公开(公告)号：CN118229572A

公开(公告)日：2024-06-21

申请号：CN202410416198.5

申请日：2024-04-08

Applicant: 杭州电子科技大学

Inventor： 秦飞巍 ,  沈正炜 ,  王昌淼 ,  张凯 ,  葛瑞泉 ,  彭勇

IPC: G06T5/70 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/10 ,  G06V10/77

Abstract: 本发明公开了一种基于卷积转置自注意力的红外图像去噪方法。首先通过成对的干净图像和带噪图像构建数据集；构建基于卷积转置自注意力的网络模型，网络模型采用对称的编码器‑解码器结构；基于构建好的红外图像训练数据集，对基于卷积转置自注意力的网络模型进行训练；最后采用测试数据集数据对训练好的网络模型进行测试。本发明引入了在红外图像去噪领域中尚未深入研究的自注意力机制对红外图像全局依赖关系进行建模，并在其基础上进行改进设计了卷积转置自注意力，在减少计算量的同时依然可以充分提取红外图像的空间特征信息，有效提高红外图像的去噪质量，填补了红外图像去噪的研究空缺。

公开(公告)号：CN111443686A

公开(公告)日：2020-07-24

申请号：CN202010207522.4

申请日：2020-03-23

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  张凯 ,  翁旭 ,  胡燕祝 ,  侯平智 ,  高海波 ,  马枫

IPC: G05B23/02 ,  G05B19/418

Abstract: 本发明涉及一种基于多目标优化与证据迭代更新的工业报警器设计方法，属于工业报警器设计技术领域。本发明所提方法先使用投点映射变换法将历史数据集转化为报警证据，用启发式准则库对证据的可靠性进行实时更新，利用融合规则进行报警证据的融合，证据权重和输入参照值利用多维蜂群算法进行离线优化，并在判定准则下判定是否发出警报。本发明能有效降低不确定性的影响，提升报警器的精度。

公开(公告)号：CN105701506B

公开(公告)日：2019-01-18

申请号：CN201610018444.7

申请日：2016-01-12

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  郝娇平 ,  张凯 ,  曾焕强 ,  赖晓平 ,  赵雁飞

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于超限学习机与稀疏表示分类的改进方法。本发明步骤如下：1、随机产生隐层节点参数；2、计算出隐层节点输出矩阵，3、根据L和N的大小关系，采用不同的公式计算出连接隐层节点和输出神经元的输出权重4、计算出查询图片y的输出向量；5、对ELM输出向量ο中的极大值οf和次大值οs的差值进行判断，如果差值大于设定值，则求出输出向量中最大值对应的索引即为查询图片所属类别；否则进入步骤6；6、采用输出向量ο中k个最大值所对应的的训练样本，构造子字典，采用系数重构算法计算图片y的线性表示系数，计算残差并根据残差所对应的的类别确定查询图片的所属类。本发明计算量就会大大减少，实现较高的识别率，也能够大大降低计算复杂度。

公开(公告)号：CN111443686B

公开(公告)日：2021-08-10

申请号：CN202010207522.4

申请日：2020-03-23

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  张凯 ,  翁旭 ,  胡燕祝 ,  侯平智 ,  高海波 ,  马枫

IPC: G05B23/02 ,  G05B19/418

Abstract: 本发明涉及一种基于多目标优化与证据迭代更新的工业报警器设计方法，属于工业报警器设计技术领域。本发明所提方法先使用投点映射变换法将历史数据集转化为报警证据，用启发式准则库对证据的可靠性进行实时更新，利用融合规则进行报警证据的融合，证据权重和输入参照值利用多维蜂群算法进行离线优化，并在判定准则下判定是否发出警报。本发明能有效降低不确定性的影响，提升报警器的精度。

公开(公告)号：CN105701506A

公开(公告)日：2016-06-22

申请号：CN201610018444.7

申请日：2016-01-12

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  郝娇平 ,  张凯 ,  曾焕强 ,  赖晓平 ,  赵雁飞

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6267 ,  G06K9/6259 ,  G06N3/0445

Abstract: 本发明公开了一种基于超限学习机与稀疏表示分类的改进方法。本发明步骤如下：1、随机产生隐层节点参数；2、计算出隐层节点输出矩阵，3、根据L和N的大小关系，采用不同的公式计算出连接隐层节点和输出神经元的输出权重4、计算出查询图片y的输出向量；5、对ELM输出向量ο中的极大值οf和次大值οs的差值进行判断，如果差值大于设定值，则求出输出向量中最大值对应的索引即为查询图片所属类别；否则进入步骤6；6、采用输出向量ο中k个最大值所对应的训练样本，构造子字典，采用系数重构算法计算图片y的线性表示系数，计算残差并根据残差所对应的类别确定查询图片的所属类。本发明计算量就会大大减少，实现较高的识别率，也能够大大降低计算复杂度。