“林臻谦”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13个，建议您升级VIP下载更多相关专利

[发明专利]一种基于融合特征的GraphSAGE交通路网数据预测的方法-CN202011129295.4有效
发明人：徐东伟;商学天;魏臣臣;林臻谦;丁加丽;彭航 -专利权人：浙江工业大学
申请日： 2020-10-21 - 公布日： 2022-10-28 - 主分类号： G08G1/01 文献下载
摘要：一种基于融合特征的GraphSAGE交通路网数据预测的方法，首先对路网历史交通流数据进行相关性系数计算，构建路网相关性矩阵，并根据路网节点之间的相关性大小重新定义节点之间的连通状态，得到基于时间相关性的拓补路网；然后利用GraphSAGE分别对原始交通路网与重构后的拓补路网进行路网特征信息提取，并融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测。本发明融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测，提高了对交通路网状态数据预测的精度。
一种基于融合特征 graphsage 交通路网数据预测方法

[发明专利]一种基于残差图注意力网络的电机故障诊断方法-CN202011537414.X有效
发明人：徐东伟;朱钟华;林臻谦;周磊;杨浩;顾淳涛;宣琦 -专利权人：浙江工业大学
申请日： 2020-12-23 - 公布日： 2022-07-15 - 主分类号： G01R31/34 文献下载
摘要：一种基于残差图注意力网络的电机故障诊断方法，包括以下步骤：1)数据样本划分；2)故障特征信号提取；3)以故障特征信号的极值点为图网络的节点，定义节点之间相关性的规则，分别融合10个连续的小样本中的电流图网络作为模型输入样本，每个输入样本包括两个电流图网络；4)通过将残差网络ResNet和GAT进行结合，利用ResNet中的恒等映射思想来保证图信息在特征传递时的完整性；5)对于输入样本中的两个电流图网络，通过一层ResGAT和一层GAT提取特征，然后融合这两个特征图，再利用CNN提取特征并实现故障分类。本发明采用的电流数据获取容易且成本较低，ResGAT可以保证图信息的完整性。
一种基于残差图注意力网络电机故障诊断方法

[发明专利]一种基于图注意力网络的电机故障诊断方法-CN202010881735.5有效
发明人：徐东伟;朱钟华;戴宏伟;杨浩;林臻谦;宣琦 -专利权人：浙江工业大学
申请日： 2020-08-27 - 公布日： 2022-06-17 - 主分类号： G01R31/34 文献下载
摘要：一种基于图注意力网络的电机故障诊断方法，包括以下步骤：1)、数据样本划分；2)、对每个小样本中的两相电流分别进行带通滤波，得到去噪的状态特征电信号；3)、构建图网络：根据状态特征电信号的极值点构建电流图网络，再将大样本中两相电流的n个电流图网络融合得到该大样本的两相电流图网络；4)、构建基于图注意力网络的分类模型：基于两相电流图网络分别构建图注意力网络，再融合两个网络提取的特征进行分类。本发明采用的电信号数据在采集数据方面比较方便且成本低，并提出了一种将信号转成图网络的方法，在经过图注意力网络和卷积神经网络提取特征后，能够有效的对电机故障进行分类诊断。
一种基于注意力网络电机故障诊断方法

[发明专利]基于知识图谱和Conv1D-LSTM-D的道路交通拥堵传播预测方法-CN202011107018.3有效
发明人：徐东伟;丁加丽;周磊;李汶轩;林臻谦;魏臣臣;戴宏伟 -专利权人：浙江工业大学
申请日： 2020-10-16 - 公布日： 2022-05-03 - 主分类号： G08G1/01 文献下载
摘要：一种基于知识图谱和Conv1D‑LSTM‑D的道路交通拥堵传播预测方法，包括以下步骤：1)针对数据集中各个车道的交通流数据，基于宏观基本图的原理用函数拟合车道的流量‑密度散点图，得到各个车道的临界交通流状态阈值；2)定义时间知识图谱的四元组集合，根据地理位置信息、交通流数据集和各个车道的临界交通流状态阈值，构建交通拥堵传播时间知识图谱；3)基于时间知识图谱和Conv1D‑LSTM‑D实现道路交通拥堵传播预测。本发明基于知识图谱对道路交通流数据之间的复杂关系进行充分挖掘和规范表达，并基于Conv1D‑LSTM‑D实现了道路交通拥堵的传播预测，提高了道路交通拥堵预测的准确性。
基于知识图谱 conv1d lstm 道路交通拥堵传播预测方法

