-
公开(公告)号：CN117765498A
公开(公告)日：2024-03-26
申请号：CN202311859471.3
申请日：2023-12-30
Applicant: 哈尔滨理工大学
IPC: G06V20/56 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于SNC‑YOLOv5的自动驾驶目标检测算法；针对自动驾驶领域中，物体分辨率较低和目标较小难以检测的问题，将SPD模块添加到主干和颈部网络中，增强了网络处理低分辨率和小目标图像的能力；在主干网络添加NAM注意力机制，在增强图片特征表达能力的同时又不增加模型整体的计算量；将颈部网络的C3模块替换为C2f模块，通过并行更多的梯度流分支来进一步优化网络，提高网络的准确性；将SNC‑YOLOv5与原YOLOv5模型在KITTI数据集上进行比较，实验结果表明，与YOLOv5相比，本发明有效地提高了YOLOv5特征提取能力以及多尺度特征融合能力，针对自动驾驶目标检测任务中低分辨率物体和小目标漏检以及检测精度低的问题，本发明能有效提高检测效率和精度。
-
公开(公告)号：CN116434880B
公开(公告)日：2023-09-08
申请号：CN202310204380.X
申请日：2023-03-06
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G06F18/2321
Abstract: 本发明提供一种基于模糊自洽式聚类集成的高熵合金硬度预测方法，属于合金硬度预测技术领域。为解决现有方法无法有效避免类簇标签值的大小对对象间关系的影响，共识结果很难准确地映射出基聚类结果间的实际差异，且处理不确定性关系的能力较弱的问题。本发明方法将基聚类结果作为样本点特征，将基聚类结果采用缩放的哑变量的形式表示；采用模糊算子构建所有样本点的关系矩阵；基于关系矩阵计算各样本点的局部密度和相对距离，以识别聚类中心和分配非中心点，并构建再分配策略对共识聚类结果中的不确定性样本点进行修正。本发明消除了基聚类结果间划分差异的影响，从模糊算子的角度审视对象间的模糊关系，有效地提升对模糊关系的处理能力。
-
Patent Agency Ranking
公开(公告)号：CN116434880A
公开(公告)日：2023-07-14
申请号：CN202310204380.X
申请日：2023-03-06
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G06F18/2321
Abstract: 本发明提供一种基于模糊自洽式聚类集成的高熵合金硬度预测方法，属于合金硬度预测技术领域。为解决现有方法无法有效避免类簇标签值的大小对对象间关系的影响，共识结果很难准确地映射出基聚类结果间的实际差异，且处理不确定性关系的能力较弱的问题。本发明方法将基聚类结果作为样本点特征，将基聚类结果采用缩放的哑变量的形式表示；采用模糊算子构建所有样本点的关系矩阵；基于关系矩阵计算各样本点的局部密度和相对距离，以识别聚类中心和分配非中心点，并构建再分配策略对共识聚类结果中的不确定性样本点进行修正。本发明消除了基聚类结果间划分差异的影响，从模糊算子的角度审视对象间的模糊关系，有效地提升对模糊关系的处理能力。
-
公开(公告)号：CN115691700A
公开(公告)日：2023-02-03
申请号：CN202211397847.9
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G06F18/2321
Abstract: 本发明提供一种基于三种共识策略的双粒度聚类集成算法的高熵合金硬度预测方法，涉及合金硬度预测技术领域，为解决现有技术中采用单一聚类方法不能同时适用于不同分布特征的数据集，即使在同一种数据分布下往往也不能达到稳定、统一的聚类效果的问题。本发明将高熵合金数据集X＝{x1，x2，...，xN}∈Rh利用聚类算法生成基聚类组合Π＝{π1，π2，...，πM}；将给定的共识函数嵌入到选择策略，去除基聚类集合中的噪声成员，并计算得到的基聚类组合的共识结果，采用可调DS证据理论共识策略将去除噪声成员后得到的共识结果进行融合，得到不同类簇的最终划分结果；将不同类簇各自建立回归模型进行硬度预测计算。本发明采用的聚类方法能够提取多个基聚类信息，实现更好性能的聚类结果。
-
公开(公告)号：CN114613456A
公开(公告)日：2022-06-10
申请号：CN202210221449.5
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于改进密度峰值聚类算法的高熵合金硬度预测方法，属于合金硬度预测领域。为了解决高熵合金数据集数据结构差异较大，采用传统的回归模型直接对整个高熵合金数据集的硬度进行预测，不能较好的学习到高熵合金数据集的内部结构特征，导致预测能力较差的问题。本发明包括以下步骤：1、针对原始的密度峰值聚类算法进行改进得到改进密度峰值聚类算法，称为SKTDPC算法；步骤1‑1、基于K‑d树加速局部密度的计算；步骤1‑2、通过稀疏搜索策略加速相对距离的计算；步骤1‑3、聚类中心的自适应确定；步骤2、依据改进密度峰值聚类算法对高熵合金硬度进行预测；本发明改进密度峰值聚类算法进行了双重加速，降低了算法的复杂度。
-
公开(公告)号：CN115691700B
公开(公告)日：2023-05-02
申请号：CN202211397847.9
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G06F18/2321
Abstract: 本发明提供一种基于三种共识策略的双粒度聚类集成算法的高熵合金硬度预测方法，涉及合金硬度预测技术领域，为解决现有技术中采用单一聚类方法不能同时适用于不同分布特征的数据集，即使在同一种数据分布下往往也不能达到稳定、统一的聚类效果的问题。本发明将高熵合金数据集X＝{x1，x2，...，xN}∈Rh利用聚类算法生成基聚类组合Π＝{π1，π2，...，πM}；将给定的共识函数嵌入到选择策略，去除基聚类集合中的噪声成员，并计算得到的基聚类组合的共识结果，采用可调DS证据理论共识策略将去除噪声成员后得到的共识结果进行融合，得到不同类簇的最终划分结果；将不同类簇各自建立回归模型进行硬度预测计算。本发明采用的聚类方法能够提取多个基聚类信息，实现更好性能的聚类结果。
-
公开(公告)号：CN114613456B
公开(公告)日：2023-04-28
申请号：CN202210221449.5
申请日：2022-03-07
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G16C10/00 , G06F18/2321
Abstract: 本发明提供了一种基于改进密度峰值聚类算法的高熵合金硬度预测方法，属于合金硬度预测领域。为了解决高熵合金数据集数据结构差异较大，采用传统的回归模型直接对整个高熵合金数据集的硬度进行预测，不能较好的学习到高熵合金数据集的内部结构特征，导致预测能力较差的问题。本发明包括以下步骤：1、针对原始的密度峰值聚类算法进行改进得到改进密度峰值聚类算法，称为SKTDPC算法；步骤1‑1、基于K‑d树加速局部密度的计算；步骤1‑2、通过稀疏搜索策略加速相对距离的计算；步骤1‑3、聚类中心的自适应确定；步骤2、依据改进密度峰值聚类算法对高熵合金硬度进行预测；本发明改进密度峰值聚类算法进行了双重加速，降低了算法的复杂度。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
