公开(公告)号：CN108121806A

公开(公告)日：2018-06-05

申请号：CN201711426005.0

申请日：2017-12-26

申请人： 湖北工业大学

发明人： 严灵毓 ,  王春枝 ,  路翰霖 ,  张鸿鑫 ,  袁露 ,  傅稼润

IPC分类号： G06F17/30

摘要： 本发明公开一种基于局部特征匹配的图像搜索方法及系统，该方法包括预处理多幅搜索图像和一幅查询图像，获得多个预处理搜索图像和一个预处理查询图像；分别提取所述多个预处理搜索图像的局部特征和一个所述预处理查询图像的局部特征，获得搜索局部特征和查询局部特征；根据所述搜索局部特征获得哈希码索引库和哈希函数；将所述查询局部特征通过哈希函数计算对应的哈希码，获得查询哈希码；将所述查询哈希码与所述哈希码索引库匹配，计算所述查询图像与多幅所述搜索图像的相似度值；将所述相似度值按照降序排序，获取前N个相似度值对应的所述搜索图像。通过对查询图像的局部特征进行提取，通过哈希函数进行图像的编码匹配，提高了图像搜索的效率。

公开(公告)号：CN106599936A

公开(公告)日：2017-04-26

申请号：CN201611246351.6

申请日：2016-12-29

申请人： 湖北工业大学

发明人： 叶志伟 ,  王明威 ,  王春枝 ,  徐炜 ,  侯玉倩 ,  杨娟 ,  张旭 ,  刘伟

IPC分类号： G06K9/62 ,  G06N3/00 ,  G06N3/12

CPC分类号： G06K9/6227 ,  G06N3/006 ,  G06N3/126

摘要： 本发明公开一种基于二进制蚁群算法的特征选择方法及系统。方法包括：获取需要进行特征选择的训练样本集；对所述训练样本集进行特征抽取，得到样本特征集；利用二进制遗传算法对所述样本特征集进行分类并寻求最大遗传适应度，得到最优解；所述遗传适应度为使所述二进制遗传算法的结果接近目标结果的程度；根据所述最优解设置二进制蚁群算法的能见度信息，对所述二进制蚁群算法的蚁群进行初始化；利用包含所述能见度信息的二进制蚁群算法对所述样本特征集进行特征选择。本发明提供的方法及系统，利用二进制遗传算法为二进制蚁群算法提供合适的能见度信息，从而能够使二进制蚁群算法的收敛速度和鲁棒性提高，进一步提高了特征选择的效率和性能。

公开(公告)号：CN103824285B

公开(公告)日：2017-04-26

申请号：CN201410039711.X

申请日：2014-01-27

申请人： 湖北工业大学

发明人： 叶志伟 ,  王明威 ,  陈宏伟 ,  王春枝 ,  刘伟 ,  徐慧 ,  宗欣露 ,  谢海涛 ,  尹宇洁

IPC分类号： G06T7/11

摘要： 本发明提出了一种基于蝙蝠优化模糊聚类的图像分割的处理方法，蝙蝠算法作为一种性能优良的演化算法，可以很好地解决传统的FCM聚类分割方法过于依赖初始聚类中心的缺点，并在很大程度上提高其收敛到全局最优解的概率；蝙蝠算法可以直接采用十进制进行编码，相对于大部分演化算法采用二进制编码而言，计算过程更为方便，能在很大程度上提高聚类分割的效率。

公开(公告)号：CN104715281A

公开(公告)日：2015-06-17

申请号：CN201310682350.6

申请日：2013-12-16

申请人： 湖北工业大学

发明人： 王春枝 ,  宗欣露 ,  徐慧 ,  刘伟 ,  陈磊 ,  周正 ,  丁诚诚 ,  陈秋霞 ,  谢东杰

IPC分类号： G06N3/00

摘要： 本发明提出一种基于多蚁群系统的混合交通流疏散路径规划方法来优化混合交通流问题，属于智能计算技术领域。该发明提出一种基于多蚁群系统的方法拟解决混合交通流中疏散路径问题。通过此方法总的疏散时间最小化了，整个道路网络中交通负载也得到了平衡。实验结果表明，这种基于多蚁群系统能比单个蚁群系统获得更好的解决方案，能在混合交通流疏散路径中得到更合理的路径规划。

公开(公告)号：CN104202412A

公开(公告)日：2014-12-10

申请号：CN201410470192.2

申请日：2014-09-15

申请人： 湖北工业大学

发明人： 张明武 ,  陈泌文 ,  王春枝 ,  沈华 ,  夏勇

IPC分类号： H04L29/08 ,  H04L29/06 ,  G06F21/60

摘要： 本发明公开了一种基于多云端的图片存储方法和系统，本方法和系统通过将一张要保存的原图，进行干扰变换，得到初步加密的图片，采用哥德尔编码技术将加密后图片分存成一定数量的子图，将这些子图保存在云端，替代将原图保存在云端的方法，解决云端存在安全隐患的问题同时实现了用户图片的隐私保护和安全存储。

