[发明专利]一种基于免疫算法优化的支持向量机蓄电池寿命预测方法有效
| 申请号： | 201910546936.7 | 申请日： | 2019-06-24 |
| 公开（公告）号： | CN110443377B | 公开（公告）日： | 2022-11-01 |
| 发明（设计）人： | 李建路;高鹏;王勇;朱珠;徐立坤;王林;宣侃平;陈海平 | 申请（专利权）人： | 南方电网调峰调频发电有限公司信息通信分公司 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;G01R31/392 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 俞翠华 |
| 地址： | 511400 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于免疫算法优化的支持向量机蓄电池寿命预测方法，包括将获取到的样本数据分成训练集和测试集；利用训练集对基于免疫系统优化的支持向量机模型进行训练，获得训练好的支持向量机模型；将测试集带入所述训练好的支持向量机模型中，得到预测的剩余容量；基于所述预测的剩余容量及剩余寿命计算公式预测蓄电池剩余寿命。本发明利用免疫算法去改进支持向量机算法的优化过程，增强支持向量机算法的全局搜索能力，防止其陷入局部最优解。 | ||
| 搜索关键词： | 一种 基于 免疫 算法 优化 支持 向量 蓄电池 寿命 预测 方法 | ||
【主权项】：
1.一种基于免疫算法优化的支持向量机蓄电池寿命预测方法，其特征在于，包括：将获取到的样本数据分成训练集和测试集；利用训练集对基于免疫系统优化的支持向量机模型进行训练，获得训练好的支持向量机模型；将测试集带入所述训练好的支持向量机模型中，得到预测的剩余容量；基于所述预测的剩余容量及剩余寿命计算公式预测蓄电池剩余寿命。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南方电网调峰调频发电有限公司信息通信分公司，未经南方电网调峰调频发电有限公司信息通信分公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910546936.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 模型训练方法、情绪检测方法及相关设备-202210365524.5
- 涂眉;赵子昂 - 北京三星通信技术研究有限公司;三星电子株式会社
- 2022-04-07 - 2023-10-24 - G06N20/10
- 本申请实施例提供了一种模型训练方法、情绪检测方法及相关设备，涉及人工智能技术领域。其中，模型训练方法包括：获取基于训练集训练所得的第一模型，以及训练集中各训练样本影响第一模型损失的影响函数值；设定对训练样本的样本标签进行重新标记的比例阈值；基于影响函数值与比例阈值重新标记训练集中的样本标签；基于重新标记样本标签后的训练集训练第一模型，得到第二模型。本申请的实施通过设定的比例阈值控制训练数据中可以改动的样本数量，以提高训练所得模型的性能。同时，由电子设备执行的上述方法可以使用人工智能模型来执行。
- 数据处理方法、装置、电子设备及存储介质-202211488824.9
- 熊昆;张留杰;刘红雨;蓝翔 - 北京百度网讯科技有限公司
- 2022-11-25 - 2023-10-24 - G06N20/10
- 本公开提供了一种数据处理方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及机器学习、自然语言处理、计算机视觉和蛋白质结构预测等技术领域。具体实现方案为：获取第一爱因斯坦算子所需的第一张量；调用内核对第一张量执行转置得到第一张量转置结果并存储到目标存储介质；在规划调度阶段按照预设标记规则生成第二爱因斯坦算子第一张量的下标；在需要复用第一张量转置结果的情况下，从目标存储介质中读取第一张量转置结果；基于读取的第一张量转置结果和第一张量的下标，执行第二爱因斯坦算子的运算。本公开实施例中通过复用第一爱因斯坦算子的第一张量转置结果，避免了多次启动调用内核，降低了资源消耗，提高了运算效率。
