“熵特征”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2461982个，建议您升级VIP下载更多相关专利

[发明专利]一种基于熵值校验的表格图像区域识别方法及系统-CN202110490611.9在审
发明人：苏琳 -专利权人：北京惠朗时代科技有限公司
申请日： 2021-05-06 - 公布日： 2021-07-30 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于熵值校验的表格图像区域识别方法及系统，涉及图像识别领域。一种基于熵值校验的表格图像区域识别方法包括：根据HOG对多个表格图像区域和待识别图像区域进行特征提取，然后利用欧式距离计算待识别图像区域和多个表格图像区域的特征相似性度量；通过熵值计算公式求得待识别图像区域的熵值；根据第一预设条件判定待识别图像区域是否为表格图像区域；其能够通过特征相似性检验及熵值检验模型对表格图像区域识别有较强的针对性，可以显著地提升表格图像区域识别的精度。此外本发明还提出了一种基于熵值校验的表格图像区域识别系统，包括：特征相似度模块、区域熵模块及结果模块。
一种基于校验表格图像区域识别方法系统

[发明专利]一种完整的局部熵二值模式纹理图像分类方法-CN201810843004.4在审
发明人：李一兵;李斌;许晓春;孙骞;叶方;酒铭杨;张振鹏;徐衡宇 -专利权人：深圳市白麓嵩天科技有限责任公司
申请日： 2018-07-27 - 公布日： 2020-02-07 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种完整的局部熵二值模式纹理图像分类方法，首先，根据局部二值编码的尺度，计算每个像素对应局部区域块的熵特征，并基于自适应熵阈值，对其进行二值编码。然后，对传统的完整局部二值模式的三个特征进行区域均值编码。接下来，将得到的局部熵二值特征与基于区域均值的完整局部二值模式的三个特征一起组成完整的局部熵二值模式。最后，利用特征融合或拼接得到联合特征直方图，并结合KNN分类器实现对纹理图像的分类。本发明提出的纹理分类方法具有更加全面的纹理信息表达能力，具有优越的纹理分类性能。
二值模式二值编码纹理分类纹理图像分类特征直方图局部区域特征融合纹理图像纹理信息传统的自适应熵特征像素拼接尺度分类联合

[发明专利]一种判定显著区域是否存在的方法及系统-CN202111021596.X在审
发明人：梁晔;马楠;宏晨;姬厚国;李梦哲;牟圣豪;罗超市;肖洪广 -专利权人：北京联合大学
申请日： 2021-09-01 - 公布日： 2022-01-07 - 主分类号： G06V10/46 文献下载
摘要：本发明提供一种判定显著区域是否存在的方法及系统，其中方法包括训练过程和测试过程，所述测试过程包括以下步骤：选取训练图像集D，进行标注；计算所述每幅图像的直方图特征；计算所述每幅图像的熵特征P；将图像的所述熵特征P和对应的图像类标输入到SVM进行训练，得到训练模型；所述测试过程包括提取测试图像的熵特征，并将所述熵特征输入所述训练模型，对其是否含有显著区域进行判断。本发明提出的判定显著区域是否存在的方法及系统，引入图像的熵特征，以便于后续的视觉任务根据是否含有显著区域采取不同的处理过程，提高系统性能。
一种判定显著区域是否存在方法系统

[发明专利]基于长短时记忆循环神经网络的轴承早期故障识别方法-CN201711273124.7有效
发明人：张斌;李巍华 -专利权人：华南理工大学
申请日： 2017-12-06 - 公布日： 2019-10-18 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种基于长短时记忆循环神经网络的轴承早期故障识别方法，包括步骤：对轴承全寿命振动信号进行采集后提取常用的时域特征；构建波形熵特征，并利用平方解调方法验证波形熵的有效性；利用时域特征和熵特征构建特征数据集，选取正常数据集和深度故障数据集；将正常数据集和深度故障数据集作为训练样本对LSTM循环神经网络进行训练；将在线轴承振动信号进行时域特征和熵特征提取后输入训练好的LSTM循环神经网络对故障发生时刻进行识别本发明将振动信号的传统特征和熵特征进行结合，在保证振动特征量物理意义的情况下，准确反映轴承当前状态。所采用的循环神经网络能有效运用退化历史数据，从而对轴承故障发生时刻进行有效识别。
循环神经网络熵特征轴承时域特征故障数据早期故障振动信号正常数据构建故障发生时刻轴承振动信号传统特征发生时刻历史数据特征数据物理意义训练样本有效识别有效运用振动特征轴承故障后提取解调退化验证采集保证

