一种混合机器学习模型的滑坡位移预测方法

    公开(公告)号:CN109992847B

    公开(公告)日:2022-08-05

    申请号:CN201910194398.X

    申请日:2019-03-14

    Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法,对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据;将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理;基于时间序列原理,采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解,使预测精度和可靠性更高。

    一种基于改进的ResNeSt卷积神经网络模型的糖尿病性视网膜病变图像分类方法

    公开(公告)号:CN113408593A

    公开(公告)日:2021-09-17

    申请号:CN202110613678.7

    申请日:2021-06-05

    Abstract: 本发明公开了一种基于改进的ResNeSt卷积神经网络模型的糖尿病性视网膜病变图像分类方法。该方法为:首先从医院获取病变图像;对图像进行预处理,眼科医生手动标注,划分数据集;再搭建实验所需的深度学习服务器平台,然后编写python代码;在ResNeSt卷积神经网络中引入OctConv和SPConv两种轻量且高效的卷积操作,并引入Warm Restart和余弦退火的学习率调解机制;采用ILSVRC2012数据集对改进的ResNeSt网络进行预训练,将得到的模型迁移到预处理后的数据集上进行微调;载入测试集,测试训练好的ResNeSt卷积神经网络分类模型,得出分类的结果,看各分类指标是否符合要求。本发明实现了对糖尿病性视网膜病变图像分类方法,利用改进的ResNeSt模型,有较高的运行效率和分类准确度,应用价值很高。

    一种基于线上线下融合的网络爬虫拦截方法

    公开(公告)号:CN113395268A

    公开(公告)日:2021-09-14

    申请号:CN202110616355.3

    申请日:2021-06-03

    Inventor: 罗笑南 张家伟

    Abstract: 本发明提供一种基于线上线下融合的网络爬虫拦截方法,设置虚假数据,并线上通过分析用户的访问行为来判断用户是否为爬虫,对有着明显用户行为的id通过,对于线上分析为爬虫的id设置验证码,以减少误判。线下分析网络日志来判断那些绕过检测隐蔽性较好的爬虫,并加入爬虫名单库中。本发明结合线上线下共同识别的方式,节省了服务器资源,提高了准确率。

    一种新的视频动态合成缩略图生成方法

    公开(公告)号:CN113326398A

    公开(公告)日:2021-08-31

    申请号:CN202110545150.0

    申请日:2021-05-21

    Abstract: 本发明介绍了一种新的视频动态合成缩略图生成方法,通过分析和提取视频内容的显著性信息,将其融合成具有时序信息的动态图像序列来作为视频动态缩略图封面,提供有效和丰富的视觉线索,帮助用户提高其信息获取效率。具体地说,首先使用镜头分割算法将视频切分为一系列的镜头和子镜头等基本结构化单元;其次,进行关键帧提取,并使用图像聚类算法将提取到的关键帧进行聚类;第三,对每一类按照该类所包含的关键帧所对应的镜头时长的总和进行重要性度量,并按照重要性大小对类进行降序排列;第四,从每一个类中选取一个片段,并对片段中的帧进行显著性区域检测;最后,使用基于重要性的内容布局算法将提取到的片段融合为一个动态的合成缩略图。

    一种混合机器学习模型的滑坡位移预测方法

    公开(公告)号:CN109992847A

    公开(公告)日:2019-07-09

    申请号:CN201910194398.X

    申请日:2019-03-14

    Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法,对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据;将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理;基于时间序列原理,采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解,使预测精度和可靠性更高。

    一种手掌静脉识别汽车身份识别及其控制方法

    公开(公告)号:CN113505631A

    公开(公告)日:2021-10-15

    申请号:CN202110440469.7

    申请日:2021-04-25

    Abstract: 本发明公开了一种基于手掌静脉识别的汽车身份识别及其控制方法,其包括:两个手掌静脉采集装置、门锁控制装置、座椅调节装置、方向盘调节装置、后视镜调节装置、影音娱乐装置、存储装置、中央控制器;手掌静脉采集装置用来采集用户手掌静脉信息并将该信息传输到中央控制器;用户信息检验通过后发送相关指令给控制中心,从而做出相应的偏好设置;中央控制器具备4G/5G通讯功能,可通过手机APP进行控制与交互;手掌静脉识别装置可以将已经录入的身份设置偏好,从而避免了每次用车需要调节的麻烦;手掌静脉识别装置相对于传统的钥匙解锁,可以避免去车内拿东西时钥匙不在或者钥匙丢失的情况,从而快捷打开车门;增强了车辆的安全性与便捷性。

Patent Agency Ranking