一种基于卷积神经网络的海洋哺乳动物图像分割方法

    公开(公告)号:CN110807777B

    公开(公告)日:2023-02-14

    申请号:CN201910947774.8

    申请日:2019-10-08

    Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法,所述方法包括如下步骤:从用高清摄像机中每隔10帧获取一次画面;将获取到的图像进行检测,将带有海洋哺乳动物的图像作为训练样本;对训练样本进行随机采样得到训练样本,输入至深度自编码器来实现训练深度自编码器;将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合;将训练完成的深度自编码器保留,作为处理图像分割的卷积神经网络的初始卷积层;训练基于FCN的图像分割网络模型;将新的样本集合输入到训练好的FCN中,获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息,加快了训练速度,同时提高了FCN对图像分割的精度。

    一种基于改进网格搜索算法的SVM参数优化方法

    公开(公告)号:CN110837845A

    公开(公告)日:2020-02-25

    申请号:CN201910947756.X

    申请日:2019-10-08

    Abstract: 本发明涉及数据挖掘技术领域,具体涉及支持向量机参数优化的一种基于改进网格搜索算法的SVM参数优化方法。本方法初始化分类器和粒子群算法的相关参数,选择对分类器性能影响较大的参数作为待优化参数,由粒子群算法获得全局最优参数或局部最优参数;求得的最优参数作为目标点,初始化网格搜索的空间范围参数和网格搜索过程中的搜索步长参数,以及其他变量;在选定的范围内进行网格搜索,采用k-cv交叉验证,重新获得该范围内的最优参数。本发明改进了传统的网格搜索算法,克服了在选取搜索区间时存在的盲目性以及经验性问题,改善了在数据量较大的情况下该方法存在的时间消耗大的问题,使时间消耗与分类性能达到一个相对平衡的状态。

    一种基于E-LSTM的汽轮机健康状态预测方法

    公开(公告)号:CN110689171A

    公开(公告)日:2020-01-14

    申请号:CN201910837861.8

    申请日:2019-09-05

    Abstract: 本发明提供的是一种基于E-LSTM的汽轮机健康状态预测方法。收集来自传感器的汽轮机运行数据,并进行预处理;将预处理好的数据喂到LSTM网络中,进行多次迭代训练;将训练好的多个模型参数输入到遗传算法中作为初始种群,运行遗传算法,选择效果最优模型参数;使用更多的汽轮机运营数据对最优模型进行泛化性能验证;根据最优模型参数,对测试数据集进行预测,并评估模型误差。本发明能提高模型预测的准确度并避免过拟合,能实现多元线性回归预测,使得预测模型对真实数据具有更好的拟合效果,可以极大降低人力监测的误差、提高故障诊断效率,对故障的发生做到先知先觉。可以广泛应用于各个火力和核能发电厂甚至于舰船的汽轮机的状态管理。

Patent Agency Ranking