-
公开(公告)号：CN111024569B
公开(公告)日：2022-07-01
申请号：CN201910995128.9
申请日：2019-10-18
申请人： 重庆邮电大学
摘要： 本发明公开了一种磨粒检测传感器的标定方法及其存储介质，涉及油液磨粒监测领域。包括以下步骤：首先对基于电磁式磨粒检测传感器采集到的电压信号X(n)，进行去直流偏移和取模处理得到信号|X(n)|；接着使用极大值法计算信号|X(n)|的上包络，取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts。并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方。然后将计算所有数据之和，得到磨粒信号的能量P。在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)并对能量序列P(n)进行筛选并计算该筛选后的能量序列的调和平均数。最后通过最小二乘法拟合得到能量与浓度之间的关系，并通过线性度标定磨粒检测传感器的有效性。本方法标定方法计算简单，并提高了标定的效率。
-
公开(公告)号：CN112231583B
公开(公告)日：2022-06-28
申请号：CN202011249665.8
申请日：2020-11-11
申请人： 重庆邮电大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/08
摘要： 本发明涉及数据分析和推荐系统技术领域，具体涉及一种基于动态兴趣组标识和生成对抗网络的电商推荐方法，包括：输入用户行为数据的评分特征，使用训练好的评分预测模型进行预测，评分预测模型输出评分的预测值，根据评分的预测值生成推荐列表为用户推荐项目。本发明利用生成对抗网络补偿数据，对补偿后的数据标识兴趣组类别，解决了用户无兴趣偏好信息和兴趣泛化问题，对用户和商家都有重要的应用价值。
-
公开(公告)号：CN112231583A
公开(公告)日：2021-01-15
申请号：CN202011249665.8
申请日：2020-11-11
申请人： 重庆邮电大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/08
摘要： 本发明涉及数据分析和推荐系统技术领域，具体涉及一种基于动态兴趣组标识和生成对抗网络的电商推荐方法，包括：输入用户行为数据的评分特征，使用训练好的评分预测模型进行预测，评分预测模型输出评分的预测值，根据评分的预测值生成推荐列表为用户推荐项目。本发明利用生成对抗网络补偿数据，对补偿后的数据标识兴趣组类别，解决了用户无兴趣偏好信息和兴趣泛化问题，对用户和商家都有重要的应用价值。
-
公开(公告)号：CN111024569A
公开(公告)日：2020-04-17
申请号：CN201910995128.9
申请日：2019-10-18
申请人： 重庆邮电大学
摘要： 本发明公开了一种磨粒检测传感器的标定方法及其存储介质，涉及油液磨粒监测领域。包括以下步骤：首先对基于电磁式磨粒检测传感器采集到的电压信号X(n)，进行去直流偏移和取模处理得到信号|X(n)|；接着使用极大值法计算信号|X(n)|的上包络，取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts。并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方。然后将计算所有数据之和，得到磨粒信号的能量P。在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)并对能量序列P(n)进行筛选并计算该筛选后的能量序列的调和平均数。最后通过最小二乘法拟合得到能量与浓度之间的关系，并通过线性度标定磨粒检测传感器的有效性。本方法标定方法计算简单，并提高了标定的效率。
-
公开(公告)号：CN106096561A
公开(公告)日：2016-11-09
申请号：CN201610430945.6
申请日：2016-06-16
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于图像块深度学习特征的红外行人检测方法，属于图像处理与计算机视觉技术领域。该方法将数据集分为训练集和测试集，在训练阶段，首先在红外行人数据集的正负样本上滑动提取小图像块，然后进行聚类，对每一类图像块训练一个卷积神经网络。然后用训练好的卷积神经网络组对正负样本进行特征提取，并训练SVM分类器。在测试阶段，首先对测试图像提取感兴趣区域，然后对感兴趣区域使用训练好的卷积神经网络组提取特征，最后利用SVM分类器进行预测。本发明以检验每个感兴趣区域是否属于行人区域的方式，达到行人检测的目的，能够在检测场景复杂、环境温度较高、行人尺度姿态差异大等情况下准确的检测出红外图像中的行人，并为后续智能视频等相关领域的研究提供支持。
-
公开(公告)号：CN106096561B
公开(公告)日：2020-02-07
申请号：CN201610430945.6
申请日：2016-06-16
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于图像块深度学习特征的红外行人检测方法，属于图像处理与计算机视觉技术领域。该方法将数据集分为训练集和测试集，在训练阶段，首先在红外行人数据集的正负样本上滑动提取小图像块，然后进行聚类，对每一类图像块训练一个卷积神经网络。然后用训练好的卷积神经网络组对正负样本进行特征提取，并训练SVM分类器。在测试阶段，首先对测试图像提取感兴趣区域，然后对感兴趣区域使用训练好的卷积神经网络组提取特征，最后利用SVM分类器进行预测。本发明以检验每个感兴趣区域是否属于行人区域的方式，达到行人检测的目的，能够在检测场景复杂、环境温度较高、行人尺度姿态差异大等情况下准确的检测出红外图像中的行人，并为后续智能视频等相关领域的研究提供支持。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.03 秒)
