一种基于内部集成的宽度学习方法

    公开(公告)号:CN111709523A

    公开(公告)日:2020-09-25

    申请号:CN202010566164.6

    申请日:2020-06-19

    IPC分类号: G06N3/08 G06N3/04 G06K9/62

    摘要: 一种基于内部集成的宽度学习方法,通过获取训练数据,包括训练输入数据和训练输出数据,并对其进行预处理;再对训练输入数据进行特征提取,形成n组特征节点并构造特征节点矩阵Zn,将特征节点进行非线性增强共得到m组增强节点;将特征节点矩阵分别与不同组增强节点组合得到各个模型的隐藏层输出矩阵,共得到k组宽度学习系统模型;通过一次训练实现多个模型的集成学习,使其在基本不增加额外训练时间的情况下,将宽度学习与集成学习融合到了一起,改善了宽度学习中由于随机操作带来的搜索过程不完善和数据具有随机性、波动性的问题,提高了宽度学习系统的泛化性和稳定性,与普通集成方法相比,降低了实现集成学习的成本,提高了训练效率。

    一种屏蔽式开关磁阻电机及低损耗控制方法

    公开(公告)号:CN107769420B

    公开(公告)日:2020-08-11

    申请号:CN201711104909.1

    申请日:2017-11-10

    摘要: 本发明公开了一种屏蔽式开关磁阻电机及低损耗控制方法,工矿企业中使用。采用4相8/6拓扑结构电机,分别在定子、转子上安装定子屏蔽套和转子屏蔽套,定子屏蔽套和转子屏蔽套之间注有流动的液体,液体能够从屏蔽套之间穿过而不能进入定、转子槽。根据绕组匝数及转子转速,延长相电流的作用时间,保证相邻两相的气隙磁场在屏蔽套上产生的涡旋电流相互抵消,从而减小涡流损耗,控制电机运行时的温升。其结构简单、容错性能好,能够保证系统长期稳定地在液面下运行。本发明能够实现高倍数过载,起动转矩大,变速控制下运行效率高,运行平稳,适用于经常启停的工况。

    一种基于宽度学习系统的压缩机出口参数预测建模方法

    公开(公告)号:CN110222453A

    公开(公告)日:2019-09-10

    申请号:CN201910516031.5

    申请日:2019-06-14

    IPC分类号: G06F17/50

    摘要: 一种基于宽度学习系统的压缩机出口参数预测建模方法,采集数据并对其进行预处理;利用宽度学习系统构建压缩机的出口参数预测模型,设定宽度学习系统的特征节点组数为n,每组k个特征节点,增强节点组数为m,每组q个增强节点,进行建模;在有新的训练数据输入模型时,利用增量学习算法对原有模型进行在线的更新,设新的训练数据的输入数据矩阵为Xa∈Ra*M,输出数据矩阵为Ya∈Ra*C,其中,a表示新增加训练数据的个数,进行模型更新;利用均方根误差对所构建的模型进行验证。该方法能快速地建立大型压缩机性能预测模型,能有效地节省模型的开发时间与成本。

    一种改进TLD的矿井下视频目标跟踪方法

    公开(公告)号:CN109903311A

    公开(公告)日:2019-06-18

    申请号:CN201910067175.7

    申请日:2019-01-24

    摘要: 本发明公开了一种改进TLD的矿井下视频目标跟踪方法,跟踪部分采用基于Mean-Shift的跟踪算法,减小计算量同时做到煤矿井下环境的目标实时跟踪;检测部分首先用Kalman滤波来预估当前帧目标的中心位置,进行目标位置的区域预估,减少扫描窗口的数量,减小计算冗余;然后在预估区域使用动态自适应更新阈值的方差分类器进行检测,提高检测效率。本发明针对煤矿井下跟踪需求的特殊性,增强了算法在低照度情况下的目标跟踪准确率,有效应对目标外观剧烈变化和目标遮挡等复杂因素,增强了原算法的鲁棒性以适应实际需求。

