公开(公告)号：CN115952408B

公开(公告)日：2024-08-20

申请号：CN202310011639.9

申请日：2023-01-05

Applicant: 东北大学

Inventor： 张长胜 ,  董兴俊 ,  刘礼铭 ,  闫宇霄 ,  张宸 ,  张斌

IPC: G06F18/213 ,  G06F18/24 ,  G06N3/08 ,  G01M13/045 ,  G06N3/0464

Abstract: 本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。

公开(公告)号：CN115719432A

公开(公告)日：2023-02-28

申请号：CN202211453770.2

申请日：2022-11-21

Applicant: 东北大学

Inventor： 张宸 ,  刘礼铭 ,  董少奇 ,  刘席郡 ,  张长胜 ,  张斌

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/10 ,  G06N20/20

Abstract: 本发明提供一种基于半监督学习的图像标注方法，涉及机器学习及图像处理技术领域。该方法可以看成基于两个阶段实现，即基于协同运算的半监督学习阶段和基于TSVM的半监督学习阶段。基于协同运算的半监督学习阶段用于完成对于未标记样本集中占绝大多数的易标注样本的标注任务，控制每次训练标注的样本数，同时对训练集中样本的个数也进行了很好地控制；减轻了SVM分类器的负担，保证了分类的准确率。基于TSVM的半监督学习阶段用于完成剩余未标记样本的标注任务，将基于协同运算的半监督学习阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中，并且在训练过程中融入了集成学习的方法训练分类器的权重和训练集样本的权重。

公开(公告)号：CN115952408A

公开(公告)日：2023-04-11

申请号：CN202310011639.9

申请日：2023-01-05

Applicant: 东北大学

Inventor： 张长胜 ,  董兴俊 ,  刘礼铭 ,  闫宇霄 ,  张宸 ,  张斌

IPC: G06F18/213 ,  G06F18/24 ,  G06N3/08 ,  G01M13/045 ,  G06N3/0464

Abstract: 本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。

公开(公告)号：CN116362885A

公开(公告)日：2023-06-30

申请号：CN202310343147.X

申请日：2023-03-31

Applicant: 东北大学

Inventor： 张斌 ,  闫宇宵 ,  张长胜 ,  刘礼铭 ,  董兴俊 ,  张宸

IPC: G06Q40/04 ,  G06Q40/06 ,  G06F16/901 ,  G06F18/22 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于超图的股票历史信息分析排序系统及方法，涉及分析系统领域。本系统，由数据预处理部分、模型构建部分、分析和反馈部分组成。通过获取股票的历史数据以及对应的历史关系并数据预处理，使用Informer算法的encoder部分进行特征提取；进行隐藏概念挖掘构建完整股票关系；根据挖掘到的隐藏概念与预定义的概念构建超图；构建超图卷积算法；分析数据并对模型进行训练；生成股票分析排序结果；分析结果并反馈。本发明优点：本发明能够更准确地分析现存股票收益能力，为交易人员提供更加可靠的交易参考，辅助提升交易整体的收益期望。

公开(公告)号：CN114861796A

公开(公告)日：2022-08-05

申请号：CN202210502834.7

申请日：2022-05-10

Applicant: 东北大学

Inventor： 高超奇 ,  刘礼铭 ,  于莹 ,  张宸 ,  张长胜 ,  张斌

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/30

Abstract: 本发明提供一种针对大尺寸图像分类的对抗样本混合防御方法，涉及信息安全技术领域。该方法首先训练原始分类模型，并训练对攻击方法有抵抗性的分类模型，得到强化分类模型；再对输入样本图像进行自适应去噪检测，通过特征压缩检测判断输入样本图像是否为对抗样本；并对检测出的对抗样本进行图像预处理；最后根据样本分类结果将输入样本输入导入分类模型或强化分类模型进行分类。该方法能抵抗从大尺寸图片数据集上生成的对抗样本，能同时兼顾到对抗样本和干净样本，在具有防御性能的强化模型对干净样本分类的过程中，能够保证一定的准确性，相比于单一的防御策略具有更优越的泛化性能。

公开(公告)号：CN116108379A

公开(公告)日：2023-05-12

申请号：CN202310116131.5

申请日：2023-02-15

Applicant: 东北大学

Inventor： 张长胜 ,  陆林 ,  刘礼铭 ,  张斌 ,  刘席郡 ,  张宸

IPC: G06F18/241 ,  G06F18/214 ,  G06F16/25 ,  G06Q40/04

Abstract: 本发明提供一种基于域泛化的股票形态相似性查询系统与方法，涉及深度学习技术领域。本系统包括数据层、匹配模型层、分析层；本发明通过获取股票历史数据，对数据进行预处理；然后使用RReliefF算法进行特征选择进行数据分割；使用Lasso算法结合域泛化方法对模型进行训练；进行匹配相似股票数据，并得到结果分析进行反馈。本发明能够更准确地匹配相似股票数据，给用户提供更可靠的辅助结果。