“高斯模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果788057个，建议您升级VIP下载更多相关专利

[发明专利]一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质-CN202110466277.3在审
发明人：陈国军 -专利权人：上海有个机器人有限公司
申请日： 2021-04-28 - 公布日： 2021-08-20 - 主分类号： B66B3/02 文献下载
摘要：本申请提供的一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质，用于电梯定位系统中，利用UWB传感器和MEMS传感器采集电梯楼层的所在高度数据和速度数据，再利用平方根信息滤波器对采集到的数据进行融合，利用融合后的数据进行高斯分布模型的建模，再多次迭代高斯分布模型，不断地去除误差较大的点，得到一个稳定的高斯分布模型，而计算得出电梯楼层的高度数值。该高斯分布模型具有对错误数据很好的容忍性，也能够得到高精度的电梯楼层高度标定数据。
一种基于分布模型电梯楼层高度标定方法电子设备存储介质

[发明专利]一种基于高斯过程在线学习的机器人控制方法-CN202210088894.9在审
发明人：潘永平;李威 -专利权人：中山大学
申请日： 2022-01-25 - 公布日： 2022-03-18 - 主分类号： B25J9/16 文献下载
摘要：本发明公开了一种基于高斯过程在线学习的机器人控制方法，包括通过低增益的比例‑微分控制，获取初始数据，根据所述初始数据构建初始高斯过程在线学习模型，所述初始高斯过程在线学习模型用于对机器人进行初步控制；在每个控制周期内轮转更新高斯过程在线学习模型；将期望的位置、速度和加速作为输入，根据最新的高斯过程在线学习模型预测得到多个力矩，将所述力矩作为机器人控制的前馈输入，以对所述机器人进行控制。本发明能够提高跟踪精度并且能够降低模型更新频率，可广泛应用于机器人控制技术领域。
一种基于过程在线学习机器人控制方法

[发明专利]基于自适应混合高斯模型的SF6泄露区域检测方法-CN202211210479.2在审
发明人：文卫荣 -专利权人：广州钢索电力技术有限公司
申请日： 2022-09-30 - 公布日： 2022-12-30 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了基于自适应混合高斯模型的SF6泄露区域检测方法，包括以下步骤：建立混合高斯模型；获取视频图像，并进行预处理；将预处理结果与所述混合高斯模型进行像素值匹配，若匹配，则判别为背景或前景；将判别结果更新所述混合高斯背景模型；实现了采用改进HE改善SF6视频图像质量，然后采用当前帧的像素变化自适应更新混合高斯模型的学习率，从而提高了SF6泄漏检测的准确率
基于自适应混合模型 sf6 泄露区域检测方法

[发明专利]基于高斯混合模型的WAT异常数据检测方法及系统-CN202310348151.5在审
发明人：庄均珺;陈旭;魏峥颖 -专利权人：上海华力微电子有限公司
申请日： 2023-03-31 - 公布日： 2023-07-14 - 主分类号： G06F18/2321 文献下载
摘要：本发明提供了一种基于高斯混合模型的WAT异常数据检测方法及系统，方法包括：获取WAT数据服从多峰分布时的峰数；基于所述峰数定义N个高斯分布，并初始化各个高斯分布的参数；利用高斯混合模型进行迭代，直至各参数收敛，得到多个高斯分布，以及得到各个高斯分布的权重；计算所述WAT数据在不同高斯分布中的概率密度，并根据所述概率密度以及对应高斯分布的权重计算所述WAT数据为正常数据的概率。本发明基于高斯混合模型对呈多峰分布的WAT数据进行分峰处理，将多峰数据分解为多个高斯分布，再根据WAT数据在不同高斯分布中的概率密度以及对应权重计算其为正常数据的概率，即可检测出数据是否异常，避免出现误报或者漏报的情况
基于混合模型 wat 异常数据检测方法系统

[发明专利]用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法-CN201610907699.9在审
发明人：谢勇刚;殷宪宇;许进 -专利权人：哈尔滨理工大学
申请日： 2016-10-18 - 公布日： 2017-02-22 - 主分类号： G01B21/30 文献下载
摘要：本发明提供了一种用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法。用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法包括：通过引入回归理论和稳健估计理论，获得用于开放轮廓的开环高斯滤波模型；确定上述用于开放轮廓的开环高斯滤波模型所使用的稳健估计权函数；利用当前获得的用于开放轮廓的开环高斯滤波模型，对具有表面深谷信号的表面粗糙度测量数据进行高斯滤波。本发明的用于具有表面深谷信号的表面粗糙度测量的高斯滤波方法，能够消除边界效应，提高滤波器稳健性，并能消除局部形状对滤波中线的影响。
用于具有表面深谷信号粗糙测量滤波方法

