一种融合持久同调的三维点云分类方法

    公开(公告)号:CN114581718B

    公开(公告)日:2025-04-01

    申请号:CN202210233977.2

    申请日:2022-03-10

    Applicant: 中北大学

    Abstract: 本发明属于计算机视觉技术领域,具体涉及一种融合持久同调的三维点云分类方法,为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题,本发明在现有基于神经网络的点云分类技术PointNet++基础上,进一步引入代数拓扑学中的持久同调方法进行点云分类。首先,构建点云witness单纯复形拓扑结构,从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次,定义一个基于持久同调的损失函数,据此对三维点云分类的网络模型进行训练学习,得到神经网络模型各项参数。最后,利用训练好的卷积神经网络,进行三维点云的分类任务。测试结果显示,本发明显著提升了点云分类准确率。

    一种基于百度指数与机器学习的流感趋势预测方法

    公开(公告)号:CN116313134A

    公开(公告)日:2023-06-23

    申请号:CN202211566248.5

    申请日:2022-12-07

    Applicant: 中北大学

    Abstract: 本发明属于流行病监测技术领域,具体涉及一种基于百度指数与机器学习的流感趋势预测方法。针对现有流感预测方法仅使用历史时间序列信息进行预测,而忽略了相邻区域的空间相关性和不同时间段的时间相关性的影响,并且流感预测方法多集中于使用多元线性回归方法进行预测等问题,本发明首先试图挖掘与流行性感冒相关的重要关键词,对关键词进行初筛,并通过分析各关键词与流感样病例数的时滞相关性,对关键词进一步过滤;其次,基于确定的不同类型关键词和ILI%,通过考虑相邻地区间流感传播的影响,构建流感预测模型;最后,选用XGBoost方法对所建模型进行预测,得到符合南方地区的流感预测模型。

    一种气相色谱法测定麻疯树中油脂脂肪酸组成的方法

    公开(公告)号:CN108398509A

    公开(公告)日:2018-08-14

    申请号:CN201810475180.7

    申请日:2018-05-17

    Applicant: 中北大学

    Abstract: 一种气相色谱法测定麻疯树中油脂脂肪酸组成的方法,属于油脂检测技术领域,可解决现有麻疯树中油脂脂肪酸组成的检测效率低,甲酯化不完全的问题,以麻疯树种仁为原料、采用索氏提取法提取、氢氧化钾-盐酸-甲醇酯化,制得麻疯树油甲酯,通过选用GC-7900,TM-5(30 m×0.25 mm×0.25μm)毛细管色谱柱在最适条件下对盐酸甲酯化后的产物进行气相色谱分析测定出麻疯树油脂脂肪酸组成。本项发明在于通过以盐酸为催化剂相对于传统的硫酸催化剂,配合适合的色谱仪和色谱柱,得到甲酯化的种类更多、更加全面,更适用于脂肪酸气相色谱分析。同时也探索出使用气相色谱法检测麻疯树油盐酸催化甲酯化产物的最优条件。

    一种室内移动机器人强化学习导航方法

    公开(公告)号:CN116088495A

    公开(公告)日:2023-05-09

    申请号:CN202211416730.0

    申请日:2022-11-14

    Applicant: 中北大学

    Abstract: 本发明属于强化学习领域,具体涉及一种室内移动机器人强化学习导航方法,为解决在复杂环境复杂奖励的情况下,智能体导航中的样本利用率低以及导航成功率不高的问题,本发明在D3QN算法基础上,引入优势后见经验回放算法和分层强化学习结构。首先,通过比较不同轨迹点的优势函数来选择新目标点,拥有最大优势函数的轨迹点作为新目标点,根据新目标点,对轨迹样本重新标记并存入经验池中。然后,在分层强化学习的结构下,训练智能体在复杂的环境下学习,顶层智能体负责学习大范围的路径规划,底层智能体负责导航到子目标,最后实现到总目标点的导航。

    一种基于多任务增量学习的表面缺陷检测方法

    公开(公告)号:CN115222684A

    公开(公告)日:2022-10-21

    申请号:CN202210799731.1

    申请日:2022-07-06

    Applicant: 中北大学

    Abstract: 本发明属于表面缺陷检测领域,具体涉及一种基于多任务增量学习的表面缺陷检测方法,可用于缺陷检测。该方法所包括的步骤如下:本发明利用MobileVIT进行特征提取,为面向新材质的新任务添加各自的全连接层作为相应的分类器,然后以逐任务的形式将样本输入模型,并对新旧任务计算交叉熵损失,对旧任务计算轻量化协方差特征蒸馏损失,其次利用反向传播算法优化模型,最后采用Herding方法挖掘样例。本发明采用轻量化的MobileVIT进行特征提取,并从模型和特征层面减轻灾难性遗忘,具有较高的实际工程应用价值。

    一种融合持久同调的三维点云分类方法

    公开(公告)号:CN114581718A

    公开(公告)日:2022-06-03

    申请号:CN202210233977.2

    申请日:2022-03-10

    Applicant: 中北大学

    Abstract: 本发明属于计算机视觉技术领域,具体涉及一种融合持久同调的三维点云分类方法,为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题,本发明在现有基于神经网络的点云分类技术PointNet++基础上,进一步引入代数拓扑学中的持久同调方法进行点云分类。首先,构建点云witness单纯复形拓扑结构,从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次,定义一个基于持久同调的损失函数,据此对三维点云分类的网络模型进行训练学习,得到神经网络模型各项参数。最后,利用训练好的卷积神经网络,进行三维点云的分类任务。测试结果显示,本发明显著提升了点云分类准确率。

Patent Agency Ranking