“李军怀”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果59个，建议您升级VIP下载更多相关专利

[发明专利]基于信道状态信息的室内实时排队人数检测方法-CN202310855839.2在审
发明人：费蓉;郭与番;李军怀;李爱民;邱原;万雨欣;杨璐 -专利权人：西安理工大学
申请日： 2023-07-12 - 公布日： 2023-10-27 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了基于信道状态信息的室内实时排队人数检测方法，搭建单发射器‑单接收器的WiFi检测区域，采集视距路径下不同人数排队场景下的CSI原始信号并进行天线优选，筛选随人数变化信号波动明显的发射天线序列，对天线序列对应的接收天线上的信号振幅及相位进行数据预处理，对处理后的振幅及相位进行拼接，构成特征向量，并制定类别标签，构建数据集；建立GA‑LSTM‑FC组合模型检测室内排队人数，结合菲涅尔区理论，根据人走向不同其对应的信号反映强弱不同，判断有人进/出队列，实时调整排队人数，当信号发生较大跳跃可得知有人员出入队列，即重新检测排队人数。本发明增加了检测的自调节功能，节省了计算资源，提高了检测率。
基于信道状态信息室内实时排队人数检测方法

[发明专利]面向装备制造的多数据链集成与融合知识图谱构建方法-CN202310559702.2在审
发明人： 李军怀;权航博;王怀军;曹霆;崔颖安 -专利权人：西安理工大学
申请日： 2023-05-18 - 公布日： 2023-09-26 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种面向装备制造的多数据链集成与融合知识图谱构建方法，首先收集装备制造领域数据；进行预处理，并分为结构化关系型数据与非结构化文本数据；将结构化数据语料进行处理，并导入Neo4j图形数据库存储；将非结构化文本数据使用深度学习进行实体抽取和关系抽取；将抽取结果整理并导入Neo4j图形数据库，并在Neo4j图形数据库中对知识图谱进行初步处理，在进行知识图谱导出；将导出的知识图谱数据输入实体对齐模型，进行实体对齐任务训练。本发明解决了现有技术中存在构建的知识图谱数据不完整、噪声大的问题。
面向装备制造多数集成融合知识图谱构建方法

[发明专利]一种室内位置的反向传播神经网络概率密度预测方法-CN202110985511.3有效
发明人：费蓉;郭与番;李军怀;李爱民;张宽;杨璐 -专利权人：西安理工大学
申请日： 2021-08-26 - 公布日： 2023-09-19 - 主分类号： G06N3/047 文献下载
摘要：本发明公开了一种室内位置的反向传播神经网络概率密度预测方法，首先选取多层室内结构的正方形测试区域作为试验场地，以矩形网格形式共选取n*n个标准参考点，在试验场地的四角分别设置RSSI信号发射器，将选取的标准参考点测得的RSSI值和角度值两类数据汇总到同一标准数据集；将测得的标准数据集进行归一化处理；将处理后的标准数据集按照7:3划分为训练集和测试集；改进并分析传统的反向传播神经网络模型，最终得到改进后的BPNN模型；最后得到参考标准点的累积误差分布函数和概率密度函数。本发明解决了不同环境下的室内位置数据存在的分布情况模拟不好及其概率计算误差较大的问题，提高了室内定位精度。
一种室内位置反向传播神经网络概率密度预测方法

[发明专利]一种基于金字塔切分注意力模块的遥感图像语义分割方法-CN202111009766.2有效
发明人： 李军怀;乔路琪;王怀军;曹霆;安洋 -专利权人：西安理工大学
申请日： 2021-08-31 - 公布日： 2023-09-15 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于金字塔切分注意力模块的遥感图像语义分割方法，首先获取高分辨率遥感影像，构建遥感图像多类别语义分割数据集；将数据集分为训练集和测试集，采用基于最佳波段指数OIF选择适合遥感地物分类的最佳波段组合，并将选择后的波段组合作为输入数据；然后搭建基于金字塔切分注意力模块的遥感图像语义分割模型对数据集进行训练，得到带有最优参数的遥感图像语义分割模型；将待识别的高分辨率遥感影像送入带有最优参数的遥感图像语义分割模型中进行识别，最后得到遥感图像语义分割的识别结果。本发明用以解决在深度卷积神经网络过程中小目标特征逐渐遗失的问题，同时提高对高分辨率遥感图像语义分割的分割精度。
一种基于金字塔切分注意力模块遥感图像语义分割方法