- 基于辅助优化与拉格朗日优化的支持向量机学习方法-202110997437.7
- 何昭水;王沛涛;林志洁;刘太亨;谭北海;白玉磊;谢胜利 - 广东工业大学
- 2021-08-27 - 2023-10-17 - G06N20/10
- 本发明提供一种基于辅助优化与拉格朗日优化的支持向量机学习方法，包括：通过迭代的方式求解支持向量机对偶问题，每次所述迭代的过程如下：构建所述支持向量机对偶问题的辅助优化问题；将所述辅助优化问题转化为拉格朗日辅助优化问题；求解所述拉格朗日辅助优化问题的最优解。本发明所述的方法容易实现，并且收敛速度更快。
- 阈值确定方法、系统、存储介质及终端-202010582348.1
- 崔龙;袁德胜;成西锋;林治强;党毅飞;马卫民;游浩泉;李伟超 - 汇纳科技股份有限公司
- 2020-06-23 - 2023-10-10 - G06N20/10
- 本发明提供一种阈值确定方法、系统、存储介质及终端；所述方法应用于机器学习中，包括以下步骤：获取包含数据子元素的数据集；计算数据集中两两数据子元素之间的数据相似度；根据数据相似度，搭建相似度直方图；根据相似度直方图，确定阈值范围；本发明提出一种基于非标注数据的阈值确定方法，在实现阈值获取自动化的同时，有效解决了对数据进行标注存在成本过高的问题；保证了精度、效果及稳定性均高于传统经验阈值；在机器学习的目标识别任务中，不仅能够有效降低识别设备首次阈值部署和配置的成本，更可以反向利用各设备间阈值的差异程度，作为同一设备和算法在不同应用环境中受外界因素带来的干扰强弱。
- 基于进化算法的地火转移轨道设计初值获取方法及系统-202010130385.9
- 朱庆华;刘宇;黄韵弘;鲁启东;张玉花;冯建军 - 上海航天控制技术研究所
- 2020-02-28 - 2023-09-29 - G06N20/10
- 本发明公开一种基于进化算法的地火转移轨道设计初值快速获取方法及系统。在精确地火转移轨道前，直接利用先前建立的轨道数据库，基于进化算法快速计算出优势方向的轨道初值，可以支持后续进行更有效率的搜索。本方法主要包括3个步骤：1)据GTOP数据库，采用模型初值敏感矩阵特征值作为样本标签，建立学习样本库；2)构建轨道优化支持向量机(TO_SVM)，对地火转移轨道学习样本库进行学习；3)针对需要设计的地火转移轨道，运行TO_SVM，给出优势方向c的轨道设计初值(发射日期、到达日期以及发射轨道剩余速度)供后续精确设计使用。
- 用于预测的稳定的局部可解释模型-202310267412.0
- 马小明;韩四儿;张雪英;尉文沛;许静;许晶;高磊;张阿鹏 - 国际商业机器公司
- 2023-03-20 - 2023-09-22 - G06N20/10
- 本发明涉及用于预测的稳定的局部可解释模型。本文描述的示例提供了一种计算机实现的方法，其包括确定机器学习模型的内核宽度。该方法还包括使用内核宽度来构建局部可解释线性模型。该方法还包括计算局部可解释线性模型的特征的贡献和置信度。该方法还包括更新局部可解释线性模型以生成最终模型并计算最终模型的总体置信度。
- 使用嵌入空间之间的变分映射生成跨域数据-201910300582.8
- S·乔杜里;S·达斯古普塔;A·穆纳沃;立花隆辉 - 国际商业机器公司
- 2019-04-15 - 2023-09-22 - G06N20/10
