-
公开(公告)号:CN113159390A
公开(公告)日:2021-07-23
申请号:CN202110329270.7
申请日:2021-03-27
Applicant: 桂林理工大学
Abstract: 本发明公开了一种面向参数不确定路程规划问题的蚁群寻优方法.先通过不确定参数估值方法将变量转化为合理的区间,进而估算出其他不确定因素,将不确定值转化为精确值,之后再使用引入区间信息的蚁群寻优方法,使得蚂蚁在选择下一景点时更倾向于选择不确定性较小的景点。该方法在保证所推荐路线稳健性的同时,能够尽可能的减少时间资源的浪费。
-
公开(公告)号:CN111260120A
公开(公告)日:2020-06-09
申请号:CN202010028872.4
申请日:2020-01-12
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于天气数据熵值的晴雨天预测方法。将天气信息下雨或是晴天的数据流样本看作是以数据块到达,并且数据流中只有正类(下雨)跟负类(晴天)两种类型样本,然后将整个数据块划分为T个等熵值(等信息量)的平衡样本对。通过这T个平衡的子样本训练T个分类规则形成当前数据块的分类器,将要到达的下一个数据块整体作为测试集,测试到达数据块之前所有创建的子分类器的性能,并分别调整子分类器的权重,并淘汰权值较低的分类器,最终形成的分类器由保留的所有的子分类器加权求和得到。本算法保留了之前创建的子分类器并调节其在新数据集的权值,这样即能合理的避免灾难性遗忘问题,又能适应新的数据流样本。
-
公开(公告)号:CN104217287A
公开(公告)日:2014-12-17
申请号:CN201410437295.9
申请日:2014-08-30
Applicant: 桂林理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于空闲矩阵的多约束无等待混合流水调度建模方法。首先进行约束预处理:对于存在跳过处理单元约束,可将该任务在该单元上的处理时间设置为0;对于存在先序或禁止转换约束,则在计算目标函数值时附加一个很大的惩罚项;对于存在顺序依赖的准备时间,准备时间加入前一任务处理时间之后。其次,对于具有并行机的阶段,采用基于甘特图的软压缩调整方法进行处理,构造出空闲矩阵。最后,以空闲矩阵为基础,根据调度目标构造出调度模型。该方法将一个具有上述复杂约束的无等待混合流水调度问题转化为一个不带约束的普通的无等待流水调度问题,再基于空闲矩阵建立调度模型,从而降低了模型的复杂性和求解难度。
-
公开(公告)号:CN119090374A
公开(公告)日:2024-12-06
申请号:CN202410976721.X
申请日:2024-07-21
Applicant: 桂林理工大学
IPC: G06Q10/083 , G06Q10/04 , G06F18/23213
Abstract: 本发明公开了一款航空物流智能货物收集系统,旨在解决航空物流领域的货运收集的旅行商问题。该系统利用现有订单和地点数据,快速生成运输点的访问顺序,以实现最小化成本,加快效率。通过使用某物流企业的数据进行初步测试,结果显示该系统能够节省成本超过8%。在全球经济加速和航空物流业务快速增长的背景下,航空物流智能货物收集成为关键环节。该系统综合考虑根据货物种类、运输点位置、罚金数额、空运成本、最低载货量、订单的重量和体积以及特殊货物等因素,提供成本最小化的运输点访问顺序。通过智能货物收集与路径规划系统,航空物流公司能够根据订单情况,更准确地制定合理的货物收集策略,实现整体利益最大化。
-
公开(公告)号:CN118692110A
公开(公告)日:2024-09-24
申请号:CN202410930771.4
申请日:2024-07-12
Applicant: 桂林理工大学
IPC: G06V40/10 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于YOLOv8的行人快速检测方法,属于深度学习和目标检测技术领域,解决了实际场景下行人检测精度低和速度慢的技术问题。通过抽帧处理Caltech视频数据集并增强图像和添加遮挡获得行人检测数据集。以Y0L0v8网络为基础,设计一种新的特征提取模块PCT代替Darknet53中的C2f,保留原本的SPPF,实现局部特征和全局特征的融合。加强特征网络FPN,用于对不同大小的有效特征层进行特征融合适应不同尺寸目标,模型经过上下卷积采样形成特征层,设置WIoU v3为损失函数,将特征提取网络、检测网络和损失函数结合得到完整的PCT_YOLO网络模型,并在数据集上进行训练和验证,保存最优模型用于真实场景下的行人检测中。
-
公开(公告)号:CN116882859A
公开(公告)日:2023-10-13
