-
公开(公告)号：CN108829852B
公开(公告)日：2021-11-12
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538 , G06Q50/14
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
Patent Agency Ranking
公开(公告)号：CN110608884A
公开(公告)日：2019-12-24
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN110031227A
公开(公告)日：2019-07-19
申请号：CN201910433022.X
申请日：2019-05-23
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于双通道卷积神经网络的滚动轴承状态诊断方法，包括采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据；对采集的振动加速度数据进行数据增强处理；对数据增强处理后的振动加速度数据按照滚动轴承状态类型贴上相应标签；构建卷积神经网络诊断模型，并用处理后的振动加速度数据对诊断模型进行训练；其中，所述诊断模型具有双通道卷积神经网络，所述双通道卷积神经网络包括两个用于分别抽取不同跨度的振动加速度数据的特征的卷积核；评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明的方法在不增加原始数据的情况下获得了更为细腻的信息，增加了诊断模型的精度与鲁棒性。
-
公开(公告)号：CN108829852A
公开(公告)日：2018-11-16
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
公开(公告)号：CN110608884B
公开(公告)日：2021-01-05
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN110490849A
公开(公告)日：2019-11-22
申请号：CN201910720076.4
申请日：2019-08-06
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于深度卷积神经网络的钢板表面缺陷分类方法及装置，该分类方法包括：构建钢铁表面缺陷数据集，所述缺陷包括龟裂、折叠、覆盖杂质、斑点、点蚀面、表面氧化、划痕；对所述钢铁表面缺陷数据集进行预处理；对预处理后的数据集中的图像进行数据扩充；将数据扩充处理后的数据集作为训练集；利用所述训练集训练深度卷积神经网络；利用所训练的深度卷积神经网络对钢板表面缺陷进行分类。本发明对于图像分类来说，具有较高的精准度。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