[发明专利]基于反馈全卷积神经网络的视频语义分割方法-CN202310326418.0在审
发明人：王怀军;刘中胜;李军怀;张发存;刘攀 -专利权人：西安理工大学
申请日： 2023-03-29 - 公布日： 2023-07-21 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于反馈全卷积神经网络的语义分割方法，通过边缘端硬件设备以实时监测的方式实时获取数据，将获取到的监测视频作为原始数据集进行语义标注，构成测试集；使用传统的残差网络模型行预训练，以助于克服在深层训练时的消失梯度问题；在模型中添加一个反馈机制来隐式的捕捉空间上下文信息，通过一系列优化函数进行损耗优化；代替了传统模型中的CRF后处理模块，相比于其他的自动上下文方法，降低了计算复杂度，更加有利于模型在实际应用场景下的快速部署。
基于反馈卷积神经网络视频语义分割方法

[发明专利]一种基于DCAE-LSTM短期日负荷曲线预测方法-CN202110212361.2有效
发明人： 李军怀;丁东;张阔;王怀军;曹霆 -专利权人：西安理工大学
申请日： 2021-02-25 - 公布日： 2023-06-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于DCAE‑LSTM短期日负荷曲线预测方法，具体按照以下步骤实施：步骤1、构建电力负荷带有高噪声的数据集；步骤2、构造卷积去噪自编码器(DCAE)；步骤3、构造基于长短期记忆网络(LSTM)的负荷预测网络；步骤4、将DCAE与基于LSTM的负荷预测网络结合，组成混合深度神经网络；步骤5、将步骤1中带有高噪声的数据集输入步骤4中的混合深度神经网络实现短期日负荷曲线的预测。结合了DCAE的去噪能力和LSTM的预测能力，使得可以不必事先建立主观模型，而直接根据观测数据序列本身的客观规律进行预测，避免了数据采集噪声因素，提高预测的精度和可信度。
一种基于 dcae lstm 短期负荷曲线预测方法

[发明专利]一种图像湍流畸变校正方法-CN202310452516.9在审
发明人：成宽洪;吴钰博;孟海宁;郭禹汝;李帆;曹霆;金海燕;费蓉;王怀军;李军怀 -专利权人：西安理工大学
申请日： 2023-04-25 - 公布日： 2023-06-27 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及图像处理技术领域，解决了现有技术无法提升畸变校正图像预测精度的技术问题，尤其涉及一种图像湍流畸变校正方法，包括以下步骤：S1、基于VGG19网络构建一级校正网络，一级校正网络包括特征融合模块和稠密连接模块；S2、将湍流畸图像输入至一级校正网络中，输出估计湍流畸变图像在一级校正网络上的不确定性映射，即湍流畸变图像在一级校正网络上的方差映射图。本发明通过二级校正网络对湍流畸变图像在一级校正网络的不确定性映射图引导下重点恢复不确定性较大的图像区域，最后输出一张湍流畸变校正图像，并且通过网络对抗和损失函数进行网络优化，可以得到更好的畸变校正效果，提高了畸变校正图像的预测精度。
一种图像湍流畸变校正方法

[发明专利]一种路面裂缝检测方法及存储介质-CN202310441866.5在审
发明人：曹霆;胡劲元;李军怀;王怀军;王宇航;田程;张欣荣 -专利权人：西安理工大学
申请日： 2023-04-23 - 公布日： 2023-06-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种路面裂缝检测方法及存储介质，涉及目标检测技术领域，包括以下步骤：采集待检测图像；将多个待检测图像输入至MSF‑Transformer模型中，输出预测框和类别标签；根据预测框和类别标签对待检测图像中的裂缝进行检测。本发明将采集的二维图像输入至MSF算法模型，得到不同尺寸融合而来的特征图，以至适当缓解目标检测领域针对于细长微小的特征目标检测时对局部纹理特性以及全局纹理关系把握不够精准的困难，同时采用Transformer多层编码‑解码器结构，并结合位置编码，舍弃Anchor等先验知识约束和非极大值抑制的后处理步骤等，实现端到端的目标检测，大大简化了目标检测算法。
一种路面裂缝检测方法存储介质

