“侯安锴”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9个，建议您升级VIP下载更多相关专利

[发明专利]基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法-CN202010010915.6有效
发明人：郑泽忠;江邵斌;刘佳玺;李锴;牟范;侯安锴;李江 -专利权人：电子科技大学
申请日： 2020-01-06 - 公布日： 2023-06-27 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法，数据预处理：将SAR影像数据进行数据标注与切分，将VOC2012图片数据集进行三通道灰度平衡处理；进行yolov3模型预训练：将VOC2012图片数据集作为输入数据，投入通用yolov3模型中进行模型训练；对训练后的yolov3模型进行迁移学习：将SAR影像数据投入预训练后的yolov3模型当中进行优化，获得目标yolov3检测模型；对实时SAR影像数据进行滑动窗口策略处理，然后输入到所述目标yolov3检测模型中，从而获得检测结果，并对所述检测结果进行聚类算法去重。本发明在低分辨率SAR影像上可以取得良好的检测效果，同时可以调节检测速度，具有识别速度快，检测精度高的优点，且本套方法也可用于其他类型卫星影像的目标检测。
基于 yolov3 算法滑动窗口策略 sar 影像海面舰船检测方法

[发明专利]一种城市功能系统的鲁棒性评估方法-CN202010097423.5有效
发明人：郑泽忠;牟范;侯安锴;刘泽宇;陈宇帆;李慕杰;李江 -专利权人：电子科技大学
申请日： 2020-02-17 - 公布日： 2023-06-20 - 主分类号： G06Q10/0637 文献下载
摘要：本发明公开了一种城市功能系统的鲁棒性评估方法,包括以下步骤：获取目标区域的城市功能系统组成地图，其中城市功能系统包括多种功能区域；提取所述城市功能系统中各个功能区域的中心点来代表相应的功能区域，并确定各个功能区域的网络模型之间的耦合关系；分析各个功能区域的网络模型的鲁棒性指标；提供攻击破坏实验对各个功能区域网络模型的鲁棒性进行仿真验证，观察记录仿真过程中各个功能区域网络模型的鲁棒性指标变化趋势；建立相应的仿真评估指标。本发明获取研究区的城市功能系统组成地图，通过设计针对性的鲁棒性指标及仿真评估指标，并设计多种情形的攻击破坏实验，该评估方法能有效且准确的进行城市功能系统的鲁棒性评估。
一种城市功能系统鲁棒性评估方法

[发明专利]一种基于随机森林算法的电容型设备缺陷预测方法-CN201910588616.8有效
发明人：郑泽忠;江邵斌;牟范;马鹏程;谢乐;张亚萌;侯安锴 -专利权人：电子科技大学
申请日： 2019-07-02 - 公布日： 2023-04-18 - 主分类号： G06F16/215 文献下载
摘要：该发明公开了一种基于随机森林算法的电容型设备缺陷预测方法，属于人工智能领域，特别是变电，电容设备的缺陷预测。本发明采用数据量极为庞大，首先对数据进行清洗，将多余数据，重复数据进行删除，对数据格式进行统一，缺失数据进行填补，错误数据进行修改；然后对数据进行编码，采用编码输入预测模型，对预测模型进行训练，采用训练好的预测模型进行实时的预测目标设备。本发明预测精度高，实时性好。
一种基于随机森林算法电容设备缺陷预测方法

[发明专利]一种基于神经网络的身份证文字识别方法-CN201910621555.0有效
发明人：郑泽忠;李慕杰;向浩然;牟范;侯安锴;江邵斌 -专利权人：电子科技大学
申请日： 2019-07-10 - 公布日： 2023-04-18 - 主分类号： G06V30/148 文献下载
摘要：本发明提供一种基于神经网络的身份证文字识别方法，包括以下步骤：S1：进行色彩空间转换，将图像由RGB空间转换为HSV空间，并设置一定的(h，s，v)取值范围，提取出白色的证件区域；S2：将图像进行二值化处理，使用形态学开运算将文本行连通为类矩形区域，寻找外接矩形后提取出文本行；S3：将单个字符切割而出；S4：将单个文字图像逐个输入训练好的神经网络中进行识别，提高相似字的识别率。
一种基于神经网络身份证文字识别方法