- 本申请的各实施例涉及使用嵌入空间之间的变分映射生成跨域数据。提供了一种用于学习数据的不同模态之间的映射信息的计算机实现的方法、计算机程序产品和系统。该方法包括由处理器将数据的高维模态映射到低维流形以因此通过第一网络的至少一部分获取相应的低维嵌入。该方法还包括由处理器将相应的低维嵌入中的每个低维嵌入投射到公共潜在空间以因此通过第二网络的至少一部分获取公共潜在空间中的单独的潜在空间分布中的相应的潜在空间分布。该方法还包括由处理器通过使用变分下界将公共潜在空间中的单独的潜在空间分布之间的距离最小化来优化网络中的每个网络的参数。该方法还包括由处理器输出这些参数作为映射信息。
- 分类效果确定方法、装置、智能终端及存储介质-201910409134.1
- 张雨豪;陈新杰;郑景耀;刘洪 - 腾讯科技（深圳）有限公司
- 2019-05-16 - 2023-09-19 - G06N20/10
- 本发明实施例提供了一种分类效果确定方法、装置、智能终端，其中方法包括：利用分类模型对分类测试集进行处理，得到分类结果，分类结果用于指示分类测试集中每一个测试子集被分类模型识别后输出的预测类目；获取为每一个测试子集设置的标签类目，并将每一个测试子集的预测类目及其标签类目进行比较，得到比较结果；根据比较结果确定分类模型的分类效果指标值；其中，分类效果指标值是根据第一效果参数、第二效果参数以及为第一效果参数确定的第一权重值、为第二效果参数确定的第二权重值计算得到的，第一效果参数和第二效果参数是根据比较结果确定的。通过本发明实施例可以有效提高确定分类模型的分类效果的客观性和准确性。
- 一种基于噪音数据的机器学习模型鲁棒性评估方法-201910952057.4
- 房春荣;龚爱;王栋;陈振宇;李玉莹 - 南京大学
- 2019-09-29 - 2023-08-29 - G06N20/10
- 本发明提供的是一种基于噪音数据的机器学习模型鲁棒性评估方法，包括原始数据集处理、噪音数据获取、模型训练、模型预测、准确率下降比计算和模型鲁棒性评估。原始数据集处理包括收集百分百标签正确的原始数据集，并采用10次10‑折交叉验证划分原始训练集和原始测试集。噪音数据获取包括在原始训练集的基础上，采用分层抽样方法抽取t′＝|D|·α个数据，并将其标签替换为错误标签，其中α为噪音数据率。模型训练包括基于常见分类算法，并分别输入原始训练集和混有噪音数据的训练集分别构建原始模型和新模型。模型预测包括基于原始测试集，对这原始模型和新模型分别进行准确度评估。准确率下降比计算包括计算新模型较原始模型而言准确率下降的比率。模型鲁棒性评估包括横纵向比较准确率下降的比率的大小，衡量模型鲁棒性强弱，实现了判断模型健壮性的标准。
- 目标事件的标记方法和装置、存储介质及电子装置-201910713377.4
- 邹耿鹏;段建波 - 腾讯科技（深圳）有限公司
- 2019-08-02 - 2023-08-29 - G06N20/10
- 本发明公开了一种目标事件的标记方法和装置、存储介质及电子装置。其中，该方法包括：获取待处理信息中携带的内容语句，其中，内容语句被切分为多个词组；在多个词组中确定出目标词组，其中，目标词组为出现在同一条待处理信息中、且在预定时间段内出现次数超过预设次数阈值的词组；使用分类模型确定待处理信息中包含目标词组的目标待处理信息所对应的目标类别，其中，包括目标类别的不同类别在分类模型中对应不同的权重，目标类别的权重用于指示目标词组成为目标事件的可能性；在目标类别对应的权重超过预设权重阈值的情况下，将目标待处理信息中包含的目标词组标记为目标事件。以至少解决相关技术中对目标事件进行检测的效率较低问题。
- 量子差分进化算法优化SVM的滚动轴承故障诊断方法-202110923559.1
- 李媛媛;孙祺淳;方志军;徐华;曹乐;李小刚 - 上海工程技术大学
- 2021-08-12 - 2023-07-25 - G06N20/10
- 本发明涉及一种量子差分进化算法优化支持向量机的滚动轴承故障诊断方法，将待故障诊断的滚动轴承的输入特征矩阵P输入到所述故障诊断模型中，得到一维列向量Q，Q中出现1代表内圈故障，出现2代表滚动体故障，出现3代表外圈6点钟方向故障，出现4代表外圈3点钟方向故障，出现5代表外圈12点钟方向故障，出现6代表正常。本发明使用量子差分进化算法优化支持向量机模型，从而实现参数的自适应调整。相比传统的差分进化算法，量子的差分进化算法在优化支持向量机模型时，可以减少需要花费的时间，提高优化的精度，使得模型拥有更可靠的故障诊断性能。