[发明专利]一种基于高斯混合神经网络模型的信号分类方法、设备及介质-CN201911018679.6在审
发明人：隋运峰;何东林;赵士瑄;刘为谦;程志;邓凌竹 -专利权人：中国民用航空总局第二研究所
申请日： 2019-10-24 - 公布日： 2020-02-11 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于高斯混合神经网络模型的信号分类方法、设备及介质，包括获取待分类信号，将待分类信号输入预先建立的高斯混合神经网络模型中，以实现所述待分类信号的分类处理；其中，所述高斯混合神经网络模型包括与卷积‑直连层连接的高斯混合判别层；所述高斯混合判别层依次包括：归一化层、特征相似计算层、特征权重层、类别相似性计算层和分类得分输出层；通过上述方案提升神经网络整体性能。
高斯混合神经网络模型分类信号相似性计算分类处理神经网络特征权重信号分类预先建立归一化计算层输出层卷积直连分类

[发明专利]一种电网数据异常点检测方法、系统、设备及介质-CN202310736030.8在审
发明人：付聪;商敬安;王佳琪;李立新;王松;夏文岳;袁中琛;徐楷;李大鹏;郭凌旭;马欣欣;陈建;张杰;宋阳;张周杰 -专利权人：中国电力科学研究院有限公司;国网天津市电力公司;国网北京市电力公司
申请日： 2023-06-20 - 公布日： 2023-09-15 - 主分类号： G06F18/23 文献下载
摘要：本发明提出了一种电网数据异常点检测方法、系统、设备及介质，方法通过使用生成式对抗网络模型生成的正常点的编码信息作为高斯混合模型的输入，确定高斯混合模型中组件的数量，对高斯混合模型进行训练，得到正常点编码信息的概率密度函数，将待测数据点经过编码后输入至高斯混合模型中，利用概率密度函数得到其概率值，当待检测数据点的概率值低于正常样本的概率值时，则该待检测数据点为异常点。通过结合两种模型，有效地避免了高维数据问题以及深度学习中网络结构复杂造成的模型训练速度慢、模型超参数过多等问题，减少了模型的复杂度和训练时间。并且使用高斯混合模型作为生成模型，能够更准确地捕捉数据的概率分布，进而提高异常检测的精度。
一种电网数据异常检测方法系统设备介质

[发明专利]基于高斯过程的多任务神经网络模型性能预测方法-CN202310292683.1在审
发明人：李曙光;薛飞;陈光杰;邹佳俊 -专利权人：电子科技大学
申请日： 2023-03-23 - 公布日： 2023-09-29 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于高斯过程的多任务神经网络模型性能预测方法，在不需要训练待测神经网络的情况下，也能准确快速评估该神经网络性能的模型性能。先提取神经网络模型影响性能的主要参数：网络深度、自注意力头的数目、前向计算网络的膨胀系数以及变化范围；将参数量化并拼接到向量中，并在向量中加入表示位置信息的位置编码，得到神经网络编码向量；选择高斯过程作为回归模型，并根据设计的准确表征不同神经网络模型之间距离的核函数，对高斯过程回归模型进行迭代优化；针对多任务，将单任务高斯过程集成到多任务高斯过程模型中，得到多任务模型；计算不同多任务模型的组合方式，将性能排名前三的模型做集成学习，得到最终用于预测性能的模型。
基于过程任务神经网络模型性能预测方法

[发明专利]基于生成对抗网络的缺陷检测数据生成、检测方法及系统-CN202211465429.9在审
发明人：周显恩;周新城;朱青;陈家泳;王飞文;邓述海;吴成中;王耀南 -专利权人：湖南大学;江西省通讯终端产业技术研究院有限公司
申请日： 2022-11-22 - 公布日： 2023-04-07 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了基于生成对抗网络的缺陷检测数据生成、检测方法及系统，该方法包括：获取目标对象的图像及缺陷标签；进而训练分类模型用于输出缺陷标签；再构建基于高斯模型组的生成对抗网络模型，并对生成器和判别器进行交替式训练其中，生成器的第2‑N个全连接层分别连接一组高斯模型，即将每一组高斯模型采样的缺陷向量和对应高斯模型的系数乘积，与对应全连接层的权重系数进行线性运算；最后将目标对象的图像的像素网格坐标输入训练好的生成对抗网络模型，通过控制高斯模型组的系数生成各类缺陷图像。
基于生成对抗网络缺陷检测数据方法系统

[发明专利]一种基于高斯注意力的人脸检测装置、方法和存储介质-CN202110843276.6有效
发明人：张晓武;陈斌 -专利权人：浙江霖研精密科技有限公司
申请日： 2021-07-26 - 公布日： 2021-10-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于高斯注意力的人脸检测装置、方法和存储介质，所述人脸检测装置包括用于采用训练集训练网络模型的训练模块，所述网络模型包括关键点检测模型和人脸检测模型，首先训练得到关键点检测模型，然后，计算生成关键点高斯注意力图并输入到人脸检测模型中进行训练学习，最终得到训练后的网络模型；关键点高斯注意力图利用二维高斯核以每个关键点位置信息为中心展开得到的关键点概率分布图，重复计算的点采用取最大值操作。本发明通过关键点高斯注意力图的分布信息，从而获取到人们面部不同部位特征信息的重要程度，将这些信息结合训练人脸检测模型，可以大大提高遮挡情况下人脸的检测精度，增强人脸识别性能。
一种基于注意力检测装置方法存储介质