[发明专利]基于重构交通网络的图聚合机制的道路交通流预测方法-CN202110242725.1有效
发明人：徐东伟;周磊;魏臣臣;戴宏伟;林臻谦 -专利权人：浙江工业大学
申请日： 2021-03-05 - 公布日： 2022-03-01 - 主分类号： G08G1/01 文献下载
摘要：一种基于重构交通网络的图聚合机制的道路交通流预测方法，包括以下步骤：(1)针对各车道的交通流量数据，根据原始道路邻接矩阵获得车道连接关系，获取有连接的车道的时间相关性，并按照相关性降序排序获得各车道的高阶邻域，基于各车道的高阶邻域重构车道间的邻接关系，实现道路网络重构；(2)获取时间序列上的重构道路交通网络，通过GraphSAGE获得聚合的路网空间特征序列并将其作为LSTM模型的输入，经LSTM提取聚合后的路网空间特征中的时序特征，输出未来时刻的交通流量预测结果，实现道路交通流量预测。本发明提升了模型实现长期流量预测的稳定性和准确性，实现了短时和长时的交通流量预测。
基于交通网络聚合机制道路通流预测方法

[发明专利]一种基于时序交通网络图的交通运行状态分类方法-CN202010283867.8有效
发明人：徐东伟;林臻谦;魏臣臣;王永东;彭鹏;朱钟华;戴宏伟;周磊;宣琦 -专利权人：浙江工业大学
申请日： 2020-04-13 - 公布日： 2021-12-17 - 主分类号： G08G1/01 文献下载
摘要：一种基于时序交通网络图的交通运行状态分类方法，首先对交通流数据进行预处理并利用LPVG(有限穿越可视图复杂网络)完成时序交通网路图的构建；然后对每个交通网络图提取特征；接着将时序交通网络图信息转化为特征向量vector；最后根据保存了时序交通网络图的vector结合交通运行状态进行分类，计算预测出的交通运行状态的准确性。本发明利用了保存时序交通网络图特征为向量的方法，充分地提取出了时序交通流量特征对于交通运行状态的影响，从而有效提高了交通运行状态分类的精度。
一种基于时序交通网络图运行状态分类方法

[发明专利]一种基于生成对抗网络实现路网交通数据修复的方法-CN202010952198.9有效
发明人：徐东伟;余泽锋;魏臣臣;林臻谦;周磊;丁加丽 -专利权人：浙江工业大学
申请日： 2020-09-11 - 公布日： 2021-12-17 - 主分类号： G08G1/01 文献下载
摘要：一种基于生成对抗网络实现路网交通数据修复的方法，通过获取路网中各个检测器的历史时间序列数据，利用图自编码器(GAE)对缺失数据提取道路交通状态数据时空特征，经过生成对抗网络(GAN)，根据缺失交通状态数据的时空特征生成完整交通状态数据的时空特征，其中生成器内部结构采用长短期记忆神经网络(LSTM)，判别器内部结构采用全连接神经网络，最后再经过图自编码器的解码，实现交通状态数据的修复。本发明有效提高交通数据修复的准确性。
一种基于生成对抗网络实现路网交通数据修复方法

[发明专利]一种基于GraphSAGE-GAN的交通路网数据修复方法-CN202010945175.5有效
发明人：徐东伟;魏臣臣;丁加丽;周磊;林臻谦;金燕 -专利权人：浙江工业大学
申请日： 2020-09-10 - 公布日： 2021-10-29 - 主分类号： G08G1/01 文献下载
摘要：一种基于GraphSAGE‑GAN的交通路网数据修复方法，首先根据路网中检测器的历史数据计算路网检测器之间的相关性，得到路网相关性矩阵，然后根据得到的路网相关性矩阵构建基于时间相关性的路网结构。其次，利用GraphSAGE提取构建路网结构的潜在时空特征，最后将提取的时空特征作为生成对抗网络中生成器的输入，使其通过生成对抗网络的对抗训练，生成器能够根据经GraphSAGE提取的时空特征生成完整的的路网交通状态信息，从而实现路网交通状态数据的修复。本发明可以深度挖掘路网交通状态检测器之间的空间特征，有效提高路网交通状态修复的精度。
一种基于 graphsage gan 交通路网数据修复方法

[发明专利]一种基于生成式对抗网络的交通流预测方法-CN202010959584.0有效
发明人：徐东伟;林臻谦;杨浩;顾淳涛;丁加丽;周磊;宣琦 -专利权人：浙江工业大学
申请日： 2020-09-14 - 公布日： 2021-10-29 - 主分类号： G08G1/01 文献下载
摘要：一种基于生成式对抗网络的交通流预测方法，先根据路段的空间拓扑结构构建交通物理拓扑结构图网络，接着根据交通图中节点的连接关系构建初始邻域交通图网络与高阶邻域交通图网络，接着用本发明构建好的图注意力网络(GAT)对节点的领域内节点进行特征提取。预测过程为利用本发明构建的生成式对抗网络(GAN)的生成器生成预测的交通流量值，并利用本发明构建的生成式网络(GAN)的判别器对预测的交通流量值与真实的交通流量值进行对抗训练，使得两者相互博弈，相互进步。根据以上步骤，并逐步调整参数优化模型，最终得到一个最佳的交通流量模型。本发明利用此模型生成最接近真实值的交通流量值，以达到交通流量预测的目的。
一种基于生成对抗网络通流预测方法