- 基于DAGSVM算法的挖掘机工况识别方法及系统-202310713388.9
- 张新宇;杨秦敏;邓波;张善睿;张琳;朱俊威 - 北谷电子股份有限公司;北谷电子（无锡）有限公司;泺谷科技（上海）有限公司;北谷电子（杭州）有限公司
- 2023-06-16 - 2023-07-18 - G06N20/10
- 本发明提供了一种基于DAGSVM算法的挖掘机工况识别方法及系统，方法包括以下步骤：S1、基于DAGSVM算法建立挖掘机工况识别深度学习模型；S2、采集挖掘机实际工作过程中两个主泵在预设时间内的压力数据并进行预处理；S3、对所述预处理后的压力数据进行特征提取，获取特征值；S4、将所述特征值进行归一化处理，得到特征向量；S5、将所述特征向量输入所述挖掘机工况识别深度学习模型中，依据模型输出结果得到对应的挖掘机工作阶段。本发明利用挖掘机工作时主泵所产生的压力数据，结合DAGSVM算法对挖掘机工作阶段进行识别，所需数据量小，具有较高的实时性，可准确识别挖掘机的各个工作阶段。
- 基于贝叶斯优化混合核极限学习机的密度测井数据预测方法-202310403967.3
- 乔磊;崔友;贾志宁 - 承德石油高等专科学校
- 2023-04-17 - 2023-07-14 - G06N20/10
- 本发明涉及地球物理测井数据处理领域，具体公开了一种基于贝叶斯优化混合核极限学习机的密度测井预测方法通过LightGBM算法确定密度测井数据的主要影响特征，引入声波、中子、井径和自然伽马测井数据，降低了预测模型的输入维度，提高了预测效率，利用贝叶斯算法对混合核极限学习机中的5个参数(C
- 数据分析方法、模型训练方法、装置、设备及存储介质-201810402382.9
- 吴佳;陈修云;赵乙曌 - 腾讯科技（深圳）有限公司;电子科技大学
- 2018-04-28 - 2023-07-07 - G06N20/10
- 本发明公开了一种数据分析方法、模型训练方法、装置、设备及存储介质，属于大数据技术领域。方法包括：获取多个样本数据以及数据处理模型；基于每个数据处理模块的处理子模块和多个样本数据进行训练，获取每个数据处理模块的目标处理子模块以及目标处理子模块的模型参数；根据每个数据处理模块的目标处理子模块以及目标处理子模块的模型参数，确定目标模型配置信息；当接收到目标类型的数据时，将数据输入数据处理模型，按照目标模型配置信息进行数据分析。本发明不限定数据的类型，无需相关技术人员根据自身经验去确定数据分析过程，且对于不同类型的数据，上述模型可自主变化，能适应于不同类型的数据，适应性高，降低了人工成本。
- 预测模型训练方法、装置、计算机设备和存储介质-202310322982.5
- 周魁;皇甫晓洁;张倩妮;王航 - 中国工商银行股份有限公司
- 2023-03-29 - 2023-06-23 - G06N20/10
- 本申请涉及一种预测模型训练方法、装置、计算机设备和存储介质。所述方法包括：获取历史特征样本数据；根据历史特征样本数据，确定待训练资源对象变动信息预测模型中的各信息类型分类模型对应的变动信息分类类型；将历史特征样本数据输入至各信息类型分类模型，得到各信息类型分类模型对应的二分类置信度信息；根据各信息类型分类模型对应的二分类置信度信息，对相应的信息类型分类模型进行训练，直到各二分类置信度信息满足预设条件，得到已训练资源对象变动信息预测模型。采用本方法能够可提高模型的执行效率以及增强了模型的灵活性，使用该资源对象变动信息预测的模型，进一步，可以有效提高模型的预测效果的稳定性与准确性。
- 一种基于堆叠自编码器与支持向量机的变压器故障诊断方法-202310110422.3
