-
公开(公告)号：CN116503947A
公开(公告)日：2023-07-28
申请号：CN202310502071.0
申请日：2023-05-06
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V20/40 , G06V10/22 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0499 , G06N3/0895
Abstract: 一种基于自监督学习的煤矿井下人员动作识别方法，属于视频识别领域。首先，对视频数据进行重采样；其次，将重采样后的视频数据处理成时空块序列；再次，将时空块序列经过掩码模块，得到原始时空块序列和掩码时空块序列；再次，将原始时空块序列输入到编码器组中，生成原始时空块序列的潜在表示并将生成的潜在表示和掩码时空块序列输入到解码器组中，得到重建后的视频片段，通过设计好的损失函数进行训练，得到预训练好的模型；最后将预训练好的模型经过微调模块，得到最终的动作识别模型。优点：采用自监督的方式进行训练，大大地降低了视频收集和标注的成本；对视频进行极高掩码比率的掩码操作，降低了模型训练的计算成本，提高了模型训练效率。
-
公开(公告)号：CN120013000A
公开(公告)日：2025-05-16
申请号：CN202510092680.2
申请日：2025-01-21
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/02 , G06N3/0455 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于时空掩蔽预训练的露天矿卡跨尺度速度预测方法，包括先对露天矿卡的GPS轨迹数据进行预处理，运用路网自动生成算法生成路网邻接矩阵，并基于路网节点生成速度序列样本集；而后从该样本集中随机选取长时间序列数据，与邻接矩阵一起经高维时空数据嵌入模块、时空位置编码模块处理后输入到时空耦合掩蔽预训练模块中，获得时空掩蔽自编码器中时空编码器的参数，将该参数用于配置时空双跨尺度Transformer预测模块；最后从速度序列样本集中随机选取短时间序列数据，与邻接矩阵一起经高维时空数据嵌入模块处理后，输入到时空双跨尺度Transformer预测模块中，实现未来路网节点的速度预测，从而提高了计算效率、时空异质性区分准确度和预测精度。
-
公开(公告)号：CN118334599A
公开(公告)日：2024-07-12
申请号：CN202410401790.8
申请日：2024-04-03
Applicant: 中国矿业大学
IPC: G06V20/54 , G06V10/764 , G06V10/62 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/0442 , G06N3/08 , G06Q50/02
Abstract: 本发明公开一种基于交互进化式动态图时空嵌入的露天矿卡状态识别方法，属于交通模式识别领域。将采集的露天矿卡车GPS轨迹数据构建多条只包含一种卡车状态的轨迹点序列。将轨迹点序列苟安车辆距离动态图、车辆方向动态图。将车辆距离动态图、车辆方向动态图经过可进化图注意力机制将车辆距离动态图和车辆方向动态图交互融合，输出为轨迹序列的嵌入表示，通过轨迹嵌入表示得到最终的卡车运行状态。其在露天矿没有交通规则、作业环境易变的场景下，通过提取卡车与环境、卡车与卡车之间的相互作用规律增强轨迹并构建多个动态图，为卡车状态识别的准确率的提高提供了支持。
-
公开(公告)号：CN116629531A
公开(公告)日：2023-08-22
申请号：CN202310547275.6
申请日：2023-05-16
Applicant: 中国矿业大学
IPC: G06Q10/0631 , G06Q50/30 , G06Q10/04 , G06Q10/047 , G06N3/045 , G06N3/0442 , G06N3/0895 , G01S19/42 , G01C21/34
Abstract: 一种路网‑轨迹联合对比学习的露天矿卡车调度方法，属于露天矿运输领域。首先，对收集的露天矿卡车原始GPS轨迹数据和路网数据进行预处理，将轨迹序列转化为区域化轨迹序列，并通过嵌入模块得到路网和轨迹序列嵌入表示。其次，依次通过路网‑轨迹联合对比学习模块和语义信息嵌入模块，提取区域化轨迹序列的时空结构和语义信息特征。最后，将其经过BiLSTM网络单元提取区域化轨迹序列的时空上下文嵌入和实际时间序列进行回归，并设计多任务损失函数来训练模型。根据预测的轨迹序列，输入到训练好的预测模型，得到预测时间，进行卡车调度。优点：充分提取路网和轨迹的时空信息，利用联合对比学习优化时空信息嵌入，使得卡车调度更加合理高效。
-
公开(公告)号：CN113159620B
公开(公告)日：2023-08-18
申请号：CN202110512785.0
申请日：2021-05-11
Applicant: 中国矿业大学
