-
公开(公告)号：CN115439591A
公开(公告)日：2022-12-06
申请号：CN202210844208.6
申请日：2022-07-18
IPC: G06T15/06
Abstract: 本发明提供了一种基于多元化低差异序列的光线追踪方法，属于光线追踪技术领域。本发明方法在像素点采样时，使用扩展的二维Halton序列产生均匀点集，通过采样均匀点集得到抗锯齿效果更好的渲染图；采用以2为底的Van der Corput序列生成随机数，来消除俄罗斯轮盘赌算法中的随机数聚集现象，使用改进的俄罗斯轮盘赌方法控制光线的发射过程。本发明在像素点采样过程中，创新性的使用低差异序列Halton序列产生的二维点集，将每条射线均匀的打向像素点的不同位置，最后会得到抗锯齿效果更好的渲染图。本发明方法在光线迭代过程中，使用改进俄罗斯轮盘赌算法渲染的图像，能拥有更少的噪点，得到更好的渲染图。
-
公开(公告)号：CN114895693A
公开(公告)日：2022-08-12
申请号：CN202210383770.3
申请日：2022-04-12
Applicant: 北京工商大学
IPC: G05D1/08
Abstract: 本发明公开了一种基于TOPSIS的多旋翼飞行器飞行策略实时决策方法，属于控制工程与管理学的交叉技术领域，具体为：首先，基于无人机飞行仿真平台，模拟不同类型的故障并注入多旋翼飞行器飞行状态中，实时采集各故障情况下的飞行数据，组建状态评估信息源；然后，利用状态评估信息源，基于随机森林算法构建多旋翼飞行器故障等级分类模型，将故障类型划分为灾难、危险和轻微三类等级；最后，对故障类型为危险或灾难的多旋翼飞行器，构建同时考虑实时环境和多旋翼飞行器的飞行状态的多旋翼飞行器实时属性决策模型；本发明根据逼近理想解的排序方法对不同策略解决实时状态下问题的能力进行排序，实现多旋翼飞行器不同故障情况下的飞行决策，保障飞行安全。
-
公开(公告)号：CN111460676A
公开(公告)日：2020-07-28
申请号：CN202010280146.1
申请日：2020-04-10
Applicant: 北京工商大学
IPC: G06F30/20 , G06F30/28 , G06F111/10 , G06F119/10 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种多旋翼飞行器在大气紊流扰动下的健康性能评估方法，属于无人飞行器飞行可靠性和安全性分析技术领域。本发明首先建立大气紊流扰动下多旋翼飞行器随机混杂系统模型。该模型包含多旋翼飞行器的飞行运动学和动力学特性、风扰动模型、大气紊流风场模拟模型；设置不同模态表征不同类型传感器异常行为，利用模态跳转建模飞行器健康性能变化。然后，利用交互多模型-粒子滤波算法估计多旋翼飞行器混杂状态的概率密度函数。最后，提出模糊健康度作为健康指标对多旋翼飞行器的健康性能进行定量评估。本发明可解决多旋翼飞行器在飞行过程中飞行健康性能难以定量评价的问题，是保障多旋翼飞行器飞行可靠性和安全性的有效解决方案。
-
公开(公告)号：CN105844401B
公开(公告)日：2019-04-12
申请号：CN201610166424.4
申请日：2016-03-22
Applicant: 北京工商大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于案例推理的湖库水华治理复杂动态关联模型与决策方法，属于环境工程技术领域。本发明基于案例推理，首先按照4R模型给出基于案例推理的湖库水华决策系统的架构框架，以protégé工具构建水华本体作为案例表示的基础，然后构建案例库，将案例检索分为案例推理和案例匹配两个部分，完成初步筛选和案例匹配，得到匹配案例，经过领域专家调整后应用至目标案例，并保存至案例库。本发明能够模仿专家经验的思维过程，进行人工智能决策，使决策结果更符合实际的湖库水华治理情况，明显提高了决策结果的准确性及可靠性。并且可以提高决策效率，缩短决策时间。
-
公开(公告)号：CN105224808B
公开(公告)日：2018-02-06
申请号：CN201510666172.7
申请日：2015-10-15
Applicant: 北京工商大学
IPC: G16H50/30
Abstract: 本发明公开了一种基于三维坐标的投影积分函数皮肤状态综合评价方法，属于皮肤科学与系统科学交叉融合的工程技术领域。所述评价方法首先建立指标位置集、测试部位集、模糊评价集的三维坐标，针对领域专家给出的评价标准，提出投影积分函数对测试部位的测试数据进行插值积分运算，投影于指标维度进行二次插值积分，采用模糊隶属度表达皮肤状态评价等级的渐进不确定性，最终通过模糊矩阵计算并确定皮肤状态综合评价等级。本发明判定结果能够较全面客观的反映皮肤状态，改善了评价的全面性，提高了结果的客观准确性；为测试者对化妆品等产品的使用，提供参考意义。
-
Patent Agency Ranking
公开(公告)号：CN114821285B
公开(公告)日：2024-07-26
申请号：CN202210398999.4
申请日：2022-04-15
Applicant: 北京工商大学