- 赵振喜;李鑫;欧景茹;关连会;李洪丰;杨金睿;刘春生;陈艳;郭玉福;武桐;田钧宇;李慧凝;王高明 - 国网吉林省电力有限公司建设分公司;国电南瑞南京控制系统有限公司
- 2023-02-14 - 2023-06-09 - G06N20/10
- 本发明公开了一种基于堆叠自编码器与支持向量机的变压器故障诊断方法，包括以下步骤：(1)采集变压器油中溶解气体浓度变量数据；(2)对数据集进行预处理并将全部数据集划分为多组训练集、验证集和测试集；(3)构建SAE诊断模型并进行数据预训练；(4)构建SAE‑SVM诊断模型；(5)更新参数并训练最佳模型；(6)将测试集中的数据输入到已通过训练改进的SAE‑SVM诊断模型中完成最终的测试；能够有效的提取数据特征，不需要人工提取和筛选分类特征，减少了设备的数据处理量；模型训练过程中自动更新寻找最优参数，提高了变压器故障诊断的精度。
- 深度学习模型的训练方法、换热数据的确定方法和装置-202210776521.0
- 陈凯;解鑫;黄锋;张宇;张金义;刘颖;李飞;许铭;袁晓敏;徐进;金莹 - 北京百度网讯科技有限公司
- 2022-06-30 - 2023-05-12 - G06N20/10
- 本公开提供了一种深度学习模型的训练方法、换热数据的确定方法、装置、设备、介质和产品，涉及人工智能领域，具体为深度学习、能源、电力、工业大数据等技术领域。深度学习模型的训练方法包括：获取换热装置的历史运行数据、历史环境数据和与换热装置相关联的参考换热数据；利用待训练深度学习模型处理历史运行数据和历史环境数据，得到目标换热数据；基于物理约束条件，确定目标换热数据和参考换热数据之间的损失值；基于损失值，调整待训练深度学习模型的模型参数。
- 一种基于随机紧凑高斯核函数的粮食作物病害预测方法-201911077982.3
- 丁晓剑;程伟;刘健;杨帆;曹杰 - 南京财经大学
- 2019-11-06 - 2023-05-05 - G06N20/10
- 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
- 一种生成模型的方法、装置、信息处理的方法及装置-201910943663.X
- 李犇;张杰 - 北京明略软件系统有限公司
- 2019-09-30 - 2023-04-18 - G06N20/10
- 一种生成模型的方法、装置、信息处理的方法及装置，包括：根据异构信息网络的样本客户的元路径节点序列，生成两个或两个以上图嵌入向量；输入获得的各图嵌入向量到神经网络模型，将神经网络模型与样本客户的客户特征向量和训练标签进行联合构建，获得用于风险评估的评分模型；其中，各所述图嵌入向量由：根据用户身份节点和除用户身份节点以外的一种节点生成的元路径节点序列的集合生成；所述训练标签根据所述样本客户的客户业务状态获得。本发明实施例基于元路径节点序列生成的多个图嵌入向量构建评分模型，提升了评分模型的可解释性。
- 一种基于混合采样和集成学习的变压器状态识别方法-202010117648.2
- 黄新波;蒋卫涛;朱永灿;曹雯;田毅 - 西安工程大学
- 2020-02-25 - 2023-04-07 - G06N20/10
- 本发明公开了一种基于混合采样和集成学习的变压器状态识别方法，具体为：步骤1：将收集到的变压器油中溶解气体数据分为两个数据集；步骤2：对步骤1得到的训练集进行SMOTE过采样，将进行SMOTE过采样后的数据集记为新故障训练数据集；步骤3：将得到的新正常训练数据集
- 活体检测的方法、装置、电子模型及存储介质-202111680037.X
- 请求不公布姓名 - 北京瑞莱智慧科技有限公司
- 2021-12-31 - 2023-04-07 - G06N20/10
