入水印的载体图像。本发明充分利用载体图像的内容信息和纹理结构选取符合条件的区域块进行数字水印的嵌入与提取，提高数字水印的不可见性，提升数字水印的防提取、抗攻击的能力。
-
公开(公告)号：CN110110700A
公开(公告)日：2019-08-09
申请号：CN201910418156.4
申请日：2019-05-20
Applicant: 上海海事大学
Abstract: 本发明提供一种基于加权稀疏表示分类的手写汉字识别方法，包含步骤：S1、建立训练样本集A＝{Ai}i∈[1,k]，Ai为从选取的手写汉字库中提取的第i类特征向量，k为所述手写汉字库中提取的特征向量类别总数；S2、建立测试向量y，y为从待识别手写汉字中提取的特征向量，计算y在A上的稀疏表示向量 S3、计算A中每个特征向量的权重，通过所述权重重构优化稀疏表示向量为稀疏表示向量 S4、计算训练样本集A的每类特征向量对y的重构残差，判断y对应A中特征向量的类别，实现识别手写汉字。本发明通过计算A中每个特征向量的权重，优化y在A上的稀疏表示向量，提高了对手写汉字识别精度。
-
Patent Agency Ranking
公开(公告)号：CN114170583B
公开(公告)日：2024-03-22
申请号：CN202111521036.0
申请日：2021-12-13
Applicant: 上海海事大学
IPC: G06V20/58 , G06N3/0464 , G06N3/084 , G08B25/10
Abstract: 本发明公开了一种基于卷积神经网络的车辆检测系统，包括：车辆信息存储系统，用于对车辆信息根据车辆特征进行分类得到第一车辆特征数据并存储；数据采集系统，用于采集待检测车辆的车辆图像数据；对比模块，其分别与所述车辆信息存储系统和所述数据采集系统连接，并对接收到的所述第一车辆特征数据和所述车辆图像数据进行对比，得到相似度，若相似度小于设定值，则输出的检测结果为所述待检测车辆合格，否则，输出的检测结果为所述待检测车辆不合格。本发明能快速地检测出车辆是否合格。
-
公开(公告)号：CN111415008A
公开(公告)日：2020-07-14
申请号：CN202010187526.0
申请日：2020-03-17
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于VMD-FOA-GRNN的船舶流量预测方法，包括以下步骤：步骤1：对船舶流量数据进行预处理；步骤2：将预处理后的船舶流量数据进行突变检验，选取出未突变的船舶流量数据；步骤3：对未突变的船舶流量数据进行VMD，产生一系列具有不同频率尺度的IMF，即获得分解后的船舶流量数据；步骤4：基于FOA构建GRNN，对分解后的船舶流量数据进行预测，获得预测值；步骤5：基于味道浓度判定函数，将预测值与真实值进行误差分析，获得平均绝对百分比，完成船舶流量数据的预测。此发明解决了现有预测方法的预测精度不高、不具有普遍适用性的问题，基于变分模态分解、果蝇优化的广义回归神经网络，提高了船舶流量的预测精度，解决了复杂非线性时间的时间序列预测普遍适用性的问题，提升了稳定性。
-
公开(公告)号：CN109040283A
公开(公告)日：2018-12-18
申请号：CN201810966866.6
申请日：2018-08-23
Applicant: 上海海事大学
IPC: H04L29/08
CPC classification number: H04L67/1008 , H04L67/327
Abstract: 本发明公开了一种基于差值反馈式的改进型负载均衡算法，包含如下步骤：设定服务器集群节点的CPU剩余利用率的阈值以及集群中节点负载差值的阈值R(Si)；负载均衡器在一定的时间间隔内对服务器集群节点的CPU剩余利用率进行采集，并计算集群节点的负载差值ΔL(Si)；将集群节点的负载差值与设定的负载差值的阈值和集群节点的当前CPU剩余利用率与之前设定的CPU剩余利用率的阈值进行比较，选出节点负载权值最高的一组集群，将用户请求分发到权值相对较高的集群节点中。
-
-
公开(公告)号：CN111241466B
公开(公告)日：2023-10-03
申请号：CN202010041100.4
申请日：2020-01-15
Applicant: 上海海事大学
IPC: G06F17/14 , G06Q10/04 , G06Q10/083 , G06Q50/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的船舶流量预测方法，基于改进的孤立森林‑互补集合经验模态分解‑长短期记忆神经网络的船舶流量预测方法；首先考虑到原始数据中的噪声和异常点的问题，使用孤立森林算法消除数据中的异常点；其次为了进一步提高预测精度，使用改进的互补集合经验模态分解算法将输入数据分解为不同频率的固有模式函数分量和残余分量，再分别单独使用长短期记忆神经网络预测每个本征模式函数和残差，最后对预测的结果进行叠加重构。本发明不仅提高了预测精度，且对长期或短期的时间序列数据都有较好的适应性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.014 seconds)