IPC: G06V20/05 , G06V10/56 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G01N21/84
Abstract: 本发明公开了一种基于ACONV－LSTM与New－GANs组合的蓝藻水华预测系统及预测方法，该系统包括有蓝藻水华的叶绿素a浓度等级设置单元(200)、去异常值处理单元(300)、补全连续采样时间序列图像单元(400)、Aconv－LSTM模型(500)和New－GANs模型(600)；本发明系统先将叶绿素a浓度等级匹配到每张遥感图像上达到统一数据标尺处理，然后利用线性插值填补缺失得到时间序列完整的叶绿素a浓度图像，然后将完整叶绿素a浓度图像输入到注意力卷积长短时记忆网络与改进的生成式对抗网络中，从而预测未来时间的叶绿素a浓度爆发的一种预测技术手段。
-
公开(公告)号：CN116403103A
公开(公告)日：2023-07-07
申请号：CN202310017318.X
申请日：2023-01-06
Applicant: 北京工商大学
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/094
Abstract: 本发明是一种基于四维生成对抗网络的遥感图像分析及蓝藻水华预测方法。本发明方法包括：基于空间权重矩阵及基于注意力机制的Pix2Pix模型对存在损坏点的叶绿素a浓度、温度以及藻蓝素浓度遥感图像进行修复；基于三次样条与卷积长短时网络及三维卷积对遥感图像时间序列进行填补；基于时间生成对抗网络对遥感图像时间序列进行扩充；基于四维生成对抗网络进行多因素遥感图像像素级预测；根据预测的三种遥感图像预测蓝藻水华暴发风险。本发明将叶绿素a浓度、温度以及藻蓝素浓度的遥感图像共同用于对蓝藻水华暴发的预测，修补和扩充了预测样本，提高了对未来时刻多因素遥感图像的预测精度，以及对未来时刻蓝藻水华暴发的时空分布预测精度。
-
公开(公告)号：CN116307255A
公开(公告)日：2023-06-23
申请号：CN202310476597.6
申请日：2023-04-27
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于改进MIMO深度双重3Q学习的水体富营养化预测方法，用于水环境监测和水体污染防治。本发明方法考虑水体富营养化相关的12种预测指标，基于深度Q学习模型进行改进，改进Q学习中贪婪因子和奖励，以及Q函数值的更新，并改进模型预测和训练方式，提出MIMO深度双重3Q学习模型，利用该模型进行双重预测，第一次获取各预测指标的初步预测结果，第二次获取各预测指标的更正的预测误差，将两次预测结果结合获得各预测指标的最终预测结果。经验证，使用本发明方法解决了目前水体富营养化预测精度不高及预测时间过长的问题，提高了对水体富营养化指标的预测精度。
-
公开(公告)号：CN116307068A
公开(公告)日：2023-06-23
申请号：CN202310035696.0
申请日：2023-01-10
Applicant: 北京工商大学
IPC: G06Q10/04 , G01N15/06 , G01N33/00 , G06Q50/26 , G06N3/08 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明是一种基于四维有向GCN‑LSTM模型的多城市多种大气污染物预测方法，解决目前不能准确预测多种大气污染物浓度的问题。本发明方法包括：对多城市多种大气污染物浓度数据进行相关性分析，确定数据间具有相关性；根据城市的地理位置建立四维有向GCN模型的图；进行四维有向GCN模型的谱分解及张量运算，获取图傅里叶系数和图傅里叶基；改进四维有向GCN模型的图滤波器；引入LSTM网络架构，构建四维有向GCN‑LSTM模型进行大气污染预测。本发明构建了一种能够包含二维空间有向性信息、捕捉图节点内多个因素一维相关性信息、提取不同时刻时间一维相关性信息的四维有向图模型，提高了对多城市多种大气污染物的预测精度。
-
公开(公告)号：CN115587538A
公开(公告)日：2023-01-10
申请号：CN202211248275.8
申请日：2022-10-12
Applicant: 北京工商大学
IPC: G06F30/27 , G06F18/23213 , G06N3/043 , G06N3/08
Abstract: 本发明公开了一种基于SMRELM模型的湖库蓝藻水华预测系统，是在传统蓝藻水华预测中增加了蓝藻水华时序特征信息提取模块(100)、S－ELM模型(200)和ECM模型(30)。本发明预测步骤：将叶绿素a浓度作为描述蓝藻水华形成的表征指标用于构建时序特征集；通过滑动窗对叶绿素a浓度时间序列进行重构，采用流形正则化极限学习机对重构后的输入样本进行训练；根据相似度条件，结合时序特征集和流形正则化极限学习机实现蓝藻水华的切换预测；采用改进的模糊C均值聚类与T－S模糊神经网络建立误差补偿模型，对预测模型的结果进行修正。本发明解决了传统批量式极限学习机在蓝藻水华预测时精度较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
