-
-
公开(公告)号：CN119004240B
公开(公告)日：2025-03-28
申请号：CN202411479689.0
申请日：2024-10-23
Applicant: 中国矿业大学
IPC: G06F18/2413 , G01M13/045 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于图卷积网络的轴承故障诊断方法、装置及设备，涉及旋转机械故障检测技术领域，本发明利用基于邻近算法KNN的关联图构造法和节点嵌入法将目标域数据和源域数据构造为特征节点分类连接的关联图，使其建立起目标域数据和源域数据之间的内在关联关系，从而缩小目标域数据和源域数据的特征分布偏差，而后引入伪标签一致性学习策略调整分类器决策边界使其更准确地对目标域数据进行分类，并同时使用自适应全局阈值和自适应局部阈值获取准确分类后的目标域数据的平均置信度来计算全局阈值，以全局阈值判断滚动轴承的诊断结果；可捕捉到目标域数据内更深层次、更复杂的故障特征信息，因而对滚动轴承的故障识别的准确度大幅提升。
-
公开(公告)号：CN119043717A
公开(公告)日：2024-11-29
申请号：CN202410974635.5
申请日：2024-07-19
Applicant: 中国矿业大学
IPC: G01M13/045
Abstract: 本发明提供了一种变工况轴承故障诊断方法、装置、计算机设备及介质，属于机械设备故障诊断领域，该方法包括：获取目标轴承的振动信号；构建领域自适应网络模型；所述领域自适应网络模型包括深度残差半收缩小波卷积网络和Softmax分类器；通过动量对比学习、最近邻对比学习、领域辨别器以及最大均值差异度量依次对领域自适应网络模型进行优化，得到轴承故障诊断模型，将目标轴承的振动信号输入轴承故障诊断模型，确定故障原因。这样，通过上下文表示的共性分布以及对多工况情况下的同一故障的特征空间分布进行对齐，实现了对轴承故障的跨域诊断；通过对故障的上下文表示和特征空间分布进行综合考虑，有利于提高诊断结果的准确性。
-
公开(公告)号：CN118747960A
公开(公告)日：2024-10-08
申请号：CN202410941291.8
申请日：2024-07-15
Applicant: 中国矿业大学
IPC: G08G1/01 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了周期性感知的时空自适应超图神经网络交通预测方法，属于交通预测技术领域。本方法在时间维度上基于交通时序数据的多周期性设计了一个时间多周期模块来捕获交通时序数据的时间依赖性和周期特性，时间周期模块将1D交通时序数据转换为2D结构数据，利用多头注意力机制捕捉相应交通时序数据周期内和周期间的变化，动态合并多周期特性。在空间维度上，利用超图神经网络捕捉节点间高阶交互的能力设计了空间自适应超图模块，针对不同的交通数据源自适应地选择超图神经网络和权重，捕获交通路网节点的特定模式和高阶关系，提高了交通预测的准确性。
-
公开(公告)号：CN113868113B
公开(公告)日：2024-09-06
申请号：CN202110689058.1
申请日：2021-06-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic算法的类集成测试序列生成方法，属于软件测试技术领域。包括下列步骤：1）定义目标任务；2）程序静态分析；3）度量测试桩复杂度；4）设计奖励函数；5）Actor网络选择动作；6）Critic网络评价动作的优劣；7）更新网络参数；8）生成类集成测试序列。本发明解决了目前已有的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价偏高的问题，为实际生产生活中测试人员开展测试工作提供了更为合理的测试序列生成方法，提升了集成测试的效率，可以更好地控制产品的质量。
-
Patent Agency Ranking
公开(公告)号：CN115994430A
公开(公告)日：2023-04-21
申请号：CN202211280296.8
申请日：2022-10-19
Applicant: 中国矿业大学
IPC: G06F30/18 , G06Q50/00 , G06Q10/0639 , G06F111/08
