-
公开(公告)号：CN102750445A
公开(公告)日：2012-10-24
申请号：CN201210183977.2
申请日：2012-06-06
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于复化Simpson公式改进多变量灰色模型的故障预测方法，属于信号处理领域，本发明为解决现有故障预测设备系统的组成具有复杂性、结构关系的模糊性以及特征参数获取的不确定性、不完整性的问题。本发明方法包括以下步骤：步骤一、输入待测设备的故障原始特征数据序列和故障相关数据序列，计算其累加生成数；步骤二、建立多变量灰色模型，计算灰色系数；步骤三、利用步骤二求得的灰色系数获取的预测值步骤四、获得的预测值步骤五、计算多变量灰色模型的预测精度；步骤六、判断待测设备是否有故障。
-
公开(公告)号：CN102622611A
公开(公告)日：2012-08-01
申请号：CN201210065533.9
申请日：2012-01-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于特征扩展和模糊支持向量机的多分组图像分类方法，属于图像处理领域，本发明为解决现有多分组图像分类方法无法有效提取图像本质特征，分类精度较低的问题。本发明方法为：先去掉被噪声等严重污染而无法使用的波段，对剩下的波段依次进行二维经验模态分解，得到一些二维本征模态函数，将这些二维本征模态函数进行有机组合，扩展为多分组图像的特征，最后用模糊支持向量机分类器分类。本发明充分发挥了二维经验模态分解能自适应地提取复杂图像本质特征的优势，有效获取多分组图像特征；采用模糊支持向量机作为分类器，兼具支持向量机和模糊函数二者的优势，有利于提高分类精度。
-
公开(公告)号：CN102750445B
公开(公告)日：2015-05-27
申请号：CN201210183977.2
申请日：2012-06-06
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于复化Simpson公式改进多变量灰色模型的故障预测方法，属于信号处理领域，本发明为解决现有故障预测设备系统的组成具有复杂性、结构关系的模糊性以及特征参数获取的不确定性、不完整性的问题。本发明方法包括以下步骤：步骤一、输入待测设备的故障原始特征数据序列和故障相关数据序列，计算其累加生成数；步骤二、建立多变量灰色模型，计算灰色系数；步骤三、利用步骤二求得的灰色系数获取的预测值步骤四、获得的预测值步骤五、计算多变量灰色模型的预测精度；步骤六、判断待测设备是否有故障。
-
公开(公告)号：CN102169476A
公开(公告)日：2011-08-31
申请号：CN201110093981.5
申请日：2011-04-14
Applicant: 哈尔滨工业大学
IPC: G06F17/14
Abstract: 一种基于灰色理论的希尔伯特-黄变换端点效应抑制方法，它涉及信号处理领域的特征提取方法，本发明是要解决现有希尔伯特-黄变换方法受端点效应的干扰而无法有效提取信号本质特征，得不到准确的本征模态函数及Hilbert谱的问题。方法：一方面采用灰色理论方法，对传统EMD中求得的极值点向左右进行预测，用原有极值点和预测的极值点求包络，计算出原始信号准确的本质组分IMF；另一方面利用灰色理论方法，对由EMD分解出的各个IMF两端数据进行延拓，再进行希尔伯特变换，得到Hilbert谱。本发明充分发挥了灰色模型所需输入数据量少、短期预测精度高、计算速度快、有效处理非线性或非平稳信号的优势。应用于信号处理领域。
-
公开(公告)号：CN101853401A
公开(公告)日：2010-10-06
申请号：CN201010209876.9
申请日：2010-06-25
Applicant: 哈尔滨工业大学
IPC: G06K9/66
Abstract: 一种基于二维经验模态分解的多分组图像分类方法，属于图像处理领域，本发明为解决传统分类方法对图像本质特征利用不充分，分类精度低的问题，本发明包括如下步骤：一：对多分组图像中各波段分别进行二维经验模态分解，得到前K个频率由高到低依次递减的二维本征模态函数分量IMF和1个残差；二：对前K个二维分量IMF求和作为特征值；三：多个多分组图像的特征值按比例任意选取作为支持向量机的训练样本和测试样本，对训练样本进行支持向量机参数训练，再进行归属判定，形成多个支持向量机子分类器；四：利用多个支持向量机子分类器构建基于一对一策略的多分类器，并依据决策函数对测试样本的归属类别做出决策，完成多分组图像的分类。
-
Patent Agency Ranking
公开(公告)号：CN102542296B
