公开(公告)号：CN115471689A

公开(公告)日：2022-12-13

申请号：CN202211130538.5

申请日：2022-09-15

Applicant: 南昌大学

Inventor： 李春泉 ,  郑波钰 ,  王子航 ,  王咏鹤 ,  王子韬 ,  张良强 ,  李志焌 ,  陈利民

IPC: G06V10/762 ,  G06V10/77 ,  G06F17/16 ,  G06F17/13 ,  G06N3/04 ,  G06N3/00

Abstract: 一种基于神经动力学的图像非负矩阵分解聚类方法，包括：1)构建原始数据矩阵；2)构建稀疏图正则非负低秩矩阵分解模型；3)对原始数据矩阵进稀疏图正则非负低秩矩阵分解；4)基于K‑means算法进行聚类。本发明优点：1、稀疏图正则非负低秩矩阵分解通过添加图正则化项，维护了高维数据在低维空间表示的几何构型，通过施加低秩约束和稀疏约束，保证了分解所得基矩阵的稀疏性质；提取到了更多的有效信息，减少了信息冗余，降低了计算难度；2、将神经动力学优化方法VF‑CNO引入到稀疏图正则非负矩阵低秩矩阵分解模型的求解问题中，提高了模型的求解精度。本发明拥有更好的降维效果，并在图像聚类任务中表现出更好的聚类性能。

公开(公告)号：CN117353286A

公开(公告)日：2024-01-05

申请号：CN202311252281.5

申请日：2023-09-26

Applicant: 南昌大学

Inventor： 李春泉 ,  程宇新 ,  江棋 ,  廖志远 ,  汪芊芊 ,  陈昌祺 ,  王子韬 ,  余皎玉 ,  张海欣 ,  陈利民 ,  伍军云 ,  陈荣伶 ,  喻俊志

IPC: H02J3/00 ,  G06N3/048 ,  G06N3/084 ,  G06Q50/06

Abstract: 一种基于多个相似日和堆叠学习的短期负荷预测方法，1)利用滑动窗口算法对具有高度非线性和非平稳性的时间序列电力负荷数据进行处理；2)提出了一种堆叠神经网络的集成学习方法，在预训练过程中，基层网络集成了径向基函数、随机向量函数链接和反向传播神经网络，以提供稳健的预测模型，元层网络利用深度信念网络和改进的广义学习系统来提高预测精度；3)提出了相似日预测方法来提取电力负荷数据在不同时间维度上的相似特征，进一步增强了模型的稳健性和准确性。本发明通过使用三种策略：滑动窗口算法、堆叠算法、相似日预测方法，有效的提取历史负荷数据的时空特征，减少了计算量，有效提高了模型预测精度，增强了预测模型稳健性和准确性。

公开(公告)号：CN117325163A

公开(公告)日：2024-01-02

申请号：CN202311312532.4

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  姜家良 ,  姚凯文 ,  王咏鹤 ,  陈昌祺 ,  王子韬 ,  苏志勇 ,  邓觐铧 ,  何辉凡 ,  陈荣伶 ,  陶凌 ,  陈利民 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: B25J9/16

Abstract: 一种基于模糊宽度神经网络的间接自适应阻抗控制方法，属于机器人控制领域，主要包括以下步骤：(1)实现间接自适应阻抗控制；(2)加入模糊控制；(3)根据模糊控制得出数据集并放入模糊宽度神经网络里训练；(4)将训练好的网络与间接自适应阻抗控制相结合。本发明的优点在于：能够对阻抗参数实现实时调整，使机械臂末端的期望力总是保持在一个最佳的范围内，实现对机械臂的精准控制。

公开(公告)号：CN117495690A

公开(公告)日：2024-02-02

申请号：CN202311310352.2

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  邢庆宝 ,  廖志远 ,  程宇新 ,  张海欣 ,  杨锋 ,  夏庆 ,  王嘉豪 ,  王子韬 ,  王咏鹤 ,  陶凌 ,  陈利民 ,  陈荣伶 ,  赵庆敏 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: G06T5/50 ,  G06T5/60 ,  G06T5/70 ,  G06T5/90 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0495 ,  G06N3/094

Abstract: 一种基于双分支GAN网络的SAR与可见光图像轻量化融合方法，包括构建数据集、使用GFCE算法生成预融合图像、构建双分支GAN网络(DB‑GAN)、训练DB‑GAN网络对SAR与可见光图像进行融合；本发明搭建双分支GAN网络，利用GAN网络的生成对抗机制，同样引入预融合图像作为生成器的指导，以避免人工设计复杂的融合规则，具有以下特点：1.相比较其他基于深度学习的融合算法，DB‑GAN网络在SAR与可见光图像融合领域能够得到更高质量的融合图像，很好的保留了可见光图像的光谱信息，以及SAR与可见光图像的细节信息；2.模型参数较少，实现了模型的轻量化，可节省硬件开销，有利于实际应用。

公开(公告)号：CN117274129A

公开(公告)日：2023-12-22

申请号：CN202311310363.0

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  邢庆宝 ,  程宇新 ,  廖志远 ,  张海欣 ,  杨锋 ,  夏庆 ,  王嘉豪 ,  王子韬 ,  王咏鹤 ,  陶凌 ,  陈利民 ,  陈荣伶 ,  赵庆敏 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: G06T5/50 ,  G06T5/00 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 一种基于双判别器的SAR与可见光图像融合方法，包括构建数据集、使用GFCE算法生成预融合图像、构建具有双判别器的GAN网络(DD‑GAN)、训练DD‑GAN网络对SAR与可见光图像进行融合。本发明利用GAN网络的生成对抗机制，并引入预融合图像作为生成器的指导，具有以下特点：避免了人工设计复杂的融合规则；可以实现输入未经对比度增强的源图像，输出得到对比度增强效果的融合图像，并且融合图像在保留可见光图像光谱信息的同时，可以包含大量的SAR与可见光图像的细节信息；在获得高质量融合图像的同时，所花费的时间较少，有效的解决了高质量融合图像与生成时间之间的矛盾。

公开(公告)号：CN222285483U

公开(公告)日：2025-01-03

申请号：CN202322976948.8

申请日：2023-11-04

Applicant: 南昌大学

Inventor： 李春泉 ,  程宇新 ,  王子韬 ,  张海欣 ,  陈昌祺 ,  张峰浩 ,  余皎玉 ,  廖志远 ,  汪芊芊 ,  孙于钦 ,  陈利民 ,  伍军云 ,  陈荣伶 ,  喻俊志

IPC: A61B5/256 ,  A61B5/291 ,  A61B5/31 ,  A61B5/369

Abstract: 一种基于人机交互的一体式脑电采集系统，包括信号采集电路、防静电隔离电路、前置滤波电路、ADS1299芯片、微控制器和通信模块，信号采集电极经防静电隔离电路、前置滤波电路连接ADS1299芯片，ADS1299芯片经SPI通信总线连接微控制器，微控制器采用STM32F405RGT6，微控制器内部集成5阶IIR带通滤波模块和陷波滤波模块，微控制器上接有通信模块，微控制器通过串口或USB模块与上位机进行有线通信，也可通过ESP32模块与上位机无线通信。本实用新型获取的脑电信号质量高，抗干扰性能好，并具有成本低、体积小、噪声低、功耗低等特性，可实现长时间连续高精度采集脑电信号，适合在人机交互领域普及。