[发明专利]一种基于神经网络的滑坡敏感性评估方法-CN201910667647.2有效
发明人：郑泽忠;侯安锴;刘佳玺;朱明仓;李慕杰;贺月;王娜;李江 -专利权人：电子科技大学
申请日： 2019-07-23 - 公布日： 2022-09-27 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于神经网络的滑坡敏感性评估方法，S1：筛选滑坡影响因子；S2：将筛选的若干滑坡影响因子原数据进行重分类；S3：构建神经网络学习模型；S4：选取样本点，所述样本点包含正样本点和负样本点，所述正样本点和所述负样本点都平均包含所述滑坡影响因子重分类后所有的情况；S5：选择训练样本点和测试样本点的最佳比例，将一定比例的训练样本点输入所述神经网络进行训练，剩下比例的样本点进行测试；S6：选择使模型精度最高的权重将待测样本点输入到所述神经网络进行训练并且设置输出为0～1的概率区间，输出的概率值为滑坡敏感性，整个过程样本数据获取容易并且分类精度高。
一种基于神经网络滑坡敏感性评估方法

[发明专利]一种基于深度学习替代有限元分析的电抗器磁场仿真方法-CN202110253268.6在审
发明人：彭庆军;郑泽忠;马鹏程;邹阅培;侯安锴 -专利权人：云南电网有限责任公司电力科学研究院;云南电网有限责任公司昆明供电局
申请日： 2021-03-05 - 公布日： 2021-05-11 - 主分类号： G06F30/27 文献下载
摘要：本申请的一种基于深度学习替代有限元分析的电抗器磁场仿真方法，涉及磁场仿真领域，包括获取电抗器的磁场数据以及电抗器基本参数；将磁场数据划分为训练数据集和测试数据集；对训练数据集进行预处理，得到特征向量值及对应特征值；将训练数据集对应的电抗器基本参数作为输入、将特征向量值作为输出，对深度学习模型进行训练；将测试数据集对应的电抗器基本参数输入到深度学习模型中，得到测试结果；对测试结果进行反处理，即得到电抗器磁场的仿真结果。本申请还包括一种电子设备，用于实现基于深度学习替代有限元分析的电抗器磁场仿真方法。本申请相比起有限元分析，预测速度明显更快，能够达到对磁场数据实时性预测的目的。
一种基于深度学习替代有限元分析电抗磁场仿真方法

[发明专利]一种基于特征扩展的bert电网缺陷文本分类方法-CN202010430653.9在审
发明人：郑泽忠;牟范;谢乐;杨宇霆;江邵斌;侯安锴 -专利权人：电子科技大学
申请日： 2020-05-20 - 公布日： 2020-09-22 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于特征扩展的bert电网缺陷文本分类方法，属于机器学习的数据处理领域，特别是错误数据识别领域。本发明利用电网的历史缺陷信息，采用k‑means聚类方法对历史缺陷信息做预处理。利用特征扩展的方法对缺陷文本特征进行降维和特征扩展。采用bert的方法在基于特征扩展的基础上对进行缺陷文本分类。改变了原有采用人工对缺陷数据进行分类的方式，具有分类速度快，分类精确的效果。
一种基于特征扩展 bert 电网缺陷文本分类方法

[发明专利]一种基于通信数据与兴趣点数据推断城市功能的方法-CN201911032148.2在审
发明人：郑泽忠;侯安锴;刘佳玺;程荟璇;肖一荻;李江 -专利权人：电子科技大学
申请日： 2019-10-28 - 公布日： 2020-02-07 - 主分类号： G06Q50/26 文献下载
摘要：本发明涉及城市规划领域，目的是提供一种基于通信数据与兴趣点数据推断城市功能的方法，本发明包括有将研究区划分区域、将多源时空大数据与划分地图叠加、获取步骤1中分割的每个区域内部特征的数量、选取训练模型的标签样本、建立深度学习模型，根据步骤4获得的标签样本对模型进行训练和城市功能可视化这6步对城市功能进行推断，便于对城市的未来规划，本发明具有实现简单，计算速度快，推断精度高，可视化效果好的优点。
城市功能推断可视化样本标签兴趣点数据城市规划划分区域区域内部通信数据训练模型大数据多源叠加时空分割规划学习研究

[发明专利]一种线性分类模型缺陷发生预测方法-CN201910626126.2在审
发明人：郑泽忠;谢乐;牟范;侯安锴;江邵斌;马鹏程 -专利权人：电子科技大学
申请日： 2019-07-11 - 公布日： 2019-10-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种线性分类模型缺陷发生预测方法，包括如下步骤:步骤一：缺陷数据集加载；步骤二：训练样本数据选取；步骤三：构建线性分类缺陷发生预测模型；步骤四：基于线性判别分析算法，将训练样本数据输入线性分类缺陷发生预测模型监督训练；步骤五：输入测试样本集到缺陷发生预测模型，输出预测结果。通过本发明，可以实现一种线性分类模型缺陷发生预测方法。
缺陷发生线性分类模型预测模型训练样本数据预测线性判别分析缺陷数据输出预测输入测试样本集分类构建加载算法监督

1
共 9 条