-
公开(公告)号：CN110288048B
公开(公告)日：2022-11-29
申请号：CN201910589274.1
申请日：2019-07-02
申请人： 东北大学
IPC分类号： G06K9/62
摘要： 本发明公开一种SVM有向无环图的海底管道风险评估方法，步骤为：收集与管道风险相关的数据，并进行数据清洗；将清洗后的数据集中到一个数据库中形成特征矩阵，并利用互信息相关性分析方法进行特征选择，得出每个特征权值，找出与管道风险相关的主要影响因素作为特征子集；基于有向无环图的支持向量机DAG‑SVM对管道风险等级进行划分，得到L(L‑1)/2个支持向量机分类器，运用交叉验证及网格搜索法寻找最优参数，在测试阶段构造成有向无环图，每个节点对应一个二类分类器。本发明利用特征选择的方法解决了高维样本分类精度低的问题，利用有向无环图DAG方法的优点避免了一对一方法中存在的样本不可分的情况，同时减少了测试时间，提高了分类精度。
-
公开(公告)号：CN109783906B
公开(公告)日：2023-07-07
申请号：CN201811633698.5
申请日：2018-12-29
申请人： 东北大学
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/08 , G01N27/83 , F17D5/02
摘要： 本发明提出一种管道内检测漏磁数据智能分析系统及方法，流程包括：在数据完备集构建模块中采用一种基于类时域稀疏采样和KNN‑softmax的数据完备集构建方法，得到完备漏磁数据集；在发现模块中采用一种基于选择性搜索与卷积神经网络相结合的管道连接组件发现方法，得到焊缝的精确位置；在发现模型中采用一种基于拉格朗日数乘框架和多源漏磁数据融合的异常候选区域搜索与识别方法，找出有缺陷的漏磁信号；在量化模块中采用一种基于随机森林的缺陷量化方法，得到缺陷尺寸；在解决方案模块中采用一种基于ASME B31G标准改进的管道解决方案，输出评估结果。本发明从整体角度提出了分析方法，实现了预处理，连接组件检测和异常检测，缺陷尺寸反演以及最终维修决策。
-
公开(公告)号：CN109783906A
公开(公告)日：2019-05-21
申请号：CN201811633698.5
申请日：2018-12-29
申请人： 东北大学
摘要： 本发明提出一种管道内检测漏磁数据智能分析系统及方法，流程包括：在数据完备集构建模块中采用一种基于类时域稀疏采样和KNN-softmax的数据完备集构建方法，得到完备漏磁数据集；在发现模块中采用一种基于选择性搜索与卷积神经网络相结合的管道连接组件发现方法，得到焊缝的精确位置；在发现模型中采用一种基于拉格朗日数乘框架和多源漏磁数据融合的异常候选区域搜索与识别方法，找出有缺陷的漏磁信号；在量化模块中采用一种基于随机森林的缺陷量化方法，得到缺陷尺寸；在解决方案模块中采用一种基于ASME B31G标准改进的管道解决方案，输出评估结果。本发明从整体角度提出了分析方法，实现了预处理，连接组件检测和异常检测，缺陷尺寸反演以及最终维修决策。
-
公开(公告)号：CN110288048A
公开(公告)日：2019-09-27
申请号：CN201910589274.1
申请日：2019-07-02
申请人： 东北大学
IPC分类号： G06K9/62
摘要： 本发明公开一种SVM有向无环图的海底管道风险评估方法，步骤为：收集与管道风险相关的数据，并进行数据清洗；将清洗后的数据集中到一个数据库中形成特征矩阵，并利用互信息相关性分析方法进行特征选择，得出每个特征权值，找出与管道风险相关的主要影响因素作为特征子集；基于有向无环图的支持向量机DAG-SVM对管道风险等级进行划分，得到L(L-1)/2个支持向量机分类器，运用交叉验证及网格搜索法寻找最优参数，在测试阶段构造成有向无环图，每个节点对应一个二类分类器。本发明利用特征选择的方法解决了高维样本分类精度低的问题，利用有向无环图DAG方法的优点避免了一对一方法中存在的样本不可分的情况，同时减少了测试时间，提高了分类精度。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)
