-
公开(公告)号：CN112414950B
公开(公告)日：2021-08-31
申请号：CN202011221414.9
申请日：2020-11-05
申请人： 西南交通大学 , 南方电网科学研究院有限责任公司
摘要： 本发明公开了一种协同高光谱与红外技术的绝缘子等值盐密检测方法，其包括：采集输变电系统多个积污绝缘子的高光谱图像和红外图像，将其划分为若干区域；拆取部分绝缘子并根据图像划分结果选择其中部分区域测量等值盐密；对高光谱图像数据和红外图像数据进行预处理，提取已测量等值盐密区域的高光谱图像数据与红外图像数据中有利于等值盐密划分的特征量；将高光谱图像与红外图像特征量结合，建立其与等值盐密间的映射关系模型，利用该模型实现输电线路绝缘子等值盐密检测与污秽程度评估。本发明为输电线路绝缘子污秽程度评估提供有力的理论基础及技术支撑，运维人员可根据评估结果制定相应的清扫或更换策略，提高工作效率，节省人力和物力。
-
公开(公告)号：CN112414950A
公开(公告)日：2021-02-26
申请号：CN202011221414.9
申请日：2020-11-05
申请人： 西南交通大学 , 南方电网科学研究院有限责任公司
摘要： 本发明公开了一种协同高光谱与红外技术的绝缘子等值盐密检测方法，其包括：采集输变电系统多个积污绝缘子的高光谱图像和红外图像，将其划分为若干区域；拆取部分绝缘子并根据图像划分结果选择其中部分区域测量等值盐密；对高光谱图像数据和红外图像数据进行预处理，提取已测量等值盐密区域的高光谱图像数据与红外图像数据中有利于等值盐密划分的特征量；将高光谱图像与红外图像特征量结合，建立其与等值盐密间的映射关系模型，利用该模型实现输电线路绝缘子等值盐密检测与污秽程度评估。本发明为输电线路绝缘子污秽程度评估提供有力的理论基础及技术支撑，运维人员可根据评估结果制定相应的清扫或更换策略，提高工作效率，节省人力和物力。
-
公开(公告)号：CN110427619A
公开(公告)日：2019-11-08
申请号：CN201910663927.6
申请日：2019-07-23
申请人： 西南交通大学
摘要： 本发明公开了一种基于多通道融合与重排序的中文文本自动校对方法。该方法中的神经机器翻译模型选择卷积编解码网络，通过三个预测通道结合字级别和子词级别的校对模型，其中各通道均启用集成解码机制并输出N个最佳候选，然后应用重排序组件基于标准化的语言模型特征对聚合的输出结果重打分。不同中文校对系统的性能对比实验表明，M1+M2+M3(4ens，n-best)+LM特征(标准化)在NLPCC 2018中文校对基准测试集上建立了新的SOTA分数，相较于之前最好的结果，性能相对提升了约19.4％。不同重排序方法对比实验表明了本发明提出的LM特征(标准化)重排序方法的有效性。组件拆解对比实验则表明了各通道启用集成解码和n-best输出的必要性。
-
公开(公告)号：CN110415071A
公开(公告)日：2019-11-05
申请号：CN201910592949.8
申请日：2019-07-03
申请人： 西南交通大学
IPC分类号： G06Q30/06 , G06F16/35 , G06F16/951 , G06F17/27
摘要： 本发明公开了一种基于观点挖掘分析的汽车竞品对比方法，首先构建汽车用户评价训练数据集，之后使用深度学习网络结构，包括卷积神经网络TextCNN训练文本主题抽取模型、LSTM-Attention训练文本情感极性判别模型；通过结合TextCNN及LSTM-Attention两种深度学习模型，利用pipeline处理的方式得到汽车用户评价主题及主题情感打分，最后利用模型输出主题评价和情感极性实现基于汽车用户评论观点的汽车竞品对比。与现有技术相比，汽车竞品分析来源于用户评论，具有真实性高、可行性强的特点，且模型有良好的准确率和通用性。
-
公开(公告)号：CN110415071B
公开(公告)日：2024-02-27
申请号：CN201910592949.8
申请日：2019-07-03
申请人： 西南交通大学
IPC分类号： G06Q30/0601 , G06F16/35 , G06F16/951 , G06F40/30
摘要： 本发明公开了一种基于观点挖掘分析的汽车竞品对比方法，首先构建汽车用户评价训练数据集，之后使用深度学习网络结构，包括卷积神经网络TextCNN训练文本主题抽取模型、LSTM‑Attention训练文本情感极性判别模型；通过结合TextCNN及LSTM‑Attention两种深度学习模型，利用pipeline处理的方式得到汽车用户评价主题及主题情感打分，最后利用模型输出主题评价和情感极性实现基于汽车用户评论观点的汽车竞品对比。与现有技术相比，汽车竞品分析来源于用户评论，具有真实性高、可行性强的特点，且模型有良好的准确率和通用性。
-
公开(公告)号：CN110427619B
公开(公告)日：2022-06-21
申请号：CN201910663927.6
申请日：2019-07-23
申请人： 西南交通大学
IPC分类号： G06F40/216 , G06F40/289 , G06F40/253 , G06F40/58 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于多通道融合与重排序的中文文本自动校对方法。该方法中的神经机器翻译模型选择卷积编解码网络，通过三个预测通道结合字级别和子词级别的校对模型，其中各通道均启用集成解码机制并输出N个最佳候选，然后应用重排序组件基于标准化的语言模型特征对聚合的输出结果重打分。不同中文校对系统的性能对比实验表明，M1+M2+M3(4ens，n‑best)+LM特征(标准化)在NLPCC 2018中文校对基准测试集上建立了新的SOTA分数，相较于之前最好的结果，性能相对提升了约19.4％。不同重排序方法对比实验表明了本发明提出的LM特征(标准化)重排序方法的有效性。组件拆解对比实验则表明了各通道启用集成解码和n‑best输出的必要性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.047 秒)
