“苏婷立”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31个，建议您升级VIP下载更多相关专利

[发明专利]一种惯性测量位置估计方法、装置及介质-CN202310800667.9在审
发明人：白玉廷;贾伟;金学波;苏婷立 -专利权人：北京工商大学
申请日： 2023-07-03 - 公布日： 2023-09-19 - 主分类号： G01C21/20 文献下载
摘要：本发明涉及定位导航技术领域，特别涉及一种惯性测量位置估计方法、装置及介质。在目标定位信号缺失时，分别通过预测模型获取当前预测坐标，通过公式推导计算获取当前解算坐标，以融合权重融合当前预测坐标和当前解算坐标，算得当前定位坐标；所述融合权重为预测模型预测方式和推导计算方式的信任度，根据目标当前惯性测量数据实时计算获得。AI模型预测和数学推导计算两种方式都可以用于定位目标坐标，但两种方式又都有不适用的场景，对于不同的场景以不同的权重信任度融合两种方式结算的结果，可在综合显著提高当前定位坐标的准确度。
一种惯性测量位置估计方法装置介质

[发明专利]一种提高食品安全预测模型鲁棒性的方法及装置-CN202010002332.9有效
发明人：金学波;张家辉;余兴泓;白玉廷;孔建磊;苏婷立 -专利权人：北京工商大学
申请日： 2020-01-02 - 公布日： 2023-05-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种提高食品安全预测模型鲁棒性的方法，所述方法包括：获取食品中待检测危害物的含量数据；根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差的数据；在增大噪声处理后获得的数据的基础上添加突变点，模拟添加数据的突变，获取添加突变的数据；搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型。本发明通过科学的数据处理模拟了实际危害物测量环节的测量噪声及错误，训练出的模型在实际应用中拥有更好的鲁棒性。
一种提高食品安全预测模型鲁棒性方法装置

[发明专利]基于映射层级联宽度回声状态的时序预测方法-CN202211104011.5在审
发明人：刘文杰;白玉廷;金学波;苏婷立;孔建磊 -专利权人：北京工商大学
申请日： 2022-09-09 - 公布日： 2023-01-17 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于映射层级联宽度回声状态的时序预测方法，用于工业复杂时间序列数据预测。本发明方法基于映射层级联的宽度回声状态系统构建了映射层级联的宽度回声状态网络模型CFBESN，该模型中映射层各窗口通过级联形式依次连接，下一个窗口对上一个窗口的输出进行特征提取，最后所有窗口提取特征汇集输入到强化层，同时将CFBLS的强化层中单元优化为回声状态网络单元；本发明方法采集要预测场景中的时间序列数据，训练CFBESN网络生成当前时间序列数据的预测模型，利用训练好的模型进行未来时间序列预测。本发明方法实现了对复杂时间序列数据的可靠预测，并提高了预测的精度和准确度。
基于映射级联宽度回声状态时序预测方法

[发明专利]基于宽度剪枝回声状态网络的时间序列预测方法-CN202211106085.2在审
发明人：白玉廷;刘文杰;金学波;苏婷立;孔建磊 -专利权人：北京工商大学
申请日： 2022-09-09 - 公布日： 2022-12-27 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种基于宽度剪枝回声状态网络的时间序列预测方法，用于工业上时间序列预测。本发明方法包括：采集场景中原始时间序列数据，构建训练集；构建宽度剪枝回声状态网络，该网络将回声状态网络嵌入宽度学习系统中的强化层，将宽度学习系统中强化层神经元个数用具有稀疏化的回声状态网络储备池替换，并利用剪枝算法优化强化层中各回声状态网络中储备池的大小；最后利用训练集训练宽度剪枝回声状态网络，生成当前时间序列数据的预测模型，利用训练好的模型进行未来时间序列预测。本发明在确保网络模型轻量化的同时，实现了对非平稳时间序列数据的可靠预测，并提高了预测精度。
基于宽度剪枝回声状态网络时间序列预测方法

[发明专利]一种数据扩充方法及装置-CN202210986560.3在审
发明人：金学波;张佳帅;孔建磊;白玉廷;王立;于家斌;苏婷立 -专利权人：北京工商大学
申请日： 2022-08-17 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：本发明提出了一种数据扩充方法及装置，所述方法包括：获取N组真实源数据，每组真实源数据中均包含有一个数据序列；将N组真实源数据中的数据序列划分为多个序列组合，每个序列组合为一个计算分组；根据加权平均计算序列数量要求，对每个计算分组进行加权计算，获得每个计算分组分配的权重值；根据每个计算分组分配的权重值，对每个计算分组中的数据序列进行加权平均，获得每个计算分组的数据扩充序列。本发明所提出的数据扩充方法中对所有计算分组的计算结果并非全部考虑所有数据序列，因此在某一部分数据序列存在异常的情况下，更多的计算结果由于不涉及异常数据序列不会受到影响，极大避免了小数据量中异常序列对于最终数据扩充序列的影响。
一种数据扩充方法装置

