-
公开(公告)号：CN110275614A
公开(公告)日：2019-09-24
申请号：CN201910460084.X
申请日：2019-05-30
Applicant: 福建工程学院
Abstract: 本发明公开一种非接触式手势识别装置及其方法，其包括FDC2214电容感测芯片、单面敷铜板和单片机，单面敷铜板与待测手势构成开关式电容，FDC2214电容感测芯片与单面敷铜板的铜板电连接，并检测获取单面敷铜板与待测手势构成的开关式电容值，FDC2214电容感测芯片输出端接入单片机，单片机读取FDC2214电容感测芯片测得的反映开关式电容值的频率数据；单片机具有用于保存频率数据的存储器，单片机利用频率数据通过训练构造完成不同手势的分类决策树并利用分类决策树对实时采集的频率数据进行手势分类并输出分类结果。本发明适用不同手掌大小的手势识别，且识别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN111242895A
公开(公告)日：2020-06-05
申请号：CN201911405692.7
申请日：2019-12-31
Applicant: 福建工程学院
Abstract: 本发明提供了一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法。包括步骤：获取目标竹片图像；将目标竹片图像转换为灰度图像；通过均值滤波法过滤灰度图像的椒盐噪声；将灰度图像转换为二值图；采用sobel算子对二值图中的竹片边缘进行提取，进而获取目标竹片轮廓的二值图；构建第一卷积神经树群体模型；对第一卷积神经树群体模型的每个个体进行评估，并根据评估结果优化第一卷积神经树群体模型的结构；使用PSO粒子群算法对第一卷积神经树群体模型进行参数优化，进而提取出第一卷积神经森林模型；将目标竹片轮廓的二值图输入第一卷积神经森林模型中，并与测试集进行测试，进而得到第一分类结果信息。本发明可以高效、准确的检测多种竹片缺陷种类。
-
公开(公告)号：CN110275614B
公开(公告)日：2022-09-30
申请号：CN201910460084.X
申请日：2019-05-30
Applicant: 福建工程学院
Abstract: 本发明公开一种非接触式手势识别装置及其方法，其包括FDC2214电容感测芯片、单面敷铜板和单片机，单面敷铜板与待测手势构成开关式电容，FDC2214电容感测芯片与单面敷铜板的铜板电连接，并检测获取单面敷铜板与待测手势构成的开关式电容值，FDC2214电容感测芯片输出端接入单片机，单片机读取FDC2214电容感测芯片测得的反映开关式电容值的频率数据；单片机具有用于保存频率数据的存储器，单片机利用频率数据通过训练构造完成不同手势的分类决策树并利用分类决策树对实时采集的频率数据进行手势分类并输出分类结果。本发明适用不同手掌大小的手势识别，且识别准确率高。
-
公开(公告)号：CN111028512B
公开(公告)日：2021-06-04
申请号：CN201911405684.2
申请日：2019-12-31
Applicant: 福建工程学院
Abstract: 本发明公开了一种基于稀疏BP神经网络的实时交通预测方法。包括根据预设的第一规则生成稀疏神经网络；利用遗传编程对所述稀疏神经网络进行网络结构优化；利用PSO优化所述稀疏神经网络的网络权值；将有效交通数据样本导入所述稀疏神经网络中进行测试，若测试结果在预期范围内，则保留所述稀疏神经网络；若测试结果不在预期范围内，则重新根据预设的第一规则生成稀疏神经网络。本发明还公开了一种基于稀疏BP神经网络的实时交通预测装置。本发明结合了BP神经网络、遗传编程和PSO优化算法，利用遗传算法可以弥补神经网络收敛速度慢和容易陷入局部最优解的不足的特点，使得构建出的稀疏神经网络结构在保证正确率的情况下还能提高预测速度。
-
公开(公告)号：CN111242895B
公开(公告)日：2023-04-18
申请号：CN201911405692.7
申请日：2019-12-31
Applicant: 福建工程学院
IPC: G06T7/00 , G06V10/30 , G06V10/44 , G06V10/764 , G06N3/006 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法。包括步骤：获取目标竹片图像；将目标竹片图像转换为灰度图像；通过均值滤波法过滤灰度图像的椒盐噪声；将灰度图像转换为二值图；采用sobel算子对二值图中的竹片边缘进行提取，进而获取目标竹片轮廓的二值图；构建第一卷积神经树群体模型；对第一卷积神经树群体模型的每个个体进行评估，并根据评估结果优化第一卷积神经树群体模型的结构；使用PSO粒子群算法对第一卷积神经树群体模型进行参数优化，进而提取出第一卷积神经森林模型；将目标竹片轮廓的二值图输入第一卷积神经森林模型中，并与测试集进行测试，进而得到第一分类结果信息。本发明可以高效、准确的检测多种竹片缺陷种类。
-
公开(公告)号：CN111028512A
公开(公告)日：2020-04-17
申请号：CN201911405684.2
申请日：2019-12-31
Applicant: 福建工程学院
Abstract: 本发明公开了一种基于稀疏BP神经网络的实时交通预测方法。包括根据预设的第一规则生成稀疏神经网络；利用遗传编程对所述稀疏神经网络进行网络结构优化；利用PSO优化所述稀疏神经网络的网络权值；将有效交通数据样本导入所述稀疏神经网络中进行测试，若测试结果在预期范围内，则保留所述稀疏神经网络；若测试结果不在预期范围内，则重新根据预设的第一规则生成稀疏神经网络。本发明还公开了一种基于稀疏BP神经网络的实时交通预测装置。本发明结合了BP神经网络、遗传编程和PSO优化算法，利用遗传算法可以弥补神经网络收敛速度慢和容易陷入局部最优解的不足的特点，使得构建出的稀疏神经网络结构在保证正确率的情况下还能提高预测速度。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