IPC: G06Q10/0631 , G06Q50/02
Abstract: 基于带权无向图的矿井移动群智感知任务分发方法，所述任务分发方法适用于覆盖了网络信号的矿井内，对于矿工个体均携带有可连接网络的智能终端，该智能终端能够检测矿工的心率和下井状态；所述任务分发方法包括以下步骤：步骤1：建立矿工信誉度模型，步骤2：制作无向路径图，步骤3：建立任务集和矿工状态信息库，步骤4：紧急任务分配，步骤5：非紧急任务分配。本设计不仅采用带权无向图来计算路径范围，而且将任务进行分类，不同类型采用不同方式进行分配，有效提高任务分配成功率。
-
Patent Agency Ranking
公开(公告)号：CN113159620A
公开(公告)日：2021-07-23
申请号：CN202110512785.0
申请日：2021-05-11
Applicant: 中国矿业大学
Abstract: 基于带权无向图的矿井移动群智感知任务分发方法，所述任务分发方法适用于覆盖了网络信号的矿井内，对于矿工个体均携带有可连接网络的智能终端，该智能终端能够检测矿工的心率和下井状态；所述任务分发方法包括以下步骤：步骤1：建立矿工信誉度模型，步骤2：制作无向路径图，步骤3：建立任务集和矿工状态信息库，步骤4：紧急任务分配，步骤5：非紧急任务分配。本设计不仅采用带权无向图来计算路径范围，而且将任务进行分类，不同类型采用不同方式进行分配，有效提高任务分配成功率。
-
公开(公告)号：CN106850436A
公开(公告)日：2017-06-13
申请号：CN201710016953.0
申请日：2017-01-10
Applicant: 中国矿业大学
IPC: H04L12/725 , H04L12/751 , H04W40/24
Abstract: 本发明提出一种基于虚拟势能场的矿井混合无线mesh网络路由协议，该协议基于矿井混合WMN网络数据传输的汇聚性特点，选取不同的网络性能参数构造不同的势能场，并为网关节点设置最低的势能值，数据分组在势能场的作用下向网关汇聚，然后根据相邻节点之间的势能差建立路由，为不同的应用提供区分服务。本发明仅需局部信息即可做出路由决策，无需获取整个网络的性能参数，这种分布式路由协议具有较小的网络开销与较好的可扩展性。与现有路由协议相比，本发明传输两种类型的数据时，在端到端时延、投递率方面都更具优势，同时终端节点使用均衡，能够延长网络生存时间，提高网络服务质量。
-
公开(公告)号：CN106850436B
公开(公告)日：2020-03-10
申请号：CN201710016953.0
申请日：2017-01-10
Applicant: 中国矿业大学
IPC: H04L12/725 , H04L12/751 , H04W40/24
Abstract: 本发明提出一种基于虚拟势能场的矿井混合无线mesh网络路由协议，该协议基于矿井混合WMN网络数据传输的汇聚性特点，选取不同的网络性能参数构造不同的势能场，并为网关节点设置最低的势能值，数据分组在势能场的作用下向网关汇聚，然后根据相邻节点之间的势能差建立路由，为不同的应用提供区分服务。本发明仅需局部信息即可做出路由决策，无需获取整个网络的性能参数，这种分布式路由协议具有较小的网络开销与较好的可扩展性。与现有路由协议相比，本发明传输两种类型的数据时，在端到端时延、投递率方面都更具优势，同时终端节点使用均衡，能够延长网络生存时间，提高网络服务质量。
-
公开(公告)号：CN105846914A
公开(公告)日：2016-08-10
申请号：CN201610453602.1
申请日：2016-06-21
Applicant: 中国矿业大学
Abstract: 本发明涉及一种无线磁感应透地通信装置和通信方法，利用多组磁场发生器和磁传感器实现全双工通信，当存在多个收发装置时可采用多频率传输的方法，还可以合理匹配发射装置与接收装置的位置，对接收信号的强度进行排序，使用带通滤波器滤除多余信号提取有用信号。
-
公开(公告)号：CN119832737A
公开(公告)日：2025-04-15
申请号：CN202510009036.4
申请日：2025-01-03
Applicant: 中国矿业大学
IPC: G08G1/01 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空趋势感知信息融合的交通流量预测方法，属于交通预测规划技术领域。预测方法包括：将预处理后的多个传感器的历史流量序列依次输入到高维时空数据嵌入模块、时间趋势感知模块、空间趋势感知模块、时空趋势感知信息融合模块和预测模块，逐步实现提取高维时空表示、捕获具有趋势感知的时间特征和空间特征和融合趋势感知的时空信息，最终得到未来时间的流量序列。本发明通过将流量序列转化为高维时空表示，提高了时空关联建模能力，考虑了流量的趋势性，能捕获趋势感知的交通流时空特征，并充分融合交通流量序列的时空依赖，提高了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
