-
Patent Agency Ranking
公开(公告)号：CN109161931B
公开(公告)日：2019-11-08
申请号：CN201811231278.4
申请日：2018-10-22
Applicant: 中南大学
IPC: C25C3/20
Abstract: 本发明公开了一种基于shapelet转换的铝电解阳极电流分类方法，基于shapelet转换方法选取高质量shapelets；从所述高质量shapelets中提取核心特征；增加相似数量特征到所述核心特征中，并转换数据。本发明从一个类别的所有维度中寻找核心特征，分类准确性不会受信号也不依赖于维度的影响，解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题，并且提高了分类的准确性。
-
公开(公告)号：CN109598283B
公开(公告)日：2020-12-08
申请号：CN201811231304.3
申请日：2018-10-22
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于半监督极限学习机的铝电解过热度识别方法，所述方法包括：收集铝电解实时生产数据，对收集到的数据进行归一化处理和标准化处理；构造Hessian正则化算子；计算极限学习机ELM模型的隐层输出；构造所述ELM模型的损失函数，求解输出权值矩阵。本发明能够充分发掘无标签数据中隐含的信息，克服传统Laplacian正则化的推断力弱的问题，且训练速度较传统方法快，能实现对工业系统的过热度状态的进行准确实时监测。
-
公开(公告)号：CN109598283A
公开(公告)日：2019-04-09
申请号：CN201811231304.3
申请日：2018-10-22
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于半监督极限学习机的铝电解过热度识别方法，所述方法包括：收集铝电解实时生产数据，对收集到的数据进行归一化处理和标准化处理；构造Hessian正则化算子；计算极限学习机ELM模型的隐层输出；构造所述ELM模型的损失函数，求解输出权值矩阵。本发明能够充分发掘无标签数据中隐含的信息，克服传统Laplacian正则化的推断力弱的问题，且训练速度较传统方法快，能实现对工业系统的过热度状态的进行准确实时监测。
-
公开(公告)号：CN109161932A
公开(公告)日：2019-01-08
申请号：CN201811231426.2
申请日：2018-10-22
Applicant: 中南大学
IPC: C25C3/20
CPC classification number: C25C3/20
Abstract: 本发明公开了一种铝电解槽火眼视频动态特征的提取方法，首先将视频数据采集连续的5帧的图像数据，然后分割得到火眼图像，将图像灰度化组合成样本，代入改进后的VGG16模型，利用迁移学习初始化VGG16的权重，最后通过模型得到特征。本发明能获得到人工经验所不能得到的更深层次的火眼动态特征，且获取速度很快，准确率较高。
-
公开(公告)号：CN109161931A
公开(公告)日：2019-01-08
申请号：CN201811231278.4
申请日：2018-10-22
Applicant: 中南大学
IPC: C25C3/20
Abstract: 本发明公开了一种基于shapelet转换的铝电解阳极电流分类方法，基于shapelet转换方法选取高质量shapelets；从所述高质量shapelets中提取核心特征；增加相似数量特征到所述核心特征中，并转换数据。本发明从一个类别的所有维度中寻找核心特征，分类准确性不会受信号也不依赖于维度的影响，解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题，并且提高了分类的准确性。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