公开(公告)日：2014-08-06
申请号：CN201210005968.4
申请日：2012-01-10
Applicant: 哈尔滨工业大学
Abstract: 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，属于图像处理领域，本发明为解决现有二维经验模态分解方法受端点效应影响而无法有效提取图像本征信息的问题。本发明采用多变量灰色模型对给定图像进行边界延拓，再对延拓后的图像进行传统的二维经验模态分解，得到延拓的二维本征模态函数和残差，提取与原图像对应位置的二维本征模态函数和残差，作为最终分解结果。本发明充分发挥了灰色理论所需数据量少、短期预测精度高、计算速度快、对原始数据分布无特殊要求的优势，易于实现与推广应用。
-
公开(公告)号：CN102622611B
公开(公告)日：2014-02-19
申请号：CN201210065533.9
申请日：2012-01-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于特征扩展和模糊支持向量机的多分组图像分类方法，属于图像处理领域，本发明为解决现有多分组图像分类方法无法有效提取图像本质特征，分类精度较低的问题。本发明方法为：先去掉被噪声等严重污染而无法使用的波段，对剩下的波段依次进行二维经验模态分解，得到一些二维本征模态函数，将这些二维本征模态函数进行有机组合，扩展为多分组图像的特征，最后用模糊支持向量机分类器分类。本发明充分发挥了二维经验模态分解能自适应地提取复杂图像本质特征的优势，有效获取多分组图像特征；采用模糊支持向量机作为分类器，兼具支持向量机和模糊函数二者的优势，有利于提高分类精度。
-
公开(公告)号：CN101847210B
公开(公告)日：2012-10-03
申请号：CN201010209877.3
申请日：2010-06-25
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于二维经验模态分解和小波降噪的多分组图像分类方法，属于图像处理领域，本发明为解决传统分类方法对图像本质特征利用不充分，分类精度低的问题，本发明包括如下步骤：一：对多分组图像中各波段分别进行二维经验模态分解，得到前K个二维分量IMF和1个残差；二：对前K个二维分量IMF求和作为特征值，小波降噪后获取降噪后特征值；三：多个多分组图像的降噪后特征值按比例任意选取作为支持向量机的训练样本和测试样本，对训练样本进行支持向量机参数训练，再进行归属判定，形成多个支持向量机子分类器；四：利用多个支持向量机子分类器构建基于一对一策略的多分类器，并依据决策函数对测试样本的归属类别做出决策，完成多分组图像的分类。
-
公开(公告)号：CN102542296A
公开(公告)日：2012-07-04
申请号：CN201210005968.4
申请日：2012-01-10
Applicant: 哈尔滨工业大学
Abstract: 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，属于图像处理领域，本发明为解决现有二维经验模态分解方法受端点效应影响而无法有效提取图像本征信息的问题。本发明采用多变量灰色模型对给定图像进行边界延拓，再对延拓后的图像进行传统的二维经验模态分解，得到延拓的二维本征模态函数和残差，提取与原图像对应位置的二维本征模态函数和残差，作为最终分解结果。本发明充分发挥了灰色理论所需数据量少、短期预测精度高、计算速度快、对原始数据分布无特殊要求的优势，易于实现与推广应用。
-
公开(公告)号：CN101853401B
公开(公告)日：2012-05-30
申请号：CN201010209876.9
申请日：2010-06-25
Applicant: 哈尔滨工业大学
IPC: G06K9/66
Abstract: 一种基于二维经验模态分解的多分组图像分类方法，属于图像处理领域，本发明为解决传统分类方法对图像本质特征利用不充分，分类精度低的问题，本发明包括如下步骤：1.对多分组图像中各波段分别进行二维经验模态分解，得到前K个频率由高到低依次递减的二维本征模态函数分量IMF和1个残差；2.对前K个二维分量IMF求和作为特征值；3.多个多分组图像的特征值按比例任意选取作为支持向量机的训练样本和测试样本，对训练样本进行支持向量机参数训练，再进行归属判定，形成多个支持向量机子分类器；4.利用多个支持向量机子分类器构建基于一对一策略的多分类器，并依据决策函数对测试样本的归属类别做出决策，完成多分组图像的分类。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
