-
公开(公告)号：CN105139072A
公开(公告)日：2015-12-09
申请号：CN201510570592.5
申请日：2015-09-09
申请人： 东华大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种强化学习算法，其包括新Q学习算法，新Q学习算法包括以下实现步骤：将采集好的数据输入到BP神经网络中，计算状态隐含层和输出层各个单元的输入和输出；在t状态就算出其最大输出值m，基于这个输出判断是否与障碍物发生碰撞，如果发生了碰撞则记录下BP神经网络的各单元阈值和各连接权值；否则计算T+1时刻采集数据并归一化，计算t+1状态隐含层和输出层各个单元的输入和输出，计算t状态期望输出值，调整输出和隐含层各个单元的阈值，判断误差是否小于给定阈值或学习次数大于给定值，如果不符合条件则重新学习，不然记录下各个单元的阈值和各个连接权值，结束学习。本发明实时性好、快速性好、可后期重学习。
-
公开(公告)号：CN105469080A
公开(公告)日：2016-04-06
申请号：CN201610008142.1
申请日：2016-01-07
申请人： 东华大学
IPC分类号： G06K9/00
CPC分类号： G06K9/00288
摘要： 本发明涉及一种人脸表情识别方法，包括以下步骤：对人脸图片进行预处理；对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。本发明能够提高在人脸表情识别的精度和速度。
-
公开(公告)号：CN105469080B
公开(公告)日：2018-09-25
申请号：CN201610008142.1
申请日：2016-01-07
申请人： 东华大学
IPC分类号： G06K9/00
摘要： 本发明涉及一种人脸表情识别方法，包括以下步骤：对人脸图片进行预处理；对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。本发明能够提高在人脸表情识别的精度和速度。
-
公开(公告)号：CN104714520B
公开(公告)日：2017-05-03
申请号：CN201410848073.6
申请日：2014-12-29
申请人： 东华大学
IPC分类号： G05B19/418
CPC分类号： Y02P90/02
摘要： 本发明提供了一种在传感器网络环境下基于格林空间理论的故障估计方法，包括如下步骤：建立具有执行器和传感器故障的时变系统的动态模型；对各个传感器与其相邻的测量输出进行综合；对动态模型进行分布式故障估计；利用格林空间的线性估计理论获得节点上的故障估计器的存在性判别条件；若存在性条件成立，运用格林空间中的更新分析与投影定理，获得节点上的估计器参数矩阵；将估计器参数矩阵代入分布式故障估计公式，实现在传感器网络环境下对具有执行器和传感器故障的时变系统的分布式故障估计。本发明的方法可以有效处理传感器网络环境下各传感器节点之间的耦合问题，达到保守性小、估计精度高的目的。
-
公开(公告)号：CN104714520A
公开(公告)日：2015-06-17
申请号：CN201410848073.6
申请日：2014-12-29
申请人： 东华大学
IPC分类号： G05B19/418
CPC分类号： Y02P90/02 , G05B19/41855 , G05B19/41885
摘要： 本发明提供了一种在传感器网络环境下基于格林空间理论的故障估计方法，包括如下步骤：建立具有执行器和传感器故障的时变系统的动态模型；对各个传感器与其相邻的测量输出进行综合；对动态模型进行分布式故障估计；利用格林空间的线性估计理论获得节点上的故障估计器的存在性判别条件；若存在性条件成立，运用格林空间中的更新分析与投影定理，获得节点上的估计器参数矩阵；将估计器参数矩阵代入分布式故障估计公式，实现在传感器网络环境下对具有执行器和传感器故障的时变系统的分布式故障估计。本发明的方法可以有效处理传感器网络环境下各传感器节点之间的耦合问题，达到保守性小、估计精度高的目的。
-
-
-
-
搜索结果
5 条记录 (耗时 0.018 秒)