[发明专利]一种基于半监督增量高斯混合回归的自适应软测量方法-CN202011614387.1有效
发明人：宋执环;李德阳 -专利权人：浙江大学
申请日： 2020-12-30 - 公布日： 2022-04-29 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于半监督增量高斯混合回归的自适应软测量方法，该方法首先使用增量高斯混合回归模型，通过选择与关键质量变量相关性较大且容易测量的一组过程变量作为模型的输入，对时变工业过程中难以实时测量的质量变量进行预测估计为了解决在工业过程中广泛存在的有标签样本稀少现象对模型预测精度的影响，把增量高斯混合回归模型拓展到半监督增量高斯混合回归模型。本发明不仅能够有效面对实际工业过程中的非线性，非高斯性和时变特性，还能够有效解决工业过程中的有标签样本稀少带来的模型参数学习不准确问题，在一定程度上缓解了模型的过拟合，并提高了模型更新效率，达到了针对关键变量自适应软测量的目的
一种基于监督增量混合回归自适应测量方法

[发明专利]基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型和方法-CN202011253533.2在审
发明人：陈青春;朱元励;吴莹莹;万小荣;陈小琳;张悦;王靖;岳海峰;邢明梅;蒋锋 -专利权人：仲恺农业工程学院
申请日： 2020-11-11 - 公布日： 2021-01-26 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型，为Python语言的高斯过程回归模型，并进一步提供了该高斯过程回归模型的模型参数。还提供了基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演方法。本发明的基于高斯过程回归算法的水稻单位面积内地上部干物重遥感反演模型能够快速、准确的获取水稻单位面积内地上部干物重信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻单位面积内地上部干物重特征波段难以确定的困难，大大提高水稻单位面积内地上部干物重反演模型精度。
基于过程回归算法水稻单位面积内地上部干物重遥感反演模型方法

[发明专利]确定模型分类性能标识的方法、装置、设备及存储介质-CN202111430650.6在审
发明人：王宏刚;刘识;林晓静;李宗朋;苏良立;赵宇亮;程志华;赵加奎;李文娟;张海峰 -专利权人：国家电网有限公司大数据中心
申请日： 2021-11-29 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种确定模型分类性能标识的方法、装置、设备及存储介质，该方法可以包括：获取电力数据；根据K个不同的高斯模型分别对电力数据进行处理，得到K个分类结果；其中，K表示电力数据包含的数据维度数量，K为大于1的整数；根据聚类算法对电力数据进行聚类，得到K个聚类结果；根据K个分类结果和K个聚类结果，确定高斯模型的分类性能标识，K个分类结果与K个聚类结果在不同电力数据维度上呈对应关系。通过上述方式能够实现通过高斯模型对现有的海量电力数据进行分类处理，并基于聚类算法的聚类结果对高斯模型的分类结果进行评估，以了解高斯模型对电力数据的分类性能。
确定模型分类性能标识方法装置设备存储介质

[发明专利]离散小波域copula模型图像分类方法-CN201810042253.3有效
发明人：李朝荣;李明勇;何苏 -专利权人：宜宾学院
申请日： 2018-01-21 - 公布日： 2021-06-04 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种在离散小波的高频子带和低频子带上分别建立copula模型的方法来表示图像，并应用于图像的分类。在图像特征提取阶段，首先将图像进行三层离散小波分解，在每一分解层的3个高频子带和1个低频子带上建立高斯copula模型，三层共12个高斯copula模型，高斯copula模型之间的相似度用Jeffrey在图像分类阶段，计算离散小波域所有子带的12个高斯copula模型的加权Jeffrey距离来实现图像分类。相比较于现有的离散小波域高斯copula模型，本发明能将分类准确率提高2到5个百分点。
离散小波域 copula 模型图像分类方法

[发明专利]一种基于视图的特征匹配三维模型检索方法-CN201710038391.X有效
发明人：刘安安;师阳;聂为之 -专利权人：天津大学
申请日： 2017-01-19 - 公布日： 2020-05-12 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于视图的特征匹配三维模型检索方法，包括：将多视角高斯核和跨视角高斯核合并为多视角训练特征，将单视角高斯核和跨视角高斯核合并为单视角训练特征，利用多视角训练特征和单视角训练特征构建目标函数并使其最小化得到特征匹配矩阵；从多视角模型库和单视角模型库中分别选择一些物体作为测试集，将多视角高斯核和跨视角高斯核合并为多视角测试特征，将单视角高斯核和跨视角高斯核合并为单视角测试特征；将多视角测试特征乘以转换函数得到映射后的特征，将单视角测试特征乘以另一转换函数得到映射后的特征；计算特征间的cos距离进而获得模型之间的相似度。
一种基于视图特征匹配三维模型检索方法