-
公开(公告)号：CN114648555A
公开(公告)日：2022-06-21
申请号：CN202210189676.4
申请日：2022-02-28
Applicant: 辽宁工程技术大学
Abstract: 一种基于可靠性学习的STRCF目标跟踪方法，涉及计算机视觉中的目标跟踪技术领域，解决现有的判别式跟踪算法更侧重于区别目标进而忽略背景信息导致的跟踪效果差的问题；设计可靠性学习机制联合可靠性信息和对模型进行优化的ADMM算法；将STRCF基础上的滤波器视为基本滤波器并且进行可靠性项的元素级乘积。在跟踪过程中，目标定位模块通过融合灰度、方向梯度直方图和颜色空间特征，进行余弦窗操作去除掉边界效应所造成噪音数据，进行傅里叶域变换，通过牛顿优化算法计算平移向量实现对目标中心的快速定位。模型更新模块通过目标定位模块对已经处理过的特征数据，进行可靠性学习，运用可靠性项求出样本能量，在傅里叶域求出每个特征的卷积相应进行可视化。
-
公开(公告)号：CN102662040A
公开(公告)日：2012-09-12
申请号：CN201210119203.3
申请日：2012-04-20
Applicant: 辽宁工程技术大学
Abstract: 一种动态模块化神经网络的氨氮在线软测量方法，属于检测技术及仪表研究技术领域。本发明针对当前污水处理过程中出水水质关键参数氨氮NH3-N测量周期长，不能在线检测的问题，采用了多模型的软测量方法实现了辅助变量与NH3-N之间的映射，对NH3-N进行在线软测量。与一般的在线学习方法相比较具有更高的预测精度，是一种使用范围广，可靠性高，鲁棒性强的软测量方法；本发明克服了单模型建模学习时间长、过程匹配不佳、外推能力差、没有知识积累等缺陷。
-
公开(公告)号：CN102879541B
公开(公告)日：2015-01-07
申请号：CN201210271656.8
申请日：2012-07-31
Applicant: 辽宁工程技术大学
Abstract: 本发明一种基于动态前馈神经网络的生化需氧量在线软测量方法，通过设计用于污水曝气池生化需氧量软测量的动态前馈神经网络拓扑结构，确定动态前馈神经网络的输入样本，并对输入样本进行在线归一化处理；采用标准化后的数据训练神经网络，计算神经网络中与隐节点相连的所有权连接值在每次训练过程中的变化情况，判断该隐节点的活跃性，对活跃度较大的隐节点进行分裂；通过计算隐节点在训练过程中绝对输出的变化情况，判断该隐节点学习信息的能力，删除没有学习能力的隐节点；对神经网络参数进行调整；动态前馈神经网络训练过程结束后，确定曝气池出水生化需氧量BOD；本发明具有实时性好、稳定性好、精度高、神经网络的泛化能力强的优点。
-
公开(公告)号：CN104156422A
公开(公告)日：2014-11-19
申请号：CN201410384801.2
申请日：2014-08-06
Applicant: 辽宁工程技术大学
Abstract: 本发明提供了一种基于动态神经网络的瓦斯浓度实时预测方法，首先利用矿井瓦斯浓度历史数据库中的数据对神经网络进行训练，在训练网络的过程中，动态判断网络隐节点的活跃度和每个隐节点的学习能力，实现对网络隐节点的分裂和删除操作，建立网络初步预测模型；其次，持续实时采集矿井瓦斯浓度信息输入神经网络预测模型预测未来瓦斯浓度变化趋势，已预测过的实时数据，按照先入先出的队列顺序及时训练网络以实时更新神经网络结构，使得神经网络结构能够根据实时工况进行调整，以提高瓦斯浓度的实时预测精度。本发明能够根据实时瓦斯浓度数据，及时在线调整神经网络结构，从而提高瓦斯浓度预测精度，满足矿井瓦斯浓度信息管理系统的技术要求。
-
公开(公告)号：CN102662040B
公开(公告)日：2014-06-18
申请号：CN201210119203.3
申请日：2012-04-20
Applicant: 辽宁工程技术大学
Abstract: 一种动态模块化神经网络的氨氮在线软测量方法，属于检测技术及仪表研究技术领域。本发明针对当前污水处理过程中出水水质关键参数氨氮NH3-N测量周期长，不能在线检测的问题，采用了多模型的软测量方法实现了辅助变量与NH3-N之间的映射，对NH3-N进行在线软测量。与一般的在线学习方法相比较具有更高的预测精度，是一种使用范围广，可靠性高，鲁棒性强的软测量方法；本发明克服了单模型建模学习时间长、过程匹配不佳、外推能力差、没有知识积累等缺陷。
-
Patent Agency Ranking
公开(公告)号：CN103669366A
公开(公告)日：2014-03-26
申请号：CN201310026520.5
申请日：2013-01-24