申请号:CN202310677232.X
申请日:2023-06-08
Applicant: 桂林理工大学
IPC: G06Q10/083 , G06Q10/0631 , G06F30/27 , G06N3/126 , G06F111/06
Abstract: 本发明公开了一款民航货机重心配载优化系统。现阶段,国内的航空物流配载手段大多是配载员手工填写装载舱单,根据自己的经验进行配载,其缺点也很明显,一是人工填写耗费时间长,二是无法综合考虑影响航空器载重平衡的各种因素基础上来制定最优的货物分布方案,导致成本不稳定,利润无法最大化的问题。本发明主要是将民航货机配载的实际问题转化为约束多目标优化问题,构造一个民航货机重心配载优化系统。系统主要考虑货机整体重心偏移量的最小化以及承载货物量的最大化,同时考虑每个机舱中的货物的重量和体积不能超出限额的约束等因素。利用matlab技术进行数学模型建模,通过本系统智能优化推出的分配方案给出最优的配载,最终实现整体利益最大化。
-
公开(公告)号:CN116882453A
公开(公告)日:2023-10-13
申请号:CN202310679059.7
申请日:2023-06-09
Applicant: 桂林理工大学
IPC: G06N3/0464 , G06N3/048 , G06F18/23213
Abstract: 本发明公开了一种基于深度学习的问卷真实性认定方法,本发明从用户填写问卷的总时间,每道题的用时,每道题修改答案的次数以及用户做出的连续相同答复的题目数量数据中提取问卷特征,将问卷分为4个贫困等级并用one‑hot编码,将编码结果作为问卷类别标签。使用提取的特征和类别标签训练搭建好的神经网络模型。当需对问卷真实性做出判断时,提取用户填写问卷的总时间,每道题的用时,每道题修改答案的次数以及用户做出的连续相同答复的题目数量数据的特征,经过神经网络模型预测后得出问卷真实性类别。并将结果用于问卷真实性的辅助认定。
-
公开(公告)号:CN116341226A
公开(公告)日:2023-06-27
申请号:CN202310245336.3
申请日:2023-03-14
Applicant: 桂林理工大学
IPC: G06F30/20 , G06N3/126 , G06F111/06 , G06F113/06 , G06F119/10
Abstract: 随着海上风电场的扩张,多数风电机组均未考虑噪声。在解决风电场的高维多目标问题时,传统优化算法效果有限。本文提出了一种双层高维多目标优化方法,在这种方法中,可以同时优化风电机组的位置和电缆拓扑结构,并附加降低噪声。外层被表述为一个约束高维多目标优化问题,以获得最佳的风电场布局,其中四个优化目标分别是年发电量、电能质量、总投资成本和噪声;然后提出不同环境下的多种群非支配排序遗传算法‑III来优化外层模型。内层是一个多约束的优化问题,优化目标是最小化电缆成本,用动态生成树算法解决。实验结果表明,所提出的方法既能考虑到风电场的长期经济效益,又能降低噪音。实验结果表明当年发电量增加了约10105MW,噪声还降低了37.94dB。
-
公开(公告)号:CN114298943A
公开(公告)日:2022-04-08
申请号:CN202111680241.1
申请日:2021-12-30
IPC: G06T5/00
Abstract: 本发明涉及一种基于块匹配三维变换的低光图像增强方法,包括以下步骤:(1)、取低光图像中的相似块群组,将其扫描成为三维矩阵;(2)、对三维矩阵进行三维变换,其中二维变换中分别采用双正交小波变换和离散余弦变换,用来逆变换后分别重构光照分量和反射分量(3)、采用指数对数混合变换来增强光照分量(4)、将增强后的光照分量和重构的反射分量进行点乘得到增强后的相似块群组,增强后的相似块群组中所有块按原先匹配过程中的位置放回堆叠重组得到增强后的图像。针对该类图像具有低分辨率低光照和低对比度以及视觉质量低下等特性,图像的后续的实际应用收到了严重的影响等问题,本发明可以简单有效的对低光图像进行增强。
-
公开(公告)号:CN112070171A
公开(公告)日:2020-12-11
申请号:CN202010953102.0
申请日:2020-09-11
Applicant: 桂林理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于实例选择和特征选择的优化数据集的方法。该方法先用基于Jaccard索引的Relief‑F算法筛选出数据集中高质量的实例集,然后对筛选后的实例集运用Relief‑F算法再对数据集的特征进行筛选。实验结果证明我们提出的数据集预处理方法与传统的数据集预处理方法和最新的数据集预处理方法相比,该方法不仅可以有效地降低数据集中冗余的实例和特征,而且提高了数据集分类的精确度。
-
-
-
-
-
-
-
-
-