一种改性磷矿尾砂路基填料及其制备方法

    公开(公告)号:CN110451862A

    公开(公告)日:2019-11-15

    申请号:CN201910830328.9

    申请日:2019-09-04

    Applicant: 东南大学

    Abstract: 本发明提供一种使用碱渣和黏土复合改性磷矿尾砂的路基填料及其制备方法,属于路基填料技术领域。该填料各组分的掺量(按干质量计算)分别为:碱渣10%~50%,黏土25%~50%,其余为磷矿尾砂,且黏土掺量不得超过磷矿尾砂。本发明提出使用黏土和碱渣作为改性剂对磷矿尾砂进行改性,使混合料能满足公路路基设计规范要求,其CBR值和无侧限抗压强度高、压实效果好、经济效益高,有效解决了磷矿尾砂工程性质不良和固废材料难以有效利用的问题,符合绿色生态和可持续发展的要求。

    基于自编码器的无监督学习图像异常检测方法

    公开(公告)号:CN112101426B

    公开(公告)日:2022-11-01

    申请号:CN202010871751.6

    申请日:2020-08-26

    Applicant: 东南大学

    Inventor: 李俊 唐伟

    Abstract: 本发明公开了一种基于自编码器的无监督学习图像异常检测方法,该方法为:将样本分为训练样本和测试样本,分别对训练样本和测试样本进行预处理,然后将预处理之后的训练样本/测试样本输入到自编码器进行重建得到重建结果,分别计算其重建损失、重建过程中编码器和解码器对应层之间的加权特征一致性损失、特征判别损失和对抗损失;然后对上述损失加权求和,作为总的损失函数;最后计算测试样本的异常得分。然后使用特征归一化将每个样本的异常得分映射到[0,1],计算接收者操作特征曲线下的面积作为评估指标。本发明利用自编码器和判别的潜在空间特征来提升无监督异常检测的准确率,应用于工业、安防或其他的无监督环境中。

    基于自编码器的无监督学习图像异常检测方法

    公开(公告)号:CN112101426A

    公开(公告)日:2020-12-18

    申请号:CN202010871751.6

    申请日:2020-08-26

    Applicant: 东南大学

    Inventor: 李俊 唐伟

    Abstract: 本发明公开了一种基于自编码器的无监督学习图像异常检测方法,该方法为:将样本分为训练样本和测试样本,分别对训练样本和测试样本进行预处理,然后将预处理之后的训练样本/测试样本输入到自编码器进行重建得到重建结果,分别计算其重建损失、重建过程中编码器和解码器对应层之间的加权特征一致性损失、特征判别损失和对抗损失;然后对上述损失加权求和,作为总的损失函数;最后计算测试样本的异常得分。然后使用特征归一化将每个样本的异常得分映射到[0,1],计算接收者操作特征曲线下的面积作为评估指标。本发明利用自编码器和判别的潜在空间特征来提升无监督异常检测的准确率,应用于工业、安防或其他的无监督环境中。

    一种面向嵌入式图像处理系统的彩色空间转换优化方法

    公开(公告)号:CN108683899A

    公开(公告)日:2018-10-19

    申请号:CN201810465324.0

    申请日:2018-05-16

    Applicant: 东南大学

    CPC classification number: H04N9/64

    Abstract: 本发明公开了一种面向嵌入式图像处理系统的彩色空间转换优化方法,具体步骤为:乘法表制作;阈值表制作;获取YUV格式的数据组;查乘法表,获取对应分量进行算术运算;将算术运算的结果作为索引,查阈值表,得到RGB分量。该发明将转换用到的浮点运算转换成查表的过程,减少了图像彩色空间转换的耗时,加快了嵌入式系统图像预处理过程,进而增强了嵌入式系统的实时性。

Patent Agency Ranking