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种深基坑围护结构变形远程监测预警系统，其特征在于采用理论研究和数值模拟相结合方法，研究施工过程中深基坑围护桩和钢支撑等结构变形状况；基于物联网应用技术，研究实时监测预警技术。根据深基坑围护结构变形远程监测预警装备系统的要求和特点，构造以数据采集、通信联络、核心处理空间和数据终端组成的M2M模型的物联网框架。主要包括深基坑围护结构变形监测物联网框架、监控系统的物理构造、系统软件体系构建。本发明可为地铁工程管理及施工部门实时掌握施工过程中深基坑围护结构变形状况，准确排查安全隐患、有效预防基坑施工事故发生提供信息技术支持和保障。
-
公开(公告)号：CN113505216A
公开(公告)日：2021-10-15
申请号：CN202110768465.1
申请日：2021-07-07
Applicant: 辽宁工程技术大学
IPC: G06F16/335 , G06F16/36 , G06F40/194 , G06K9/62
Abstract: 本发明公开了一种基于引用图的多特征论文推荐方法，包括在引用关系构成的引用图上，用集聚系数与距离衰减函数结合描述论文在引用图上的位置关系；将PageRank算法应用与引用图上得到作者和论文的重要性评分作为两个新特征，与标题、摘要、关键字特征一起形成特征向量；采用余弦相似度和位置关系的结合描述论文之间的相似度。本发明首先通过PageRank算法在引用图上的应用得到论文的重要程度，加入论文特征向量，并计算余弦相似度；然后将集聚系数融入距离衰减函数得到论文的引用关系相似度，并与余弦相似度融合，论文推荐的效果得到了明显提升，快速、准确为研究人员从海量论文中筛选出其感兴趣的论文。
-
公开(公告)号：CN106503792A
公开(公告)日：2017-03-15
申请号：CN201610936088.7
申请日：2016-10-25
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于自适应模块化神经网络的瓦斯浓度预测方法，涉及矿井瓦斯浓度检测技术领域。该方法首先采集瓦斯浓度数据，并存入瓦斯浓度数据库，对数据库中的瓦斯浓度数据进行自适应除噪处理后视为混沌时间序列，建立自适应模块化神经网络的训练样本集，构建自适应模块化神经网络软测量预测模型，根据新获得的瓦斯浓度数据与瓦斯浓度数据库中的历史数据，利用构建的预测模型对瓦斯浓度进行预测。该方法除噪效果显著，在有效去除噪声的同时能够很好的保留瓦斯浓度时间序列中的有用信息，构建自适应模块化神经网络的软测量预测模型，输入信息由多个不同子模型集成处理，可以提高预测模型的学习精度和泛化性能，提高预测模型的鲁棒性。
-
公开(公告)号：CN103886201A
公开(公告)日：2014-06-25
申请号：CN201410107977.3
申请日：2014-03-21
Applicant: 辽宁工程技术大学
IPC: G06F19/00
Abstract: 本发明公开了一种在宏观条件下确定系统中元件重要性的方法，其特征在于，构建系统，将元件作为研究对象集合U，系统工作的宏观环境作为因素集C，元件重要性排序集作为D；对宏观环境中的工作时间和温度进行划分形成不同的状态区域，计算在中元件的失效权重和在中系统T的失效权重，从而得到在状态下的等效失效权重；其包括如下步骤：划分形成不同的状态区域，计算失效权重，和；本发明可用于确定状态下的原件重要性排序，及元件失效性对及的敏感性。
-
公开(公告)号：CN115830077A
公开(公告)日：2023-03-21
申请号：CN202211472596.6
申请日：2022-11-17
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于响应异常约束的无人机目标跟踪算法，包括：利用前后两帧全局响应偏差构造局部响应变化向量；以局部响应变化向量作为判断目标跟踪过程中前后两帧图像的响应图变化剧烈程度的依据；通过局部响应变化向量和由视频第一帧中获取到的目标大小信息构建裁剪矩阵；以峰值旁瓣比法为衡量跟踪系统可靠性的指标，实现对正则参数的实时动态计算和更新。本发明通过计算局部响应变化和全局响应峰值旁瓣比在线动态更新空间正则化参数，确保空间一致性，以适应复杂场景变化，解决跟踪漂移问题进一步抑制异常发生，对异常进行实时监测，有效的抑制异常发生，提升了跟踪器处理各种复杂场景的能力。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.029 seconds)