[发明专利]基于CNN-LSTM的舞蹈情感识别方法-CN202010378560.6有效
发明人： 李军怀;王思敏;曹霆;王怀军 -专利权人：西安理工大学
申请日： 2020-05-07 - 公布日： 2023-05-30 - 主分类号： G06V40/20 文献下载
摘要：本发明公开的基于CNN‑LSTM的舞蹈情感识别方法，通过获得舞蹈情感数据集；针对舞蹈情感数据集的每一帧数据进行维度转换，变为2*160的输入维度至卷积神经网络，进行舞蹈情感特征的提取，并得到舞蹈情感特征向量；将舞蹈情感特征向量输入到长短时记忆神经网络，通过全连接层特征融合，使用BN层对特征数据进行归一化处理，最后将输出数据传入softmax层分类，完成舞蹈情感识别。本发明舞蹈情感识别方法，从肢体结构、空间方位、力效三个方面对舞蹈情感特征参数进行分析和描述，同时使用CNN‑LSTM混合深度学习模型对舞蹈情感数据进行训练，提取舞蹈情感特征，实现舞蹈情感识别，获得了较高的识别效率。
基于 cnn lstm 舞蹈情感识别方法

[发明专利]一种海绵城市管网设施部署评估方法-CN201911070466.8有效
发明人：王怀军;侯精明;马越;李军怀;邓朝显;曹霆 -专利权人：西安理工大学
申请日： 2019-11-05 - 公布日： 2023-05-23 - 主分类号： G06Q10/0639 文献下载
摘要：本发明公开的一种海绵城市管网设施部署评估方法，包括设城市内涝积水处于相对静止状态，选用城市局部区域，建立城市内涝预测区域模型；收集待评估城市的管网设施基础数据以及降雨数据，结合城市内涝预测区域模型，建立实际设施部署抽象模型；通过内涝点完成内涝覆盖区域的管网初步评估；通过sign(x)的节点覆盖算法，计算海绵城市管网设施节点的覆盖率，完成评估。本发明评估方法结合海绵城市内涝预测区域模型和实际设施部署抽象模型，采用并行化节点覆盖算法计算相应区域内涝点分布、内涝等级以及管网设施节点覆盖率，分析本区域的管网设施部署是否合理；解决了现有城市排水管网设施分布不合理，易造成城市内涝的问题。
一种海绵城市管网设施部署评估方法

[发明专利]基于深度学习的单细胞测序基因表达数据插补方法和系统-CN202211055015.9有效
发明人：李爱民;牛俊杰;费蓉;周红芳;李军怀;黑新宏;刘雅君;刘光明 -专利权人：西安理工大学
申请日： 2022-08-31 - 公布日： 2023-05-12 - 主分类号： G16B25/00 文献下载
摘要：本发明涉及基于深度学习的单细胞测序基因表达数据插补方法和系统，涉及生物信息学技术领域，该方法为获取单细胞测序用数据集，其中，所述数据集为多个细胞样本的基因表达水平组成的二维矩阵，即细胞‑基因矩阵；过滤所述数据集的细胞‑基因矩阵，并聚类筛选高表达基因；搭建神经网络模型，并将筛选出的高表达基因输入到神经网络模型进行训练和测试，得到预测模型；将低表达基因输入到预测模型中得到预测结果，将得到的预测结果插补到细胞‑基因矩阵中。本发明使用统计模型筛选出来的高表达基因作为深度学习模型的输入，保留了细胞之间的相似性，得到的基因有更密切的联系，通过神经网络学习细胞间的特征，使得在单细胞插补阶段有更好的准确率。
基于深度学习单细胞基因表达数据方法系统