- 本申请实施例涉及机器学习技术领域，并提供了一种活体检测的方法、装置、电子模型及存储介质，该方法包括：构建核函数近似模型，核函数近似模型包括多个深度神经网络以及分别对应的特征值，各深度神经网络与对应的特征值分别表征目标核函数的一个特征；多个深度神经网络的初始参数及对应的特征值各不相同，且各深度神经网络包含约束层；根据目标核函数和训练数据集，分别确定各深度神经网络的损失函数；基于训练数据集，根据损失函数的计算结果更新各深度神经网络的参数和对应的特征值，得到目标核函数近似模型。本申请极大程度上加速了人工智能中核方法相关算法的速度，实现了更高效、可靠的核近似方法，可以作为多种任务的特征提取器。
- 一种用于反窃电现场的机器学习系统-202211495238.7
- 付志扬;吴一迪;杨迪;冀明;吕云彤;李鹏;耿泉峰;赵芳初 - 国网河北省电力有限公司营销服务中心;国家电网有限公司
- 2022-11-26 - 2023-03-28 - G06N20/10
- 一种用于反窃电现场的机器学习系统，包括数据采集模块、预警模块以及中心服务器。所述中心服务器包括识别模块、训练模块以及处理模块，训练模块根据识别模块识别图像数据使数据采集模块自训练，处理模块存储数据采集模块训练数据，并接收识别模块识别图像数据后通过显示模块显示信息。本发明的识别模块基于深度学习算法识别数据采集模块图像，精准分析每一帧画面，系统获取单帧图像，并将单帧图像传输至训练好的深度学习模型，从而提高系统识别的精度，并且在不断获取数据的过程中，训练模块基于机器学习算法训练数据采集模块，从而提高系统的自学习以及自适应的演进能力。
- 芯片位置正确性的机器学习系统及机器学习方法-202211677411.5
- 林迪利;邱浩榕;梁昱 - 环旭电子股份有限公司
- 2022-12-26 - 2023-03-28 - G06N20/10
- 本发明公开一种芯片位置正确性的机器学习系统及机器学习方法，其中机器学习方法包括：根据芯片以及基座的亮度特征取得训练影像数据之中的芯片影像数据以及基座影像数据；根据芯片影像数据与基座影像数据之间的相对位置关系，判断是否发生位置偏移现象；当发生位置偏移现象时，标记训练影像数据为不合格数据；以及当未发生位置偏移现象时，标记训练影像数据为合格数据。
- 发电机组人工智能系统自动学习方法、装置及可读介质-202211527095.3
- 彭长青;尚荣艳;方瑞明;邵鹏飞;林骋 - 华侨大学
- 2022-12-01 - 2023-03-14 - G06N20/10
- 本发明公开了一种发电机组人工智能系统自动学习方法、装置及可读介质，响应于在发电机组人工智能系统部署后或在发电机组人工智能系统的模型重置后，进入样本收集阶段进行样本收集，得到收集的样本；响应于确定收集的样本达到全面性要求，对收集的样本进行样本筛选，得到筛选的样本；将筛选的样本用于发电机组人工智能系统的模型训练，得到经训练的模型，将经训练的模型应用于日常运行中；在日常运行阶段，响应于确定发电机组大修，判断经训练的模型是否需要重新训练，若是，则对发电机组人工智能系统的模型进行重置，并重复上述步骤，否则继续进行日常运行。本发明能够实现发电机组人工智能系统学习自动化，减少人工干预环节，提高学习时效。
- 一种基于层级化元迁移的小样本雷达目标识别方法-202211276348.4
- 郭贤生;张玉坤;李林;司皓楠;钱博诚;钟科;黄健 - 电子科技大学长三角研究院（衢州）
- 2022-10-19 - 2023-02-07 - G06N20/10
- 本发明属于目标识别技术领域，具体的说是涉及一种基于小样本的层级化元迁移雷达目标识别方法。本发明基于注意力机制提取特征，在特征级、样本级、和任务级上的层级化深度知识迁移，以寻求一个嵌入空间使得样本接近同类目标的类别原子，远离于其他类目标的类别原子。其中，在特征级设计了基于注意力机制的特征编码器，充分挖掘样本全局性的域不变特征，以克服样本在数据分布上的域差异问题；在样本级设计原子编码器，生成更加稳定的类别原子，以避免离群样本的影响；在任务级，设计元学习器累积训练任务的学习经验迁移至新任务，培养模型跨任务知识迁移的能力，实现元迁移目标识别。本发明的目标识别方法是一种智能的目标识别方法。
