-
公开(公告)号:CN104965928A
公开(公告)日:2015-10-07
申请号:CN201510441001.4
申请日:2015-07-24
申请人: 北京航空航天大学
IPC分类号: G06F17/30
CPC分类号: G06F17/30247
摘要: 本发明公开了一种基于形状匹配的汉字图像检索方法。该方法在形状上下文算法的基础上构造了形状特征描述函数,在对汉字图像进行描述中进引入了Hu不变矩算法使得汉字图像特征描述函数有更高鲁棒性。本发明是针对碑贴中的古代书法家遗留下来的书法作品经过数字化提取得到的图像进行检索,以便用户欣赏和比较不同时期不同书法家的作品风格。通过提出的形状描述函数进行相似性度量在训练集中快速准确地检索到匹配的图像,同时可以查看匹配到的汉字图像在原碑文中的位置。本发明所提出的针对碑文中提取出的汉字的形状描述函数具有准确性高,效率高,鲁棒性好等优点。
-
公开(公告)号:CN118747791A
公开(公告)日:2024-10-08
申请号:CN202410741640.1
申请日:2024-06-10
申请人: 北京航空航天大学
IPC分类号: G06V10/25 , G06N3/042 , G06F18/213 , G06N3/084 , G06N3/0985 , G06N3/0895 , G06N3/0464
摘要: 本发明提供了一种基于图注意力通道聚合的脑机接口视觉目标检测方法。在采集的两个不同视觉目标呈现频率脑电数据集上进行有效性验证:首先设计两种不同呈现频率的实验范式,并采集数据与预处理;其次构建图注意力通道聚合神经网络的模型结构;再将预处理后的训练集输入模型,进行模型训练;最后将测试集输入训练好的模型中,进行模型性能测试。本发明的优点包括:基于图注意力机制的通道聚合网络,通过对多通道脑电时空特征进行注意力加权聚合,降低时空特征的噪声冗余信息;基于全局引导注意力的时空特征提取网络,有效捕捉具有鉴别力的高阶时空特征,提升了模型识别准确率。在采集的两个数据集上对本方法进行了有效性验证,均优于现有最优方法。
-
公开(公告)号:CN118213654A
公开(公告)日:2024-06-18
申请号:CN202410333653.5
申请日:2024-03-22
申请人: 四川新能源汽车创新中心有限公司 , 清华大学 , 北京航空航天大学
IPC分类号: H01M10/54 , C01G53/00 , C30B1/10 , C30B29/22 , H01M4/485 , H01M4/505 , H01M4/525 , B09B3/40 , B09B101/16
摘要: 一种退役锂离子电池三元正极材料的回收方法,属于废旧电池资源化处理领域。回收方法包括:预处理步骤和烧结步骤。其中,预处理步骤包括:去除退役锂离子电池三元正极材料表层的杂质化合物;其中,杂质化合物的化学成分包含F元素和/或P元素。烧结步骤包括:将预处理粉末与锂源混合,获得混合粉体;对混合粉体进行有氧烧结,得到单晶三元正极材料。根据本申请示例提供的回收方法获得的单晶三元正极材料,可以应用于锂离子电池,且能够提高锂离子电池的比容量和循环性能。
-
公开(公告)号:CN117009780A
公开(公告)日:2023-11-07
申请号:CN202310809985.1
申请日:2023-07-03
申请人: 北京航空航天大学
IPC分类号: G06F18/213 , G06F18/22 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/084 , G06N3/098 , G06N3/048
摘要: 本发明提供了一种基于对比学习的时空频域有效通道注意力运动想象脑电解码方法。采用公开的运动想象数据集BCIIV 2a和HGD进行有效性验证:首先对公开数据集预处理,并建立训练集和测试集;其次构建时空频域有效通道注意力卷积神经网络的模型结构;再将预处理后的训练集输入模型,采用对比学习方法训练模型;最后将测试集输入训练好的模型中,测试模型性能。本发明的优点包括:设计时空频域有效通道注意力特征提取块,弥补了单一特征域特征提取不足问题,同时降低了模型复杂性;采用对比学习方法,增强了模型的泛化性能,提升了模型解码准确率。在BCIIV 2a和HGD上对本方法进行了有效性验证,平均识别准确率分别达到了76.09%和93.58%,均优于现有最优方法。
-
公开(公告)号:CN115886840A
公开(公告)日:2023-04-04
申请号:CN202310147446.6
申请日:2023-02-15
申请人: 北京航空航天大学
IPC分类号: A61B5/369 , G06F18/241 , G06F18/2415 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/094 , G06N3/084 , A61B5/374 , A61B5/00