[发明专利]基于立体正八边结构的多源传感器联合标定方法-CN201910081279.3有效
发明人：孔建磊;金学波;王小艺;王珍妮;苏婷立 -专利权人：北京工商大学
申请日： 2019-01-28 - 公布日： 2022-04-08 - 主分类号： G01C25/00 文献下载
摘要：一种基于立体正八边结构的多源传感器联合标定方法，包括以下步骤：相机内部参数标定；构建三维激光点云模型；基于惯性数据修正三维激光点云；优化激光抖动误差叠加均值；优化激光步进角误差增量；构建多线段联合外参标定模型，通过非线性方法求出外部参数最优解。该方法能够有效提升复杂农林环境下多源传感器联合标定精度和数据融合效果。
基于立体正八边结构传感器联合标定方法

[发明专利]一种食品供应链危害物预测方法及装置-CN202110647468.X在审
发明人：金学波;张佳帅;张家辉;苏婷立;白玉廷;孔建磊 -专利权人：北京工商大学
申请日： 2021-06-10 - 公布日： 2021-09-10 - 主分类号： G06F30/20 文献下载
摘要：本发明提出了一种食品供应链危害物预测方法，所述方法包括：采用正则化方法定义噪声平滑损失函数；搭建结合GRU子预测器和所述噪声平滑损失函数的预测模型，并对所述预测模型进行训练；根据训练后的预测模型对食品供应链危害物进行预测获得预测结果。本发明提出了一种结合GRU子预测器和采用正则化涉及的噪声平滑损失函数的预测模型，能够减少预测模型对随机噪声的拟合程度，提高了预测的准确度，在实际应对噪声大、出现测量错误等问题概率较大的预测任务中有更好的效果。
一种食品供应危害预测方法装置

[发明专利]一种时序数据预测方法及装置-CN202110624018.9在审
发明人：金学波;郑维振;苏婷立;白玉廷;孔建磊 -专利权人：北京工商大学
申请日： 2021-06-04 - 公布日： 2021-09-07 - 主分类号： G06F17/18 文献下载
摘要：本发明提出了一种时序数据预测方法，所述方法包括：构建编解码器预测模型，所述编解码器预测模型包括编码器和解码器；所述编码器接收时间序列数据的输入序列，并将所述输入序列进行处理后输出编码向量；通过注意力机制将所述编码器输出的编码向量经过处理后发送至解码器；所述解码器对接收到的处理后的编码向量进行特征提取，并对提取的特征进行学习，获得预测结果。本发明使用了更为新颖的编解码器模型框架，并融合注意力机制，构建时间序列预测模型，提高了时间序列预测模型的整体性能。在时间序列预测任务更加实用，模型的稳定性更好、准确度更高。
一种时序数据预测方法装置

[发明专利]基于深度集成学习网络的粮油农作物供应链危害物辨识方法及系统-CN202110386309.9在审
发明人：孔建磊;王小艺;金学波;苏婷立;张家辉;王珍妮 -专利权人：北京工商大学
申请日： 2021-04-12 - 公布日： 2021-07-30 - 主分类号： G06Q50/26 文献下载
摘要：本发明提出了一种基于深度集成学习网络的粮油农作物供应链危害物辨识方法，所述方法包括：获取粮油食品在供应链各环节中的参数特征信息生成多源异构数据集；对各属性特征进行向量编码化及标准归一化预处理；对预处理后的多源异构数据集进行多粒度滤波扫描输出扫描结果，并对所述扫描结果进行K折交叉验证获得训练数据；构架多维度特征堆叠提取的深度集成学习网络对所述训练数据进行深度学习后输出多个子模型的学习结果；通过高斯混合对所述多个子模型学习结果进行融合。本发明依托粮油农作物供应链各环节的危害物监测数据，应用深度集成学习算法，提高了危害物辨识准确率和粮油供应链风险评估可靠性。
基于深度集成学习网络粮油农作物供应危害辨识方法系统

[发明专利]一种基于多粒度局部特征软关联聚合的细粒度图像辨识方法及装置-CN202110392237.9在审
发明人：孔建磊;金学波;王小艺;苏婷立;白玉廷;王宏兴 -专利权人：北京工商大学
申请日： 2021-04-13 - 公布日： 2021-07-23 - 主分类号： G06K9/46 文献下载
摘要：本发明提出了一种基于多粒度局部特征软关联聚合的细粒度图像辨识方法，所述方法包括：对待辨识图像进行增强数据预处理，获得增强后的图像；对所述增强后的图像进行特征提取分别获得粗粒度特征、细粒度特征和中粒度特征；对所述粗粒度特征、细粒度特征和中粒度特征进行软关联聚合后获得待辨识图像的图像辨识结果。本发明使用多流并行的混合网络提取多粒度局部特征，并使用软关联特征聚合方式对不同维度特征进行有效融合，消除参数冗余、实现信息互补，形成最终表征细粒度识别的统一概率描述，提升辨识精度和时效性。实验结果表明，该方法在分类精度方面表现较好，还可以与其他的模型相结合，以便将来产生更好的结果。
一种基于粒度局部特征关联聚合细粒度图像辨识方法装置

