-
公开(公告)号：CN112130199A
公开(公告)日：2020-12-25
申请号：CN202010756625.6
申请日：2020-07-31
Applicant: 西安工程大学
Abstract: 本发明公开了一种优化的最小二乘逆时偏移成像方法，具体按照以下步骤实施：步骤1、采用波动方程对地震数据进行偏移与反偏移；步骤2、采用共轭梯度法构建最小二乘框架，并引入优化因子，对共轭梯度法的收敛速度进行提升；步骤3、采用GPU的CUDA计算架构进一步提升优化的LSRTM成像的计算效率。采用优化的最小二乘逆时偏移成像方法能够在保持相同成像精度下提高算法的综合计算效率，综合计算效率平均提升20％，有效验证了优化的最小二乘逆时偏移成像能够较好的提高传统最小二乘逆时偏移成像方法的计算效率。
-
公开(公告)号：CN101625297A
公开(公告)日：2010-01-13
申请号：CN200910305397.4
申请日：2009-08-07
Applicant: 西安工程大学
Abstract: 本发明公开的一种纺织材料切割性能检测装置，包括金属支撑底板，金属支撑底板上设置有支撑装置b，支撑装置b上设置用于加持试验材料的加持装置，加持装置的一侧连接有用于驱动加持装置运动的驱动装置b，驱动装置b还和计算机相连接，加持装置的另一侧设置有切割装置，切割装置的一侧固定在支撑装置a上，切割装置的另一侧连接有用于驱动切割装置运动的驱动装置a，驱动装置a还和计算机、测量装置依次连接。利用上述装置进行检测的方法，通过检测切割装置在未切割织物和切割织物时的驱动电压和电流，计算相应的切割功率，评价织物耐切割性能。本发明检测装置及检测方法，对指导纺织品的设计具有重要的意义。
-
公开(公告)号：CN109783889B
公开(公告)日：2023-04-25
申请号：CN201811599692.0
申请日：2018-12-26
Applicant: 西安工程大学
Abstract: 本发明公开的基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法，首先通过安装在坡体上的激光位移传感器采集滑坡体的位移数据，并对采集的位移数据在时序方向上进行多状态划分；然后，将划分后的位移数据通过Baum‑welch算法进行训练，获得多状态MOG‑HMM模型，并对已划分的状态进行标记；最后，采用Viterbi算法对实时采集的位移数据进行当前状态估计，并将当前估计状态作为Dijkstra算法的输入，从而预测出滑坡的发生时间。本发明公开的方法根据滑坡演化过程中的位移数据，推演出当前滑坡演化状态，并计算出滑坡灾害发生的时间，提升了一般HMM方法在预测中的鲁棒性性能，提高了地质灾害预报的准确性。
-
公开(公告)号：CN112130199B
公开(公告)日：2023-04-07
申请号：CN202010756625.6
申请日：2020-07-31
Applicant: 西安工程大学
Abstract: 本发明公开了一种优化的最小二乘逆时偏移成像方法，具体按照以下步骤实施：步骤1、采用波动方程对地震数据进行偏移与反偏移；步骤2、采用共轭梯度法构建最小二乘框架，并引入优化因子，对共轭梯度法的收敛速度进行提升；步骤3、采用GPU的CUDA计算架构进一步提升优化的LSRTM成像的计算效率。采用优化的最小二乘逆时偏移成像方法能够在保持相同成像精度下提高算法的综合计算效率，综合计算效率平均提升20％，有效验证了优化的最小二乘逆时偏移成像能够较好的提高传统最小二乘逆时偏移成像方法的计算效率。
-
公开(公告)号：CN109783889A
公开(公告)日：2019-05-21
申请号：CN201811599692.0
申请日：2018-12-26
Applicant: 西安工程大学
IPC: G06F17/50
Abstract: 本发明公开的基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法，首先通过安装在坡体上的激光位移传感器采集滑坡体的位移数据，并对采集的位移数据在时序方向上进行多状态划分；然后，将划分后的位移数据通过Baum-welch算法进行训练，获得多状态MOG-HMM模型，并对已划分的状态进行标记；最后，采用Viterbi算法对实时采集的位移数据进行当前状态估计，并将当前估计状态作为Dijkstra算法的输入，从而预测出滑坡的发生时间。本发明公开的方法根据滑坡演化过程中的位移数据，推演出当前滑坡演化状态，并计算出滑坡灾害发生的时间，提升了一般HMM方法在预测中的鲁棒性性能，提高了地质灾害预报的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112270235A
公开(公告)日：2021-01-26
申请号：CN202011125499.0
申请日：2020-10-20
Applicant: 西安工程大学
Abstract: 本发明公开了一种改进的SVM脑电信号情绪识别方法，具体按照以下步骤实施：步骤1、对DEAP数据库进行预处理；步骤2、提取情绪特征；步骤3、用PSO‑SVM分类器对提取的情绪特征数据进行分类。实验结果表明采用PSO‑SVM算法对效价与唤醒度的情绪二分类平均正确率分别为60.53％与65.66％，且比起传统的SVM准确率分别提升了5.05％和1.85％，均优于传统SVM算法，有效验证了PSO‑SVM算法能够较好的识别准确率。
-
公开(公告)号：CN111860583A
公开(公告)日：2020-10-30
申请号：CN202010529622.9
申请日：2020-06-11
Applicant: 西安工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于RMFS的脑电信号情绪识别方法，具体按照以下步骤实施：步骤1、通过RMFS匹配特征选择对每个特征进行判断，调整每个调整权值在匹配特征组中所占比例，使权值较大的特征得到更多的增益，权值较小的特征得到较小的增益，筛选出优选的匹配特征组；步骤2、采用RMFS算法将通道作为一个整体，计算通道的权值，采用交叉验证的方法得到不同通道对分类的贡献度，根据贡献度调整权值剔除无关信息，得到最优通道子集。采用RMFS算法对效价与唤醒度的情绪二分类平均正确率分别为93.28％与93.32％，四类情绪的分类结果皆高于83％，且采用RMFS算法的单个被试计算效率提升了42.65％，RMFS算法能够较好的提高识别准确率和计算效率。
-
公开(公告)号：CN101625297B
公开(公告)日：2011-09-07
申请号：CN200910305397.4
申请日：2009-08-07
Applicant: 西安工程大学
Abstract: 本发明公开的一种纺织材料切割性能检测装置，包括金属支撑底板，金属支撑底板上设置有支撑装置b，支撑装置b上设置用于加持试验材料的加持装置，加持装置的一侧连接有用于驱动加持装置运动的驱动装置b，驱动装置b还和计算机相连接，加持装置的另一侧设置有切割装置，切割装置的一侧固定在支撑装置a上，切割装置的另一侧连接有用于驱动切割装置运动的驱动装置a，驱动装置a还和计算机、测量装置依次连接。利用上述装置进行检测的方法，通过检测切割装置在未切割织物和切割织物时的驱动电压和电流，计算相应的切割功率，评价织物耐切割性能。本发明检测装置及检测方法，对指导纺织品的设计具有重要的意义。
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