公开(公告)号：CN104092618A

公开(公告)日：2014-10-08

申请号：CN201410352930.3

申请日：2014-07-23

申请人： 湖北工业大学

发明人： 叶志伟 ,  李沁沄 ,  王明威 ,  王春枝 ,  刘伟 ,  陈宏伟 ,  徐慧 ,  宗欣露 ,  尹宇洁 ,  喻东阳

IPC分类号： H04L12/801

摘要： 本发明公开了一种基于杜鹃搜索算法的对等网络流量特征选择方法，通过利用杜鹃搜索算法对对等网络流量特征选择问题优化求解，从而可以快速的获得对等网络流量本质属性的最优特征子集，可用于对等网络流量识别和模式识别相关技术领域中。本发明能够在可接受的时间代价内找到特征选择问题的高质量的可行解，不需要人为指定要选择的特征维数，能够智能的在正确识别率和特征维数之间取得很好的平衡，自动寻找到比较合适的最优特征子集。本发明利用杜鹃搜索算法对对等网络中原始数据集进行特征选择，剔除不相关或冗余的对等网络流量特征，取出真正相关的特征，节省对等网络流量识别中特征提取的计算时间，从而提高对等网络流量识别的效率和正确率。

公开(公告)号：CN103824285A

公开(公告)日：2014-05-28

申请号：CN201410039711.X

申请日：2014-01-27

申请人： 湖北工业大学

发明人： 叶志伟 ,  王明威 ,  陈宏伟 ,  王春枝 ,  刘伟 ,  徐慧 ,  宗欣露 ,  谢海涛 ,  尹宇洁

IPC分类号： G06T7/00

摘要： 本发明提出了一种基于蝙蝠优化模糊聚类的图像分割的处理方法，蝙蝠算法作为一种性能优良的演化算法，可以很好地解决传统的FCM聚类分割方法过于依赖初始聚类中心的缺点，并在很大程度上提高其收敛到全局最优解的概率；蝙蝠算法可以直接采用十进制进行编码，相对于大部分演化算法采用二进制编码而言，计算过程更为方便，能在很大程度上提高聚类分割的效率。

公开(公告)号：CN101572663A

公开(公告)日：2009-11-04

申请号：CN200910062417.X

申请日：2009-06-03

申请人： 湖北工业大学

发明人： 王春枝 ,  陈宏伟 ,  周昕 ,  尤方萍 ,  欧阳勇

IPC分类号： H04L12/56 ,  H04L29/06

摘要： 本发明公开了一种在对等网络中采用信任抽样的深度报文扫描方法，涉及计算机对等网络的应用，适用于高速主干网对等网络流量的识别。本发明在采用抽样策略与深度报文检测相结合的同时，引入信任机制，根据信任度的高低，调节抽样率，让深度报文扫描更加具有针对性，在保证较高准确率的前提下，提高了检测效率，降低了硬件负担，减少了网络延时。

公开(公告)号：CN114627371B

公开(公告)日：2024-08-09

申请号：CN202210172602.X

申请日：2022-02-24

申请人： 湖北工业大学

发明人： 吴珺 ,  刘欣 ,  董佳明 ,  郑欣丽 ,  袁子健 ,  王春枝

IPC分类号： G06V20/10 ,  G06V10/40 ,  G06V20/40 ,  G06V10/84

摘要： 本发明提供了一种基于注意力机制的桥梁健康监测方法，包括数据集收集与制作，桥梁缺陷实时检测，以及自动预警通知步骤，数据集收集与制作步骤为通过无人机实时预测与公开数据集相结合，桥梁缺陷实时检测步骤为通过搭载CN‑YOLOv5目标检测网络的无人机对所需检测桥梁路面实时检测，判断所检测桥面是否存在缺陷，自动预警通知步骤为对桥梁缺陷实时检测步骤得到的结果进行展示与判断，若桥面存在缺陷，则对缺陷地点进行定位及预警。该方法基于轻型网络CN‑YOLOv5进行图像识别，对桥梁路面进行检测与预警，降低了无人机硬件设备的需求，提高了检测速度与精度，为实时高效维护桥梁路面情况提供了一套完整的解决方案。

公开(公告)号：CN114495054B

公开(公告)日：2024-08-09

申请号：CN202210019892.4

申请日：2022-01-10

申请人： 湖北工业大学

发明人： 王春枝 ,  童欣 ,  高榕 ,  严灵毓

IPC分类号： G06V20/58 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82

摘要： 本发明提出一种基于YOLOv4的轻量化交通标志检测方法。引入多幅交通标志图像构建交通标志数据集，人工标志数据集中每幅图像中多个交通标志目标真实边框，计算真实边框的宽度、高度、中心点坐标，以及边框内交通标志类别；引入基于YOLOv4的轻量化交通标志检测网络，将数据集中的每幅图像输入基于YOLOv4的轻量化交通标志检测网络，结合每幅图像的交通标志目标真实边框的宽度、高度以及中心点坐标构建损失函数模型，通过梯度下降法得到训练后的基于YOLOv4的轻量化交通标志检测网络；将交通标志图像输入优化后基于YOLOv4的轻量化交通标志检测网络，得到图像的预测边框、目标类别。本发明能够检测复杂道路中不同交通标志，辅助司机驾驶、无人驾驶，提高行驶安全性。