    一种基于无监督宽度学习的高光谱图像聚类方法

    公开(公告)号:CN109685105A

    公开(公告)日:2019-04-26

    申请号:CN201811366436.7

    申请日:2018-11-16

    IPC分类号: G06K9/62 G06K9/00

    摘要: 本发明的一种基于无监督宽度学习的高光谱图像聚类方法,首先,为保留原始高光谱图像的本征流形结,利用图正则稀疏自动编码器微调输入到映射特征和映射特征到增量节点的权重;接着,无监督宽度学习的模型目标函数由图正则项和连接权重的l2范数项构成,并通过求解广义特征值分解问题,得到无监督宽度学习的模型权重以及无监督宽度学习的输出;最后,利用谱聚类得到聚类结果。

    基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法

    公开(公告)号:CN109378039A

    公开(公告)日:2019-02-22

    申请号:CN201810949097.9

    申请日:2018-08-20

    摘要: 本发明公开了一种基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法,步骤为:首先,将肿瘤基因表达谱数据表示为一个包含多个低秩子空间的低秩矩阵和一个噪声矩阵相加的形式;然后,引入离散约束方法和Schatten p范数对低秩矩阵进行约束,直接学习得到肿瘤基因表达谱数据的样本标签;最后,利用封顶范数对噪声矩阵进行优化,除去对原始肿瘤基因表达谱数据中的离群值得出最终的肿瘤基因表达谱数据聚类。本发明能完全去除离群值对肿瘤基因表达谱数据聚类的影响,从而提高肿瘤基因表达谱数据聚类的精度及鲁棒性。

    基于杂草模型的加密域图像可逆水印方法

    公开(公告)号:CN105447809A

    公开(公告)日:2016-03-30

    申请号:CN201510881014.3

    申请日:2015-12-07

    IPC分类号: G06T1/00

    CPC分类号: G06T1/0021

    摘要: 一种基于杂草模型的加密域图像可逆水印方法,属于信息安全领域。鉴于当前加密域图像可逆水印方法存在嵌入容量小、安全性弱等不足,本发明用杂草与庄稼的关系类比水印信息与加密图像的关系,建立杂草模型,采用混沌系统增强方法的安全性,利用杂草区域的大小由用户根据水印信息量选定扩大算法的嵌入容量。水印嵌入的核心步骤:选定一种安全性能良好的混沌系统;采用一种图像加密算法对原始交互图像进行加密,得加密图像;利用杂草模型和混沌系统,将加密图像和水印信息混淆,得到含水印图像。水印检测过程几乎是水印嵌入的逆过程。实验结果表明:该方法嵌入容量大和算法安全性高,可有效实现对图像信息网络交互的安全保护。

    一种基于成对约束判别分析-非负稀疏散度的高光谱数据降维方法

    公开(公告)号:CN103544507A

    公开(公告)日:2014-01-29

    申请号:CN201310482378.5

    申请日:2013-10-15

    IPC分类号: G06K9/66 G06K9/62

    摘要: 一种基于成对约束判别分析-非负稀疏散度的高光谱数据降维方法,属于高光谱遥感图像处理方法。本发明针对源高光谱数据和目标高光谱数据来自不同分布时,很多先进的基于机器学习的高光谱数据分类算法的分类性能变差。首先,根据一种能自动获得包含判别信息的成对约束样本,提出成对约束判别分析;然后,设计一种非负稀疏散度准则来构建不同分布的源领域和目标领域高光谱数据之间的桥梁;最后,结合这两部分,实现源高光谱数据到目标高光谱数据的知识迁移。优点:解决不同时间、不同地域或不同传感器获得高光谱数据间的知识迁移;能够有效地利用源领域高光谱数据的信息去分析目标领域高光谱数据并获得较高的整体分类精度和Kappa系数。

    一种基于逆扩散引导策略的离线强化学习方法

    公开(公告)号:CN117952186A

    公开(公告)日:2024-04-30

    申请号:CN202410202828.9

    申请日:2024-02-23

    IPC分类号: G06N3/092

    摘要: 本发明公开了一种基于逆扩散引导策略的离线强化学习方法,首先,鉴于现有的策略约束方法不能准确地表达行为策略,并且倾向于选择行为策略支持集内概率密度更大的动作,引入扩散模型用于准确表达行为策略;然后,训练逆扩散引导策略引导预训练的扩散模型准确生成行为策略支持集内的动作;最后,给生成动作添加可训练扰动,使学习策略可以逃离行为策略的性能限制。本发明可以灵活地在行为策略支持内选择最优动作,同时避免行为策略密度分布的影响。