Abstract: 本发明适用于网络社区技术领域，提供了一种基于时间游走嵌入的增量动态社区发现方法及系统，所述方法包括以下两个阶段：数据处理阶段：依次读取动态网络快照，构造带有时间边权重的网络；使用时间游走采样策略对每一个时间权重网络构造节点序列；使用时间游走嵌入学习节点特征表示；社区发现阶段：将当前网络与数据处理阶段中获得的网络节点表示结合，构造动态属性网络；使用基于质量模块度的动态社区发现算法对动态属性网络进行社区发现。本发明充分利用图嵌入技术提取动态网络中节点的潜在的时空属性，同时将嵌入信息作为重要节点属性作为参考。本发明具有较低的时间复杂度和较高的准确度，能够快速有效地处理大规模复杂网络数据。
-
公开(公告)号：CN115512433A
公开(公告)日：2022-12-23
申请号：CN202110696669.9
申请日：2021-06-23
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于加权特征增强的手势识别方法，该方法主要包括4个步骤：Step 1:使用信息熵度量不同传感器特征与手势之间的关联度，通过关联性分析和关节点分析，综合衡量不同传感器特征的重要程度；Step 2：根据手势数据的局部交互性，使用相邻关节点数据逐元素相加的方式捕获手势数据的局部交互信息，实现特征增强；Step 3：借助长短期记忆单元的门控机制解决动态手势的时序性与长距离依赖问题；Step 4：在模型训练过程中，采用批量归一化算法作为每一层网络的归一化方式，降低网络对初始化权重的敏感性，同时基于softmax损失函数，结合Fisher线性准则，构建损失函数，提高手势识别模型的收敛速度和识别精度。对于基于传感器的手势数据，本方法不仅能够提取手势数据的局部交互信息，还能够解决动态手势的时序性和长距离依赖问题。
-
公开(公告)号：CN113377651A
公开(公告)日：2021-09-10
申请号：CN202110647435.5
申请日：2021-06-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于强化学习的类集成测试序列生成方法，属于软件测试技术领域。包括下列步骤：1）定义强化学习任务；2）程序静态分析；3）度量测试桩复杂度；4）设计奖励函数；5）设计值函数；6）生成类集成测试序列。本发明解决了目前已有的基于强化学习的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价的指标不够精确的问题，为实际生产生活中测试人员开展测试工作提供了更为准确的度量方法，提升了集成测试的效率，可以更好地控制产品的质量。
-
公开(公告)号：CN108399127A
公开(公告)日：2018-08-14
申请号：CN201810140091.7
申请日：2018-02-09
Applicant: 中国矿业大学
Abstract: 本发明提供一种类集成测试序列生成方法，包括下列步骤：1)从面向对象系统的源代码获取所有类及类间关系；2)从面向对象系统的UML设计文档中的类图获得类优先级表；3)通过遗传算法自动生成类集成测试序列。重复该过程，最后得到一组最优（构建测试桩所花费的测试代价最小）的类测试序列结果。本发明在一定程度上解决了类集成测试序列问题中初始种群没有任何约束条件，初始种群整体质量较差，进而影响收敛速度及寻优结果的问题以及个体评价标准的片面性和不合理性所导致的寻优效果不够准确的问题。不仅提高了种群整体质量，加快了收敛速度，而且加强了遗传算法的寻优能力，提高了寻优的准确性，进而提高了测试效率和精度，更能满足实际需要。
-
公开(公告)号：CN108197028A
公开(公告)日：2018-06-22
申请号：CN201810010235.7
申请日：2018-01-05
Applicant: 中国矿业大学
IPC: G06F11/36
CPC classification number: G06F11/3684
Abstract: 本发明提供了一种面向黑盒测试背景下的回归测试用例分类方法，包括下列步骤：1)预处理测试用例对应的文本信息；2)采用LDA(Latent Dirichlet Allocation)话题模型技术对预处理后的文本进行主题建模，将其表示成文本特征数目固定的主题特征向量；3)随机选取部分测试用例为其构造测试预言，并在演化后的软件版本上运行，根据运行结果标注其类别；4)基于主题特征向量及测试用例的类别信息训练SVM分类器；5)将待分类的测试用例对应的主题特征向量作为分类器的输入，输出测试用例的类别。本发明解决了被测软件源代码不可见情形下的软件回归测试验证问题，提高了软件测试的自动化程度及软件测试效率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.03 seconds)