[发明专利]基于分布式计算平台的超大规模输电网络扩展规划方法-CN202010305527.0有效
发明人：王周恺;王怀军;曹霆;王侃;马维纲;李军怀 -专利权人：西安理工大学
申请日： 2020-04-17 - 公布日： 2023-04-28 - 主分类号： G06Q10/067 文献下载
摘要：本发明公开了基于分布式计算平台的超大规模输电网络扩展规划方法，具体为：首先，初始化，用以将电网规划问题转化为具体的数学模型；其次，粗粒度推测并行，包括基于分布式计算平台并发执行确定任务和推测任务；最后，规划结果输出。通过建立数学模型，将电网规划方案的投资总额抽象化为目标函数，经过不断的迭代运算，将探索输电网络划分方案的问题转化为求解一维向量在目标函数中最优解的数学问题，利用自动并行化求解最优目标函数，最终求得的最优解为最佳电网规划方案的投资总额，而该解所对应的一维向量表示最优的电网划分方案。通过分布式计算平台和推测并行策略的结合，该方法大幅度提高了超大规模输电网络扩展规划的效率。
基于分布式计算平台超大规模输电网络扩展规划方法

[发明专利]基于强化学习联合协作多点传输的服务功能链部署方法-CN202211012894.7在审
发明人：王侃;袁鹏;周红芳;李军怀;王怀军 -专利权人：西安理工大学
申请日： 2022-08-23 - 公布日： 2023-03-07 - 主分类号： H04W16/18 文献下载
摘要：本发明公开了一种基于强化学习联合协作多点传输的服务功能链部署方法，首先描述边缘网络模型，描述边缘网络中服务器与用户的信道特征，使用波束赋形消除多个服务器与用户之间的通信干扰；建立服务器VNF实例化数量限制、服务器处理容量、物理链路带宽、VNF路由和VNF迁移预算限制下的数学模型；对长期优化问题进行建模；将长期优化问题解耦为逐时隙优化问题；最后建立奖励函数求解的子优化问题，降低动作空间搜索复杂度。本发明利用基于CoMP的迫零波束赋形技术来消除用户之间的无线链路干扰，然后使用基于自然梯度法的Actor‑Critic算法将长期动态SFC部署问题解耦为逐时隙的优化问题，从而进行在线求解。
基于强化学习联合协作多点传输服务功能部署方法

[发明专利]一种基于Wi-Fi信道状态信息的视距识别方法-CN202211139741.9在审
发明人：费蓉;郭与番;李军怀;李爱民;杨璐;王战敏;白雪茹 -专利权人：西安理工大学
申请日： 2022-09-19 - 公布日： 2022-12-20 - 主分类号： H04W64/00 文献下载
摘要：本发明公开了一种基于Wi‑Fi信道状态信息的视距识别方法，包括：步骤1，搭建单发射器‑单接收器的Wi‑Fi检测环境，采集视距、非视距两种情况下在不同采样点的信道状态信息即CSI信号；步骤2，对步骤1中采集的信号进行数据预处理；步骤3，对步骤2预处理后的信号进行均值、标准偏差、变异系数、偏度、峭度、相位差因子和Rician‑K因子等特征提取，并制定视距、非视距两种情况下的类别标签，构建数据集；步骤4，对步骤3所得数据集进行最小‑最大规范化处理；步骤5，提出基于粒子群优化算法的SVM分类器进行视距识别，将步骤4得到的训练集数据作为步骤5模型的输入，可以精准识别室内视距、非视距状态。本发明成本低、易部署，具备较高的识别准确度。
一种基于 wi fi 信道状态信息视距识别方法

[发明专利]基于Transformer的无参考视频质量评价方法-CN202211050847.1在审
发明人： 李军怀;冯玉琴;崔颖安;王怀军;于蕾 -专利权人：西安理工大学
申请日： 2022-08-30 - 公布日： 2022-12-06 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于Transformer的无参考视频质量评价方法，首先下载视频质量评价的公开数据集KoNViD‑1k，其中包括视频数据以及对应的标签文件，然后构建基于Transformer的无参考视频质量评价方法的网络模型，将视频帧图像送到多层级联的使用移动窗口的分层视觉变换器Swin‑Transformer模块中提取视频特征和对应的质量分数文件；将数据集划分为训练集、测试集和验证集，随之对应的标签文件也划分方式划分为训练集、测试集和验证集；最后加载视频特征文件和质量分数文件送到基于特征融合的金字塔聚合模块中，训练模型，最终得到待评测视频的质量分数。本发明能够完成对视频的质量评价。
基于 transformer 参考视频质量评价方法

1
2
3
4
下一页»
尾页
共 59 条