[发明专利]一种时间序列预测方法及装置-CN202110354016.2在审
发明人：白玉廷;金学波;王小艺;石志刚;苏婷立;孔建磊;赵峙尧;王立 -专利权人：北京工商大学
申请日： 2021-04-01 - 公布日： 2021-06-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种时间序列预测方法，所述方法包括：构建递归深度回声状态网络；对所述递归深度回声状态网络进行网络训练获得模型参数；通过贝叶斯优化算法对所述递归深度回声状态网络的模型参数进行优化；将待预测数据输入至优化后的递归深度回声状态网络获得网络预测值。本发明通过构建递归深度回声状态网络，并通过贝叶斯优化的方式对递归深度回声状态网络的模型参数进行优化，可以在保证预测精度的同时显著缩短参数搜寻时间，实现对时间序列数据的可靠预测。
一种时间序列预测方法装置

[发明专利]一种基于高斯烟羽模型的水域特征模型建立方法-CN201810045255.8有效
发明人：孙茜;王小艺;许继平;于家斌;张慧妍;王立;赵峙尧;苏婷立;余幸运;申志平 -专利权人：北京工商大学
申请日： 2018-01-17 - 公布日： 2020-12-29 - 主分类号： G06F30/20 文献下载
摘要：本发明提出了一种基于高斯烟羽模型的水域特征模型建立方法，包括建立基于综合水质评价的水域基本模型和建立基于高斯烟羽模型的水域特征模型两个基本步骤。步骤一，利用主成分分析方法，对待监测水域进行综合水质评价分析，建立水域基本模型；步骤二，利用高斯烟羽模型确定重要监测点的影响范围，进而建立水域特征模型。本发明通过对待监测水域水质数据的分析，可得到该水域的监测模型，为传感器的有效部署提供了理论基础。
一种基于高斯烟羽模型水域特征建立方法

[发明专利]一种基于穿戴式IMU的建筑物楼层间行人轨迹跟踪方法及系统-CN201711088541.4有效
发明人：金学波;王彬彬;彭世禹;孔建磊;苏婷立 -专利权人：北京工商大学
申请日： 2017-11-08 - 公布日： 2020-12-18 - 主分类号： G01C21/18 文献下载
摘要：本发明实施例中提供了基于穿戴式IMU的建筑物楼层间行人轨迹跟踪方法，所述方法包括：接收IMU发送的实时采集数据；根据所述实时采集数据确定并实时更新行人的速度、位置、姿态角及旋转矩阵；根据所述实时采集数据判别行人的步态，并根据所述步态获得行人分别在平面和高度方向运动的距离和位置；根据所述行人分别在平面和高度方向运动的距离和位置以及行人的速度和位置获得行人的行走轨迹。本发明实施例还提供了一种基于穿戴式IMU的建筑物楼层间行人轨迹跟踪系统。本发明适用于复杂环境中的消防抢险、突发事件中的紧急救援、未知环境中自我定位及目标找寻无法预知自身位置等关键问题。
一种基于穿戴 imu 建筑物楼层行人轨迹跟踪方法系统

[发明专利]一种基于贝叶斯优化及小波分解的时序预测方法及装置-CN202010659067.1在审
发明人：金学波;张家辉;苏婷立;白玉廷;孔建磊 -专利权人：北京工商大学
申请日： 2020-07-09 - 公布日： 2020-10-30 - 主分类号： G06F17/14 文献下载
摘要：本发明提出了一种基于贝叶斯优化及小波分解的时序预测方法，所述方法包括：根据贝叶斯优化方法对模型超参数进行优化获得最优超参数，所述模型超参数包括小波分解层数、小波分解中的母小波函数和GRU子预测器的超参数；获取采集数据，根据优化后获得的小波分解层数和小波分解中的母小波函数对所述采集数据进行小波分解获得分解结果；搭建基于GRU子预测器，根据优化后获得的GRU子预测器的超参数对所述分解结果进行学习和预测获得训练结果；根据所述训练结果获得预测结果。本发明使用贝叶斯优化算法进行超参数的优化，在长期的时间序列预测任务中具有很高的准确度。
一种基于贝叶斯优化分解时序预测方法装置

[发明专利]基于WASP模型的水质软测量及水体富营养化评价方法-CN201710729131.7有效
发明人：王小艺;赵峙尧;贾洁;许继平;苏婷立;王立;张慧妍 -专利权人：北京工商大学
申请日： 2017-08-23 - 公布日： 2020-10-20 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于WASP模型的水质软测量及水体富营养化评价方法，属于环境工程技术领域。本发明首先建立基于WASP模型的水质软测量模型，同时结合UKF对水质软测量模型的未知参数进行估计，以提高水质软测量模型的准确性。然后利用改进的模糊综合评价法对水体进行富营养化评价，以进一步验证水质软测量模型的有效性。本发明可解决水质指标不能在线测量的问题，在提高对水质软测量模型的准确性的同时，还可以得到实时的评价结果并提高富营养化评价的准确度。
基于 wasp 模型水质测量水体富营养化评价方法

1
2
3
下一页»
尾页
共 31 条