一种基于主方向差分进化的多星任务调度方法

    公开(公告)号:CN118152083A

    公开(公告)日:2024-06-07

    申请号:CN202311695246.0

    申请日:2023-12-11

    Abstract: 本发明提出了一种基于主方向差分进化算法(Main Component Differential Evolution,MCDE)的卫星任务调度方法来求解多星任务调度问题(Multi‑Satellite Task Scheduling Problem,M‑STSP)。M‑STSP的目的是搜索找到满足多颗卫星任务调度的效率和收益最大的最优解。提出的MCDE算法是一种基于主成分分析的搜索算法,这是一种通过主成分分析(PCA)将高维向量降低到低维的优化算法,以最小的信息损失压缩搜索空间,并加快了搜索过程。在MCDE算法中捕捉了当前种群的主要特征,确定有效的搜索方向。在此过程中,MCDE算法还考虑了主成分方差的贡献率,以保证搜索方向的性能。实验结果表明本发明提出的方法能够求得问题的全局最优解。

    一种求解时变网络多重叠最短路径的方法

    公开(公告)号:CN117494782A

    公开(公告)日:2024-02-02

    申请号:CN202311537150.1

    申请日:2023-11-17

    Abstract: 本发明提出了一种时变多重叠神经网络来求解时变多重叠最短路径问题。时变多重叠最短路径问题的目的是在道路网络中搜索到多条具有有限重叠的最短路径。提出的时变多重叠神经网络是一种基于时间依赖神经元的新型神经网络,它的所有神经元都是并行计算的,且该模型不需要任何的训练。在时变多重叠神经网络中的每个神经元都由七个部分组成:输入器、自动波接收器、过滤器、自动波存储器、自动波发生器、自动波发送器和输出器。神经元通过自动波传递信息,每一条波由两部分组成。多重叠最短路径是基于有限时间内找到多条最短路径,并对最短路径集合根据路径重叠相似度进行筛选从而得到多重叠最短路径。实验结果表明本发明提出的方法能够求得问题的全局最优解。

    一种基于最优间距贝叶斯分类模型的人脸识别方法

    公开(公告)号:CN117523642B

    公开(公告)日:2024-11-22

    申请号:CN202311633669.X

    申请日:2023-12-01

    Abstract: 本发明提出了一种最优间距贝叶斯分类模型的新型方法应用于人脸识别领域中。这种人脸识别方法与传统的朴素贝叶斯分类方法不同,提出的最优间距贝叶斯核心理念在于利用朴素贝叶斯分类的概率推断能力,同时考虑样本之间的最优间距度量,以解决可能存在的类别重叠问题,使得分类器能够更好地区分类别。该方法包括:首先,利用摄像头实时捕获目标人脸,采用直方图均衡对图像进行预处理;接着采用局部二值模式的特征提取方法对人脸特征进行提取,并使用PCA进行降维处理;最后利用提出的最优间距贝叶斯分类模型对提取的特征进行分类,从而输出最终的人脸识别结果。实验结果表明本发明提出的方法在人脸识别方面表现出了更优异的性能。

    一种基于图神经网络的蛋白质K个最相似邻居查找方法

    公开(公告)号:CN117594127A

    公开(公告)日:2024-02-23

    申请号:CN202311558758.2

    申请日:2023-11-21

    Inventor: 黄玮 李可 徐志磊

    Abstract: 本发明提出了一种基于图神经网络的蛋白质K个最相似邻居查找方法。这种方法的目的是在样本的特征空间中查找与查询点特征最相似的K个邻居,从而对蛋白质的潜在相似关系进行挖掘。提出的方法是一种节点特征嵌入的图神经网络模型,它可以充分利用蛋白质之间的相互作用关系的网络拓扑特征、蛋白质的氨基酸序列、物化性质和几何性质等特征,并生成蛋白质节点的特征向量。根据节点特征向量求解蛋白质的K个最相似邻居。该图神经网络由图卷积神经网络、图注意力网络、和目标函数和近邻求解模块组成。K个最相似邻居是查找到达目标节点的欧式距离最短或与目标节点最相似的K个节点。实验结果表明本发明提出的方法在挖掘蛋白质的K个最相似邻居问题上可以得到较高的准确率。

    一种基于模糊小波多层神经网络的人脸识别身份认证方法

    公开(公告)号:CN117496578A

    公开(公告)日:2024-02-02

    申请号:CN202311537513.1

    申请日:2023-11-17

    Abstract: 本发明提出了一种基于模糊小波多层神经网络的人脸识别身份认证方法。本发明通过以下步骤实现人脸识别:首先捕获实时人脸图像并进行灰度化处理,然后进行直方图均衡处理以提高对比度;接着从处理后的图像中提取像素数据,使用主成分分析进行降维,构建人脸特征数据库;然后构建模糊小波多层神经网络,包括预处理、前提和结论部分,通过迭代训练和参数优化来识别人脸;最后输出最终的识别结果。本方法通过综合利用模糊小波多层神经网络和主成分分析等技术,在识别准确率上表现优越,对于不同的光照、姿态和面部表情具有较强的鲁棒性。实验结果表明,本发明的方法在人脸识别中表现出色,准确率高于传统方法和其他经典技术。

    一种查询K最优时变毁伤位置的自适应神经网络构造方法

    公开(公告)号:CN119005259A

    公开(公告)日:2024-11-22

    申请号:CN202411107090.4

    申请日:2024-08-13

    Inventor: 徐志磊 黄玮

    Abstract: 一种查询K最优时变毁伤位置的自适应神经网络构造方法,包括构造自适应神经网络的自适应时间波和自适应神经元、设计自适应神经网络的结构、定义自适应神经网络的运行规则和设计自适应神经网络求解K最优时变毁伤位置查询问题的算法。本发明通过设计一种五层结构的神经元来构造一种自适应神经网络,实现快速高效的获得时变毁伤网络的K最优位置,该方法与传统方法相比具有更高的准确度和更快的查询速度。

Patent Agency Ranking