[发明专利]基于空域图卷积神经网络的SCATS系统道路交通流预测方法-CN201911298731.8有效
发明人：徐东伟;周磊;林臻谦;魏臣臣;戴宏伟;彭鹏;朱钟华 -专利权人：浙江工业大学
申请日： 2019-12-17 - 公布日： 2021-04-06 - 主分类号： G08G1/01 文献下载
摘要：一种基于空域图卷积神经网络的SCATS系统道路交通流预测方法，首先将车道作为节点，根据交通邻接矩阵得到具有相互连接的节点，将有连接节点的相关性从高到低进行排序，然后找到每个目标节点的邻域节点，将目标节点及其邻域节点的交通流状态数据构建高阶邻域交通状态矩阵作为CNN的输入，最后得到被预测车道的交通流状态预测结果。本发明充分挖掘了交通流状态时间和空间的相关性，既提高了准确性也增强了随机结果的抗干扰性。
基于空域图卷神经网络 scats 系统道路通流预测方法

[发明专利]一种基于LID的信号对抗样本检测器设计方法-CN202010994743.0在审
发明人：徐东伟;杨浩;顾淳涛;林臻谦;朱钟华;宣琦 -专利权人：浙江工业大学
申请日： 2020-09-21 - 公布日： 2021-02-09 - 主分类号： G06K9/00 文献下载
摘要：一种基于LID的信号对抗样本检测器的设计方法，包括以下步骤：1)对信号调制数据进行预处理，并设计调制分类模型；2)根据信号调制分类器结合对抗样本生成方法设计对抗样本生成器；3)根据调制分类器模型设计网络层信息评估函数；4)设计信号的正常样本与对抗样本检测器：根据网络层信息评估函数得到的特征值，将正常样本与对抗样本的特征值拼接并添加标签，其中对抗样本标签为0，正常样本标签为1，将拼接后的数据划分为训练集与测试集，并训练一个逻辑回归分类器，最后用测试集测试分类器效果。本发明识别正常信号和对抗信号，以此减少信号在解调过程中对抗信号造成的损失；有效降信号在解调过程中的风险，加强信号的安全性。
一种基于 lid 信号对抗样本检测器设计方法

[发明专利]一种基于SAE-GAN-SAD的路网交通数据修复方法-CN201911074617.7有效
发明人：徐东伟;魏臣臣;林臻谦;戴宏伟;彭鹏;周磊 -专利权人：浙江工业大学
申请日： 2019-11-06 - 公布日： 2020-12-01 - 主分类号： G08G1/01 文献下载
摘要：一种基于SAE‑GAN‑SAD的路网交通数据修复方法，包括以下步骤：1)获取路网交通数据，构建堆栈自编码器并对道路交通数据进行特征提取；2)确定生成器与判别器的结构，共同构建成生成对抗网络模型，将提取的道路交通状态时空特征作为生成器的输入，分别定义生成器与判别器的损失函数，使生成器与判别器同时进行对抗训练，实现根据缺失数据时空特征生成完整数据时空特征；3)获取经生成对抗网络对抗训练完成后生成的交通状态数据时空特征，利用堆栈自解码器解码出修复后的交通状态数据，实现道路交通状态数据修复。本发明依据已知交通数据采用SAE‑GAN‑SAD模型对缺失数据进行实时修复，可以有效提高交通状态数据修复的精度。
一种基于 sae gan sad 路网交通数据修复方法

[发明专利]一种基于GE-GAN的交通状态虚拟检测器的生成方法-CN201910952268.8有效
发明人：徐东伟;魏臣臣;戴宏伟;彭鹏;宣琦;周磊;林臻谦 -专利权人：浙江工业大学
申请日： 2019-10-09 - 公布日： 2020-10-30 - 主分类号： G08G1/01 文献下载
摘要：一种基于GE‑GAN的交通状态虚拟检测器的生成方法，包括以下步骤：1)根据检测器的位置与邻接关系构建道路检测器网络，利用图嵌入算法中的DeepWalk将检测器网络嵌入到低维表示向量，得到邻接道路交通状态矩阵；2)获取邻接道路交通状态数据矩阵，采用最大最小标准化算法对邻接道路交通状态矩阵进行数据归一化，分别确定生成器与判别器的模型结构，实现生成对抗网络模型构建；3)定义生成对抗网络的生成器与判别器的损失函数，将滑动窗口下的邻接道路交通状态数据作为生成对抗网络模型的输入，通过对抗训练最小化生成数据与真实数据分布之间的差异，生成虚拟检测器的道路交通状态。本发明有效降低道路交通状态检测器维护的成本。
一种基于 ge gan 交通状态虚拟检测器生成方法

1
共 13 条