公开(公告)号：CN114580525A

公开(公告)日：2022-06-03

申请号：CN202210195763.0

申请日：2022-02-25

Applicant: 华南理工大学

Inventor： 马千里 ,  柳真

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种面向含缺失数据的手势动作分类方法，过程如下：获取含缺失数据的手势动作数据集，依据缺失信息将其划分为观察值集和缺失值集；利用观察值集中每一列变量的均值对缺失值集进行预填补；基于预填补的数据，训练一个基于类别感知最优运输神经网络的手势动作分类器；利用手势动作分类器对预填补数据中的观察值进行重构，隐式地利用分类器的类别感知信息对缺失值进行填补；同时，采用最优运输理论减少同类别手势动作数据分布距离，显式地利用类别感知信息对缺失值进行填补；将填补后的数据作为感知机的输入，并最终输出分类结果。本发明将类别感知和最优运输理论应用于含缺失数据的手势动作分类领域，有效提高了分类的准确率和效率。

公开(公告)号：CN114580525B

公开(公告)日：2024-10-15

申请号：CN202210195763.0

申请日：2022-02-25

Applicant: 华南理工大学

Inventor： 马千里 ,  柳真

IPC: G06V10/764 ,  G06N3/045 ,  G06N3/08 ,  G06V40/20 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种面向含缺失数据的手势动作分类方法，过程如下：获取含缺失数据的手势动作数据集，依据缺失信息将其划分为观察值集和缺失值集；利用观察值集中每一列变量的均值对缺失值集进行预填补；基于预填补的数据，训练一个基于类别感知最优运输神经网络的手势动作分类器；利用手势动作分类器对预填补数据中的观察值进行重构，隐式地利用分类器的类别感知信息对缺失值进行填补；同时，采用最优运输理论减少同类别手势动作数据分布距离，显式地利用类别感知信息对缺失值进行填补；将填补后的数据作为感知机的输入，并最终输出分类结果。本发明将类别感知和最优运输理论应用于含缺失数据的手势动作分类领域，有效提高了分类的准确率和效率。

公开(公告)号：CN111412977A

公开(公告)日：2020-07-14

申请号：CN202010156741.4

申请日：2020-03-09

Applicant: 华南理工大学

Inventor： 黄敏 ,  柳真

IPC: G01H17/00 ,  G01M13/00 ,  G06N3/00 ,  G06N3/04

Abstract: 本发明公开了一种机械设备振动感知数据的预处理方法，包括数据采集、特征值提取、特征值选择和数据存储。在数据采集阶段，采用多个振动传感器进行振动感知数据的采集。在特征值提取阶段，依据采用频率选取合适的滑动窗口并结合二十种时域特征提取方法进行特征值提取，从而降低原始振动数据的数据量和不确定性。在特征值选择阶段，通过粒子群优化算法结合人工神经网络选取最优特征值子集以及对应的输入顺序，从而降低特征值的数量。在数据存储阶段，依据最优特征值子集中对应的特征值进行数据存储，从而获取预处理后的数据。本发明可降低振动感知数据的传输和存储成本，并提高机械故障诊断模型的预测准确率，具有实际应用价值。