一种基于手机信令历史数据强化学习的特征提取方法

    公开(公告)号:CN117851809A

    公开(公告)日:2024-04-09

    申请号:CN202410018740.1

    申请日:2024-01-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于手机信令历史数据强化学习的特征提取方法,首先根据最近一段时间内的手机信令历史数据,构建历史数据库;然后进行二重手机信令数据强化学习,第一重强化学习为数据特征学习,输出具有高可信度的用户完整出行序列数据;第二重强化学习为出行行为学习,输出三种运动状态的运动状态模糊权重,并构造模糊出行隶属集;接着,提出基于模糊出行隶属度的三支高斯混合聚类算法,对用户完整出行序列数据进行聚类划分;提出双动态POI相似映射算法,通过结合土地信息对算法参数进行动态调整,确定用户精确出行起讫点及完整出行链。本发明方法提升了用户手机信令数据利用率,有效地解决了用户出行分析与数据统计精确度的问题。

    太阳能光伏板冷却并实现水净化的装置

    公开(公告)号:CN113179084A

    公开(公告)日:2021-07-27

    申请号:CN202110338847.0

    申请日:2021-03-30

    Applicant: 东南大学

    Abstract: 本发明涉及一种太阳能光伏板冷却并实现水净化的装置,包括光伏板,所述光伏板的非工作面上贴覆有毛细吸水层,所述毛细吸水层处于含水状态时,水分吸收所述光伏板热量后蒸发,以达到为所述光伏板降温的目的。还包括冷凝室,其顶部开口由所述光伏板遮盖,使所述冷凝室内形成封闭空间;所述毛细吸水层铺设于所述冷凝室顶面与所述非工作面之间,使蒸发后的水蒸气在所述冷凝室内冷凝后被回收。本发明在无需额外电能消耗的情况下,利用水的蒸发冷却效果对太阳能光伏板进行冷却,降低了冷却过程中的能耗,有效提高了光伏发电效率。

    一种基于手机信令历史数据强化学习的特征提取方法

    公开(公告)号:CN117851809B

    公开(公告)日:2024-06-18

    申请号:CN202410018740.1

    申请日:2024-01-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于手机信令历史数据强化学习的特征提取方法,首先根据最近一段时间内的手机信令历史数据,构建历史数据库;然后进行二重手机信令数据强化学习,第一重强化学习为数据特征学习,输出具有高可信度的用户完整出行序列数据;第二重强化学习为出行行为学习,输出三种运动状态的运动状态模糊权重,并构造模糊出行隶属集;接着,提出基于模糊出行隶属度的三支高斯混合聚类算法,对用户完整出行序列数据进行聚类划分;提出双动态POI相似映射算法,通过结合土地信息对算法参数进行动态调整,确定用户精确出行起讫点及完整出行链。本发明方法提升了用户手机信令数据利用率,有效地解决了用户出行分析与数据统计精确度的问题。

    基于无尘纸和墨水的湿度微发电装置及其制备方法与应用

    公开(公告)号:CN111682800B

    公开(公告)日:2023-12-01

    申请号:CN202010535233.7

    申请日:2020-06-12

    Applicant: 东南大学

    Abstract: 本发明提供一种基于无尘纸和墨水的湿度微发电装置及其制备方法与应用。本发明通过将浸泡墨水并干燥后的无尘纸放在空气中,通过在无尘纸涂覆LiCl溶液实现从环境中吸收水分,水分与墨水中的含氧官能团发生相互作用产生水合氢离子,水合氢离子沿着纸中的微孔通道从一端传输到另一端从而产生电压和电流,实现对电子器件供电。本发明制备的纸基微发电装置在50%相对湿度和20℃的环境条件下,可以产生0.35V的电压,并且可以稳定输出超过100个小时,效果显著。

    一种无人机编队智能重构方法

    公开(公告)号:CN116185066A

    公开(公告)日:2023-05-30

    申请号:CN202310067771.1

    申请日:2023-02-06

    Abstract: 本发明提出了一种无人机编队智能重构方法,该重构方法是基于虚拟刚体结构法的分布式无人机编队重构方法。每个无人机节点根据与跟踪虚拟目标的位置差调整速度保持跟踪,并周期性地广播自身追踪的虚拟目标,当收到来自其他无人机节点的广播信息时更新邻居表。当编队中部分无人机节点遭受打击无法正常运行时,受损无人机节点的邻居将判断自身是否为候选补位无人机节点,再决定是否更换追踪目标,补上空缺位置。当无人机前往补缺时将会发送前往补位广播,告知其他无人机原位置空缺。在每个时隙中重复以上过程,直到已无可补位的无人机节点。上述方法可以在分布式无人机编队遭受打击的情况下进行智能重构,恢复队形完整,提高编队的抗干扰,抗打击能力。

    基于极限学习深度网络融合模型的货车车辆号牌识别方法

    公开(公告)号:CN111460996A

    公开(公告)日:2020-07-28

    申请号:CN202010244452.X

    申请日:2020-03-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于极限学习深度网络融合模型的货车车辆号牌识别方法,包括以下步骤:采用高速公路监控相机获取货车图像,对货车图像采用可变形部件模型、进行货车车辆号牌定位,基于比例分割方法对定位得到的货车车辆号牌进行字符分割,构建货车车辆号牌字符图像集;对车辆号牌字符图像进行特征提取;对车辆号牌字符图像进行特征提取;对车辆号牌字符图像进行特征提取;构建基于极限学习深度网络融合模型;采用训练好的基于极限学习的深层网络融合模型对输入车辆号牌图像进行货车车辆号牌的识别分类。优点是:本发明的性能优于传统的HOG+SVM以及极限学习InceptionV3模型、极限学习XceptionV3模型和极限学习NASNet模型,其识别率达到98.18%。

Patent Agency Ranking