[发明专利]融合特征分布熵的深度图像检索方法-CN201910340084.6有效
发明人：刘萍萍;郭慧俐;勾贵霞;苗壮;石立达;金百鑫;王振;王慧 -专利权人：吉林大学
申请日： 2019-04-25 - 公布日： 2022-04-05 - 主分类号： G06F16/53 文献下载
摘要：本发明公开了一种融合特征分布熵的深度图像检索方法，所述深度图像检索方法在图像检索中，从图像中提取的特征向量所携带的信息丰富程度会影响图像的检索效果，本发明提出了融合特征分布熵的深度图像检索方法。该算法的核心思想是在R‑MAC特征向量中加入特征分布熵将其作为R‑MAC特征的补充，将特征分布熵与R‑MAC特征通过加权求和的方式融合在一起，得到的特征向量具有区域分布信息和更强的描述能力，从而提升图像检索性能
融合特征分布深度图像检索方法

[发明专利]一种基于颜色特征和聚类算法的显著性目标检测方法-CN201810540285.6有效
发明人：张艳邦;张芬 -专利权人：咸阳师范学院
申请日： 2018-05-30 - 公布日： 2021-10-29 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种特征聚类和颜色对比度的图像显著性目标检测方法，首先，同时考虑了Lab和对抗色两个颜色空间，同时考虑了每个像素点与多尺度邻域差值问题，这样既考虑图像的整体特征又考虑图像的局部特征。运用信息熵作为衡量显著图的检测效果，首先运用信息熵找到每个颜色通道中的最优三个邻域尺度，然后用信息熵找到最优三个颜色通道，并且运行信息熵组合每步得到的最优显著图。这样既考虑图像的整体特征又考虑图像的局部特征。接着运用信息熵分步组合得到的最优显著性分布图。
一种基于颜色特征算法显著目标检测方法

[发明专利]一种基于信息熵改进PCA的故障敏感特征提取方法-CN201410654345.9在审
发明人：陈涛;徐小力;王立勇;王少红 -专利权人：北京信息科技大学
申请日： 2014-11-17 - 公布日： 2015-02-18 - 主分类号： G06F19/00 文献下载
摘要：本发明涉及一种基于信息熵改进PCA的故障敏感特征提取方法，其包括步骤：采集往复压缩机的多项运行状态参数；计算故障敏感值，并构造故障敏感特征矩阵；计算故障敏感协方差矩阵；对故障敏感特征协方差矩阵进行分解，得到故障敏感特征协方差矩阵的特征值，得到各个特征值对应的单位化特征向量；计算第i个主成分的贡献p_i及前j个主成分累积贡献率p_lj，并选取前k个特征值对应的特征向量进行组合形成映射矩阵；对故障敏感特征矩阵进行映射变换，得到重构主故障特征矩阵；计算主故障特征矩阵携带的故障信息量及各主特征信息熵加权融合权系数，得到信息熵加权系数矩阵；利用信息熵加权系数矩阵对各主故障特征进行信息熵加权融合，得到融合故障敏感特征。
一种基于信息改进 pca 故障敏感特征提取方法

[发明专利]一种多模态意图识别方法、装置、设备及存储介质-CN202211476158.7在审
发明人：王章定;朱亚杰;王波 -专利权人：合众新能源汽车股份有限公司
申请日： 2022-11-23 - 公布日： 2023-06-27 - 主分类号： G10L15/22 文献下载
摘要：一种多模态意图识别方法、装置、设备及存储介质，该意图识别方法包括如下步骤：获取用户的原始语音信息；将获取的原始语音信息转换为文本信息；基于文本分类模型TextCNN对文本信息进行文本特征分类；计算第一交叉熵值；基于无监督预训练模型wav2vec对原始语音信息提取音频特征；基于音频特征进行音频特征分类；计算第二交叉熵值；抽取文本特征和音频特征；拼接抽取的文本和音频特征；对拼接获得的结果进行全连接和激活；计算第三交叉熵值；基于第一交叉熵值、第二交叉熵值和第三交叉熵值的加权运算获得意图识别结果，加权运算的权值基于文本分类模型TextCNN和无监督预训练模型wav2vec的训练获得。
一种多模态意图识别方法装置设备存储介质

[发明专利]一种工业互联网的业务流量训练方法-CN202211545547.0在审
发明人：戚建淮;刘航;崔宸;胡金华;徐国前;唐娟 -专利权人：深圳市永达电子信息股份有限公司
申请日： 2022-12-01 - 公布日： 2023-04-25 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种工业互联网的业务流量训练方法，包括：确定业务流量的多个检查点及多个检查点待检测的流量特征；针对各检查点用主成分分析方法确认主要流量特征；依据主要流量特征计算已选主要流量的信息熵；依据检查点及信息熵进行网络过滤训练本发明的有益效果：通过确定业务流量的多个检查点及各检查点待检测的流量特征，并对各检查点采用主成分分析法筛选出影响流量的最主要的特征，对这些主要特征计算出相对应的信息熵，并根据历史流量信息熵的取值集合，通过判断多个检查点流量主要特征信息熵取值是否被包括在历史流量信息熵取值集合中来判断流量是否正常
一种工业互联网业务流量训练方法

