“都奕”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种最小游程切换点标记编码压缩方法及装置-CN201911192482.4有效
发明人：詹文法;陶鹏程;蔡雪原;邵志伟;彭勇;张振林;丁文祥;彭登辉;华铭;都奕 -专利权人：安庆师范大学
申请日： 2019-11-28 - 公布日： 2023-06-30 - 主分类号： H03M7/46 文献下载
摘要：本发明涉及一种最小游程切换点标记编码压缩方法，包括S1、将测试向量进行均匀划分成若干组区域；S2、将区域中的所有测试向量进行编码压缩，压缩后继续压缩下一组区域中的测试向量，直至全部区域压缩；S3、将该组区域的测试向量压缩后，继续读取下一组区域，重复执行步骤S2；直到最后一个区域压缩完成。本发明还公开了一种最小游程切换点标记编码压缩装置。本发明针对测试向量与测试向量之间游程的关系进行压缩，极大缩短了编码字的数量，有效得提高了压缩率。
一种最小游程切换标记编码压缩方法装置

[发明专利]拖曳式传感器阵列中尺度涡时间序列卷积分类方法-CN202210279199.0有效
发明人：年睿;卢宗灿;何波;张正光;高爽;翟颖;张卉;都奕 -专利权人：中国海洋大学
申请日： 2022-03-22 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种拖曳式传感器阵列中尺度涡时间序列卷积分类方法，属于海洋观测技术领域。该方法包括：利用拖曳式传感器阵列采集海剖面观测数据，并对其进行扩增，并标注样本类别；建立时间卷积网络，选取具可区分性的最优Shapelet局部特征，并将多维立体观测时间序列转换为其与Shapelet的距离向量；构建在线序列超限学习机，将得到的距离向量的训练样本及其对应的类别标签输入至在线序列超限学习机网络进行训练，再将测试样本输入至训练好的在线序列超限学习机网络模型，最终获得目标分类结果。本发明再基于深度学习领域，速度更快，分类更准，能够更好地对传感器采集到的海洋数据进行分类，实现海洋环境立体监测。
拖曳传感器阵列尺度时间序列卷积分类方法

[发明专利]拖曳式传感器阵列多维时间序列自编码器去噪方法-CN202210311897.4在审
发明人：年睿;钱玉琪;何波;高爽;翟颖;张卉;都奕 -专利权人：中国海洋大学
申请日： 2022-03-28 - 公布日： 2022-07-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种拖曳式传感器阵列多维时间序列自编码器去噪方法，该方法将传统的时间序列去噪方法融入深度学习中，基于VAE网络框架，将其生成器的卷积神经网络替换为深度残差收缩网络，实现对高低阈值噪声去除的目的；通过引入残差收缩网络，改进的残差收缩网络适合于各个样本中噪声含量不同的情况，适用于去除阈值内的噪声信号；之后将软阈值去噪后的图像，经由小波变换神经网络输出；使用小波神经网络作为生成器的基础性架构。本发明能够运用于多种场景下采集的原始信号，应用范围广，实用性和准确率得到明显提升。
拖曳传感器阵列多维时间序列编码器方法

[发明专利]拖曳式传感器阵列中尺度涡时间序列图卷积聚类方法-CN202210311899.3在审
发明人：年睿;李秋颖;何波;高爽;翟颖;张卉;都奕 -专利权人：中国海洋大学
申请日： 2022-03-28 - 公布日： 2022-07-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种拖曳式传感器阵列中尺度涡时间序列图卷积聚类方法。该方法包括以下步骤：搭建拖曳系统整体链路；拖曳式传感器阵列布放与回收，获得时间序列数据；运用词向量中的连续词袋模型模型计算时间序列分段特征向量的相似度并进行层次聚类，以聚类中心统一表征该类别内的特征向量，将以此表征的分段时间序列特征向量值划分为训练样本和待测样本，遴选中尺度涡具有阶段代表性的关键特征向量类别作为标签；建立并训练图卷积网络模型，建立亲和图，将待测样本输入至训练好的GCN，获取中尺度涡阶段代表性聚类输出；基于图卷积网络二次聚类，最后得出时间序列的聚类结果。本发明通过两次聚类，最终得到了高准确度的时间序列分类结果。
拖曳传感器阵列尺度时间序列图卷积聚方法

[发明专利]基于可测试面积估算测试性能的测试集重排序方法及装置-CN201911206856.3有效
发明人：詹文法;陶鹏程;蔡雪原;邵志伟;彭勇;张振林;丁文祥;彭登辉;华铭;都奕 -专利权人：安庆师范大学
申请日： 2019-11-29 - 公布日： 2022-02-22 - 主分类号： G01R31/28 文献下载
摘要：本发明涉及一种基于估算测试性能的测试集重排序方法，包括以下步骤：S1、生成测试集并仿真测试；S2、估算测试集中测试向量的故障测试性能；S3、对估算后的测试集进行重新排序，得到新的测试集。本发明还公开了一种基于估算测试性能的测试集重排序装置，本发明依据测试性能的高低对测试向量进行重新排序，使用重新排序后的测试向量进行测试，可以有效减少故障电路的测试时间，提高测试效率。
基于测试面积估算性能排序方法装置

[发明专利]一种基于前向相容的折叠集分层压缩方法及装置-CN201911192492.8有效
发明人：詹文法;陶鹏程;蔡雪原;邵志伟;彭勇;张振林;丁文祥;彭登辉;华铭;都奕 -专利权人：安庆师范大学
申请日： 2019-11-28 - 公布日： 2021-10-15 - 主分类号： G01R31/3183 文献下载
摘要：本发明涉及一种基于前向相容的折叠集分层压缩方法，步骤如下：S1、划分测试向量；S2、从划分的测试向量中，获取待编码数据块与折叠集；S3、根据折叠集依次对待编码数据块进行编码；S4、判断待编码数据块是否为最后一个，如果是输出压缩后的测试向量，如果不是返回执行步骤S3。本发明还公开了一种基于前向相容的折叠集分层压缩装置。本发明通过将测试向量划分，利用参考向量作为折叠种子生成折叠集，依次对剩余的待编码数据块与参考向量进行相容性判断，从而实现降低参考向量的相容条件，使原本不具有相容关系的两个数据块产生相容关系，即增大了数据块间的相容性，从而在原来相容压缩的基础上进一步提高了数据的压缩率。
一种基于相容折叠分层压缩方法装置