-
公开(公告)号：CN112016750A
公开(公告)日：2020-12-01
申请号：CN202010876568.5
申请日：2020-08-27
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种改进的解决带约束车辆路径问题的方法，涉及控制和系统工程技术领域。本发明对已有的灰狼算法进行改进，通过引入集合的方法，重新定义距离判断公式和位置更新公式，然后重新对问题的解进行构造，与现有技术相比，能够较好地弥补原始灰狼算法求解精度的不足，收敛速度更快，精确度更高，能有效避免算法陷入局部最优，实现配送总成本最小化和顾客满意度最大化。
-
公开(公告)号：CN113516097B
公开(公告)日：2022-08-09
申请号：CN202110863310.6
申请日：2021-07-29
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于改进EfficentNet‑V2的植物叶片疾病识别方法，涉及控制和模式识别技术领域。本发明对已有的EfficentNet‑V2模型进行改进。经实际数据集验证，该模型在保证识别准确率的前提下提高了训练速度和推理速度，即预测所需时间。能够较好地弥补人工识别效率低；解决了现有用于植物疾病识别模型训练困难，难以部署，识别速度慢等缺陷，实现对植物疾病快速并且准确的识别。
-
Patent Agency Ranking
公开(公告)号：CN118533192A
公开(公告)日：2024-08-23
申请号：CN202410597429.7
申请日：2024-05-14
Applicant: 东北大学秦皇岛分校
IPC: G01C21/34
Abstract: 本发明提供一种基于凸角点搜索的自适应FMT*路径规划方法，涉及路径规划技术领域，本发明首先设计了一种障碍物边缘凸角点检测器检测可能构成最短路径的关键凸角点栅格；其次，将凸角点分类，利用凸角点和障碍物位置关系设计了懒惰邻居判断法；最后，根据凸角点的数量和地图的尺寸通过模拟不同精度地图的方式设计了自适应等距采样点和搜索半径。在多类型地图的仿真结果表明本发明路径规划方法相较传统快速进行树路径规划方法不仅能够提高路径的质量还能提高搜索效率，仿真实验验证了所提出的方法的优越性和有效性。
-
公开(公告)号：CN113688236A
公开(公告)日：2021-11-23
申请号：CN202110884717.7
申请日：2021-08-03
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于微博评论构建公民接种新冠疫苗的情感分类方法，涉及数据分析技术领域。本发明在一般嵌入的基础上，添加了一层特定领域的嵌入，将嵌入向量作为输入经过BiLSTM网络层进行特征学习，而后利用注意力层强调关注重点情感词对文本的不同权重分配，最后利用softmax对文本进行具体情感分类，从而确定文本情感倾向，该基于循环神经网络的情感分析方法，在已挖掘的关于新冠疫苗评论的数据集上进行实验分析，使得该模型能够更好的抽取关于新冠疫苗评论文本的特征，提升该模型情感倾向分析的准确率；通过设计对比实验，该方法在准确率和损失率评价指标上取得了有效改善，具有一定的应用价值。
-
公开(公告)号：CN119992391A
公开(公告)日：2025-05-13
申请号：CN202510170160.9
申请日：2025-02-17
Applicant: 东北大学秦皇岛分校
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/776 , G06V10/80 , G06N3/045 , G06N3/048
Abstract: 本发明提供一种基于YOLOv8n改进的无人机小目标检测方法，涉及无人机小目标检测技术领域，本方法首先对无人机小目标数据集进行图像预处理，并随机划分为验证集以及训练集；然后对YOLOv8n网络结构进行优化，在YOLOv8n主干网络中引入可变形卷积；引入无参TA注意力机制改进双向加权金字塔BiFPN；最后通过设计PIoU损失函数，使用训练集对改进后的模型进行训练，通过优化算法调整参数以最小化损失函数，期间定期用验证集评估性能，确保模型泛化能力，训练完成后，保存在验证集上表现最佳的权重文件形成目标检测模型，将最优权重文件集成到无人机的推理环境，无人机实时采集数据并应用目标检测模型进行目标检测。
-
公开(公告)号：CN119904325A
公开(公告)日：2025-04-29
申请号：CN202510075097.0
申请日：2025-01-17
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供了基于局部三角形的二阶段扩展社区发现方法，涉及社区发现技术领域，本发明设计了节点统治力，在节点度的基础上综合考虑了节点邻居的度和余弦相似度，这要求种子节点不仅要有较大的度，其邻域也要有紧密的结构，每次选取节点统治力最大的节点作为种子，有助于更加精确的筛选出种子节点。对于聚集能力较弱的种子节点，采取针对性的社区扩展策略，同时，以无向网络为基础进行大规模社区扩展，扩大了种子节点的影响力，提高了社区扩展的准确率。提出了新的匹配度函数，在考虑节点与社区内外连边的基础上，加入了节点与社区内外形成的三角形结构的数量，且每个节点能否加入社区只需计算一次，提高了社区发现效率。
-
公开(公告)号：CN113516097A
公开(公告)日：2021-10-19
申请号：CN202110863310.6
申请日：2021-07-29
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于改进EfficentNet‑V2的植物叶片疾病识别方法，涉及控制和模式识别技术领域。本发明对已有的EfficentNet‑V2模型进行改进。经实际数据集验证，该模型在保证识别准确率的前提下提高了训练速度和推理速度，即预测所需时间。能够较好地弥补人工识别效率低；解决了现有用于植物疾病识别模型训练困难，难以部署，识别速度慢等缺陷，实现对植物疾病快速并且准确的识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