摘要: 本发明提供了一种基于域对抗多层级深度卷积特征融合网络的癫痫预测方法。采用公开的癫痫脑电数据集CHB‑MIT进行有效性验证:首先将数据集进行预处理,并建立训练集和测试集;其次构建域对抗多层级深度卷积特征融合网络的模型结构;再将预处理后的训练集输入模型,进行域对抗模型训练;最后将测试集输入训练好的模型中,进行模型性能测试。本发明的优点包括:设计多层级深度特征提取模块,弥补了单一层级特征提取不足问题,实现了脑电信息的多域互补;设计多层级自注意力特征融合模块,通过时‑空‑频域特征融合,显著提升了预测准确率。在CHB‑MIT上对本方法进行了有效性验证,单个患者的平均预测准确率达到95.4%,每小时误报次率小于0.11,均优于现有最优方法。
-
公开(公告)号:CN115358754A
公开(公告)日:2022-11-18
申请号:CN202210774086.8
申请日:2022-07-01
申请人: 北京航空航天大学
摘要: 本发明公开了一种基于知识图谱与深度学习的信用评估方法及其系统。该方法包括如下步骤:抽取源信用数据中的信用信息,基于抽取的信用信息构建待评估实体的信用知识图谱;信用知识图谱对待评估实体进行评估,生成待评估实体的知识信用评分;将源信用数据输入深度学习进行深度学习信用评分;根据知识信用评分和深度学习信用评分,生成待评估实体的最终信用评估模型。本发明利用大数据、知识图谱等技术构建信用主体及指标的关联,对信用主体进行精准画像,使得信用评分具有更高的稳定性和可信度,解决了信用数据质量良莠不齐、来自不同信用数据源的知识重复、层次结构缺失造成的信用评估缺乏准确性的问题。
-
公开(公告)号:CN110069958A
公开(公告)日:2019-07-30
申请号:CN201810057413.1
申请日:2018-01-22
申请人: 北京航空航天大学
摘要: 本发明提出一种密集深度卷积神经网络对脑电信号(EEG)的快速识别方法,结合运动想象脑电信号具有时间和空间特征的特点,在卷积神经网络中使用特征连接的方法,设计一种适用于运动想象脑电信号的卷积神经网络。本发明设计的卷积神经网络可以同时提取时间、空间的特征,又将不同卷积层之间的输出相互连接,减少了权值的数量,达到抗过拟合和特征重用的目的。首先将滤波、重采样后的原始数据输入密集深度卷积神经网络,接着通过反向传播与随机梯度下降算法更新网络每一层的参数,最后测试网络,将测试数据输入训练好的网络,对输出结果进行分析。与2017年提出的Shallow ConvNet方法相比,本发明在信号识别准确率和kappa值上提高了5%和0.066。
-
公开(公告)号:CN109631959A
公开(公告)日:2019-04-16
申请号:CN201811339405.2
申请日:2018-11-12
申请人: 北京航空航天大学
IPC分类号: G01D5/26
摘要: 本发明公开了一种基于光纤Sagnac干涉的原子自旋进动检测装置信号抗干扰能力优化方法。该方法从环境温度干扰抑制、提高基于光纤Sagnac干涉的原子自旋进动检测装置信号稳定性的角度出发,进行基于光纤Sagnac干涉的原子自旋进动检测装置信号环境抗干扰性能的优化,最终实现对基于光纤Sagnac干涉的原子自旋进动检测装置的环境温度不敏感的信号稳定输出。该方法通过同时采集系统输出的基频和二倍频信号,将两路信号进行相除运算,获得系统对环境温度不敏感的输出量,该输出量可以排除环境温度带来的系统光损耗的影响。此方法的应用,可有效的提高基于光纤Sagnac干涉的原子自旋进动检测装置信号的稳定性。
-
公开(公告)号:CN108490374A
公开(公告)日:2018-09-04
申请号:CN201810227419.9
申请日:2018-03-20
申请人: 北京航空航天大学
IPC分类号: G01R33/032
摘要: 本发明公开了一种混合光抽运无自旋交换驰豫(SERF)原子磁强计装置及其密度比优化方法。该方法从光频移抑制、提高磁强计信号稳定性的角度出发,进行磁强计碱金属原子密度比的优化,最终实现对抽运光功率和抽运光频率波动不敏感的最佳碱金属原子密度比。与传统单一碱金属SERF原子磁强计相比,混合光抽运SERF原子磁强计具有原子极化率均匀的优点。与传统混合光抽运SERF原子磁强计相比,综合考虑了碱金属原子密度比、光频移、抽运光功率、抽运光频率的相互作用与影响,是一种多物理量耦合优化的方法。此方法的应用,可有效的提高SERF原子磁强计信号的稳定性。
-
公开(公告)号:CN107967395A
公开(公告)日:2018-04-27
申请号:CN201711305025.2
申请日:2017-12-11
申请人: 北京航空航天大学
CPC分类号: G06K9/00536 , G06F17/5009 , G06F2217/16
摘要: 本发明提出一种基于beta小波基函数展开的时变非线性系统快速辨识方法。如图1所示流程,该方法首先建立时变非线性模型,通过FPE定阶准则确定模型最优阶次;随后利用beta小波基函数对模型时变参数进行展开,得到基于beta小波展开的时不变参数模型;然后采用正交前向回归算法选取模型有效项,结合APRESS交叉验证标准确定模型有效项数量,并估计相应时不变参数,建立稀疏模型结构;最后逆向求解得到稀疏模型的时变参数。本发明提出的方法与现有的基于主B样条多小波基函数展开的时变参数辨识方法相比,能有效降低辨识过程的时间复杂度,提高稀疏模型的辨识精度,为时变非线性系统的快速辨识分析提供了新的思路与理论框架。
-
-
-
-
-
-
-
-
-