公开(公告)号：CN109886903A

公开(公告)日：2019-06-14

申请号：CN201910061302.2

申请日：2019-01-23

Applicant: 湖北工业大学

Inventor： 刘伟 ,  王然 ,  叶志伟 ,  王春枝 ,  黄千 ,  胡明威 ,  汤远志 ,  汪封文 ,  詹思楷 ,  曹烨 ,  张艾欣

IPC: G06T5/50

Abstract: 本发明公开了一种基于灰度中列数参照的多聚焦图像融合方法和系统。该方法包括：对配准后的灰度图像A和B，读取每一像素点的灰度值并计算各自图像的灰度中列数，然后根据A和B两幅源图像上每一点像素的灰度值距离源图像灰度中列数的大小来完成图像融合。该方法简单有效融合以后得到的图像具有更多的细节信息，有利于图像的进一步分析、处理与理解，能明显提高融合图像的对比度，同时与传统的图像融合方法相比，也是一种快速融合方法。

公开(公告)号：CN109858816A

公开(公告)日：2019-06-07

申请号：CN201910106801.9

申请日：2019-02-02

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  汪封文 ,  王春枝 ,  汤远志 ,  詹思楷 ,  王然 ,  袁野 ,  曹烨 ,  张艾欣 ,  胡明威

IPC: G06Q10/06 ,  G06N3/00

Abstract: 本发明公开了一种采用蚁狮算法进行生产调度的方法，将车间每个产品的生产序列作为可行解。每一个蚂蚁代表一种可行解，轮盘赌决定的蚁狮代表局部最优解。经过多次迭代之后，选中的精英蚁狮代表全局最优解。主要步骤设定蚁狮算法参数；对生产调度问题进行建模；采用G&T算法产生初代蚂蚁，并将蚂蚁、蚁狮的位置储存在矩阵中；蚂蚁随机游走；轮盘赌决定蚂蚁被蚁狮捕获，选出精英蚁狮；当达到蚁狮迭代次数之后，输出精英蚁狮代表的全局最优解。本发明有着较高的搜索最优解的能力，参数调节方便。

公开(公告)号：CN109767414A

公开(公告)日：2019-05-17

申请号：CN201910046753.9

申请日：2019-01-18

Applicant: 湖北工业大学

Inventor： 叶志伟 ,  汤远志 ,  王春枝 ,  胡明威 ,  詹思楷 ,  施肖肖 ,  卞文硕 ,  汪封文

IPC: G06T5/50

Abstract: 本发明公开了一种基于灰度中位数参照的多聚焦图像融合方法，首先输入已配准好的源图像A、B，遍历源图像所有像素点的灰度值并按照数值从小到大的顺序存入到一个大小为M×N的一维数组中，根据公式计算出A、B两幅图的灰度中位数，在根据A、B两幅源图像上的每一个像素点的灰度值到源图像灰度中位数的距离大小来完成图像的融合，最后得到融合的图像Fig。本发明与传统的图像融合方法相比，在运行时间方面处于同一个向量级，在提高图像清晰度和提高图像对比度方面具有很好的效果，因此，也是一种快速融合算法。

公开(公告)号：CN110084291B

公开(公告)日：2021-10-22

申请号：CN201910295218.7

申请日：2019-04-12

Applicant: 湖北工业大学

Inventor： 王春枝 ,  卞文硕 ,  施肖肖 ,  胡明威 ,  汤远志

IPC: G06K9/62 ,  G06N3/04 ,  G06Q50/20

Abstract: 本发明公开了一种基于大数据极限学习的学生行为分析方法及装置，其中的方法通过采集学生的信息；采用K—means聚类算法将相同族类聚集在一起形成集合；采用简单交叉验证把数据集划分为训练集与测试集；在相同数据集合内对数据进行相对影响较大、较小划分；采用不平衡模糊加权极限学习机方法对学生数据进行分析预测；根据预测结果得出学生行动轨迹数据。本发明提供了一种预测精准较高、较为全面分析学生行为轨迹的极限学习机方法。通过预测结果分析可清楚了解学生行为轨迹对学生学习、生活的影响并对异常行为予以规划。

公开(公告)号：CN110147890A

公开(公告)日：2019-08-20

申请号：CN201910395898.X

申请日：2019-05-13

Applicant: 湖北工业大学

Inventor： 刘伟 ,  胡明威 ,  叶志伟 ,  王春枝 ,  黄千 ,  汤远志

IPC: G06N20/00 ,  G06N3/00

Abstract: 本发明公开了一种基于狮群算法优化极限学习机集成学习的方法及系统，将改进后的狮群算法应用于极限学习机的集成学习中，充分利用狮群算法精度高、收敛快以及极限学习训练速度快的特点，通过使用狮群算法追随当前搜索到的最优值来寻找全局最优解以减少迭代次数来优化极限学习机个体，并根据极限学习机相关理论制定了相应的选择机制，将输出权值的模小并且训练误差小的极限学习机选择出来以供集成网络，在可接受的训练时间内，网络稳定性和泛化能力得到了显著提升，是一种有实际应用价值的新方法。

公开(公告)号：CN110084291A

公开(公告)日：2019-08-02

申请号：CN201910295218.7

申请日：2019-04-12

Applicant: 湖北工业大学

Inventor： 王春枝 ,  卞文硕 ,  施肖肖 ,  胡明威 ,  汤远志

IPC: G06K9/62 ,  G06N3/04 ,  G06Q50/20

Abstract: 本发明公开了一种基于大数据极限学习的学生行为分析方法及装置，其中的方法通过采集学生的信息；采用K—means聚类算法将相同族类聚集在一起形成集合；采用简单交叉验证把数据集划分为训练集与测试集；在相同数据集合内对数据进行相对影响较大、较小划分；采用不平衡模糊加权极限学习机方法对学生数据进行分析预测；根据预测结果得出学生行动轨迹数据。本发明提供了一种预测精准较高、较为全面分析学生行为轨迹的极限学习机方法。通过预测结果分析可清楚了解学生行为轨迹对学生学习、生活的影响并对异常行为予以规划。