-
公开(公告)号：CN115035350B
公开(公告)日：2024-05-07
申请号：CN202210758755.2
申请日：2022-06-29
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于边缘检测增强的对空地、地面背景小目标检测方法，属于红外弱小目标检测领域。首先对原始图像中的边缘进行检测，然后与红外弱小目标图像相叠加，增强目标点的同时削弱背景角点对目标检测造成的影响，然后对周围区域进行有效的划分方案，以捕捉目标的导数特性，构建一个新的局部对比度图，以同时增强目标和抑制背景杂波，再将所有导数子带构建的强对比图整合以提高检测的稳定性，最后通过自适应阈值分割方法提取小目标，真正的目标从复杂的背景中较为明显地分割出来。从而有效提高对空地、地面背景小目标检测精度。
-
公开(公告)号：CN114997475A
公开(公告)日：2022-09-02
申请号：CN202210540910.3
申请日：2022-05-17
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于Kmeans的融合模型光伏发电短期预测方法，属于数据处理领域。具体包括：光伏数据的预处理；特征分析；对历史数据进行聚类划分；由经聚类后的光伏数据及其特征集合分别构建XGBoost、LightGBM、Multilayer Perceptron模型并得到各自的预测结果；将XGBoost、LightGBM、Multilayer Perceptron模型进行融合，得到预测模型，输出预测结果。本发明通过充分的数据预处理，结合基于集成思想的GBDT模型，通过深度学习的方式融合三种机器学习算法，相比单一的模型，在不同的气候条件下提高了预测精度和有效性。
-
公开(公告)号：CN114997475B
公开(公告)日：2024-04-09
申请号：CN202210540910.3
申请日：2022-05-17
Applicant: 电子科技大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F18/23213 , G06F18/25
Abstract: 该发明公开了一种基于Kmeans的融合模型光伏发电短期预测方法，属于数据处理领域。具体包括：光伏数据的预处理；特征分析；对历史数据进行聚类划分；由经聚类后的光伏数据及其特征集合分别构建XGBoost、LightGBM、Multilayer Perceptron模型并得到各自的预测结果；将XGBoost、LightGBM、Multilayer Perceptron模型进行融合，得到预测模型，输出预测结果。本发明通过充分的数据预处理，结合基于集成思想的GBDT模型，通过深度学习的方式融合三种机器学习算法，相比单一的模型，在不同的气候条件下提高了预测精度和有效性。
-
公开(公告)号：CN115035350A
公开(公告)日：2022-09-09
申请号：CN202210758755.2
申请日：2022-06-29
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于边缘检测增强的对空地、地面背景小目标检测方法，属于红外弱小目标检测领域。首先对原始图像中的边缘进行检测，然后与红外弱小目标图像相叠加，增强目标点的同时削弱背景角点对目标检测造成的影响，然后对周围区域进行有效的划分方案，以捕捉目标的导数特性，构建一个新的局部对比度图，以同时增强目标和抑制背景杂波，再将所有导数子带构建的强对比图整合以提高检测的稳定性，最后通过自适应阈值分割方法提取小目标，真正的目标从复杂的背景中较为明显地分割出来。从而有效提高对空地、地面背景小目标检测精度。
-
-
-
Search Results
4
records
(took 0.014 seconds)