- 一种基于基底查找表SVM的癫痫信号检测硬件加速电路-202211342873.1
- 张国和;范文锦;孙莉;高飞;霍文俊 - 江苏思远集成电路与智能技术研究院有限公司
- 2022-10-31 - 2023-01-31 - G06N20/10
- 本发明涉及集成电路技术领域，尤其涉及一种基于基底查找表SVM的癫痫信号检测硬件加速电路，包括控制模块、核函数预处理模块、支持向量系数更新模块、支持向量误差更新模块、测试模块、第一存储器和第二存储器；控制模块通过状态转移发出enable信号，分别使能核函数预处理模块、支持向量系数更新模块、支持向量误差更新模块和测试模块；计算完成后向控制模块发出end信号，用于控制模块的状态转移。本发明实现癫痫检测SVM分类器的硬件加速，由5个模块和2个RAM存储器组成，并且把基于基底查找表法计算指数函数电路应用于计算SVM分类的高斯核函数，使得计算消耗的时钟周期和资源都比较少，同时满足癫痫检测所需要的精度。
- 考虑时段划分的PSO-LSSVM短期负荷预测方法-202211310261.4
- 许继和;王俊;陈皓勇;毛宇文;向伟;刘玮;谢忠华;范锟;万利;刘程;刘敏;马成元 - 江西电力交易中心有限公司;广东博慎智库能源科技发展有限公司
- 2022-10-25 - 2023-01-31 - G06N20/10
- 本发明公开了考虑时段划分的PSO‑LSSVM短期负荷预测方法，包括以下步骤：步骤一，获取；步骤二，计算；步骤三，建立；步骤四，代入；其中在上述步骤一中，获取电力负荷数据和气象统计数据，构造样本数据集D；本发明计算特定时段下的LSSVM预测输出平均绝对误差，依据平均绝对误差的变化趋势将全天24小时划分为N个无重复元素的时间集合T
- 一种基于PSO-SVR的振动筛筛分参数预测方法-202211265437.9
- 李占福;梁健彬;童昕 - 福建工程学院
- 2022-10-17 - 2023-01-20 - G06N20/10
- 本发明公开一种基于PSO‑SVR的振动筛筛分参数预测方法，利用粒子群算法（PSO）对支持向量回归机(SVR)的外部参数和核参数进行优化，建立了拟合效果更好的PSO‑SVR模型，并通过比较模型预测结果和仿真结果验证了模型的准确性，再通过比较仿真结果和训练预测结果、测试预测结果验证了PSO‑SVR模型的学习和泛化能力，获得了振动筛筛分参数与筛分效率的映射关系。使用粒子群算法对PSO‑SVR筛分效率‑筛分参数模型进行寻优，避免得到优化问题的局部最优解的问题，从而得到全局最优的筛分效率以及对应的筛分参数组合。
- 车辆加油行为识别方法及系统、服务器、存储介质-202110583157.1
- 梁晓华;苏庆鹏;白振霄 - 广州汽车集团股份有限公司
- 2021-05-27 - 2022-11-29 - G06N20/10
- 本发明涉及一种车辆加油行为识别方法及系统、服务器、存储介质，包括：实时接收车辆上传的车辆状态数据；所述车辆状态数据至少包括用户标识、油箱液位信号、上电状态信号；将所述油箱液位信号、上电状态信号输入预先训练好的机器学习模型进行处理输出车辆处于加油状态的概率及其对应的第一油箱液位变化率；根据所述车辆处于加油状态的概率判断车辆是否存在加油行为；当车辆存在加油行为时，根据所述用户标识以及加油过程中的初始油箱液位信号、终止油箱液位信号以及所述第一油箱液位变化率生成车辆用户的加油行为画像，并输出。本发明能够识别车辆用户加油行为，为面向客户服务的汽车控制开发提供客观的基础的数据输入。
- 一种适用于情绪脑-机接口的在线迁移学习方法-202011394394.5
- 李劲鹏;陈昊;蔡挺 - 中国科学院大学宁波华美医院
- 2020-12-03 - 2022-11-29 - G06N20/10
- 本发明公开了一种适用于情绪脑‑机接口的在线迁移学习方法，包括以下步骤：A.分类器训练：数据池的历史数据中，训练得到基准分类器
- 专利分类