[发明专利]一种排水管道堵塞故障的检测方法-CN201710431959.4有效
发明人：吴建德;闫菁;冯早;王晓东;范玉刚;黄国勇;邹金慧 -专利权人：昆明理工大学
申请日： 2017-06-09 - 公布日： 2019-04-09 - 主分类号： F17D5/06 文献下载
摘要：方法为：安装排水管道堵塞故障的检测装置；选择已知的管道无故障段/管道故障段进行检测，计算机从接收端获得两种工况下的信号；获取排水管道两种工况下的声响应信号；声响应信号进行SVD分解；提取能量熵指标和近似熵指标，将两种指标的提取结果合并作为初始特征向量集合；将得到的能量熵特征向量集合、近似熵特征向量集合、初始特征向量集合使用距离可分性判据方法得到类内离散矩阵和类间离散矩阵；计算能量熵指标的权重、近似熵指标的权重；将各个特征向量集合加权得到新的特征向量集合；将特征向量集合训练随机森林分类器，得到故障识别模型。
一种排水管道堵塞故障检测方法

[发明专利]基于功率谱密度和互相关熵谱密度融合的特征提取方法-CN201910208851.8有效
发明人：陈霸东;秦雪梅;任鹏举;袁泽剑;郑南宁 -专利权人：西安交通大学
申请日： 2019-03-19 - 公布日： 2021-01-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于功率谱密度和互相关熵谱密度融合的特征提取方法，首次将互相关熵谱密度运用于脑电信号处理提取频域特征，并将互相关熵谱密度与功率谱密度融合得到一种新的特征，与传统的功率谱密度和互相关熵谱密度相比，融合后的特征提取方法不仅能很好地提取信号中的频率信息，还能抑制噪声的影响。本发明相比于功率谱密度和互相关熵谱密度分别更适用于信噪比高和信噪比低的信号，新的特征不仅适用于以上两种场景，还为脑电信号的低信噪比及包含环境中未知特性的各种干扰信号提供一种性能良好的频域特征提取方法。因此基于功率谱密度和互相关熵谱密度融合的特征提取方法在实际脑机接口运用中更加易于推广和使用。
基于功率密度互相关熵谱融合特征提取方法

[发明专利]一种根据信息熵得到图像显著性特征的方法-CN201210312983.3有效
发明人：郭雷;张艳邦;韩军伟;赵天云 -专利权人：西北工业大学
申请日： 2012-08-29 - 公布日： 2013-01-09 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种根据信息熵得到图像显著性特征的方法，技术特征在于：同时考虑了RGB和Lab两个颜色空间，分别在6个颜色通道中计算图像的最大邻域整体特征、剩余谱特征及稀疏性特征，运用信息熵找出每种方法的最优颜色通道，接着运用信息熵组合得到的最优显著性特征，最后，考虑像素距离图像中心分布特征，得到最终显著性特征分布图。
一种根据信息得到图像显著特征方法

[发明专利]高熵合金及其制备方法、膜电极组件和燃料电池-CN202310398953.7在审
发明人：黄宏文;黄晨明;李梦凡 -专利权人：湖南大学
申请日： 2023-04-14 - 公布日： 2023-08-11 - 主分类号： C22C30/02 文献下载
摘要：本申请涉及一种高熵合金及其制备方法、膜电极组件和燃料电池，高熵合金至少包含五种金属元素，高熵合金具有二维纳米环或三维纳米花的形貌特征。该高熵合金至少包含五种金属元素，可以构建熵驱动、热力学和动力学稳定的单相固溶体结构，使其能在高温、腐蚀和高电化学势等严峻的应用环境中保持较好的稳定性能；该高熵合金具有二维纳米环形貌特征，包含不饱和配位原子和空位等各种缺陷，使其活性位点得到充分暴露；或者该高熵合金具有三维纳米花形貌特征，其具有较大的表面积和较高的质量迁移，以及纳米花上的配位不饱和表面原子的密度较高，可有效增强高熵合金的催化性能。
合金及其制备方法电极组件燃料电池

[发明专利]一种嵌入式设备固件解压成功的判断方法-CN201510855073.3有效
发明人：石志强;刘中金;王猛涛;陈昱;常青;孙利民;何跃鹰 -专利权人：中国科学院信息工程研究所;国家计算机网络与信息安全管理中心
申请日： 2015-11-30 - 公布日： 2018-10-16 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种嵌入式设备固件解压成功的判断方法，其主要步骤包括：试验样本集固件收集、固件熵谱获取、固件熵谱指纹特征提取、分类器训练及固件是否解压成功的判断。该方法采用处理图像信号的方法对固件熵谱作相应处理，提取了固件熵谱的多域综合特征；利用正向熵阈值和负向熵阈值之间的回差有效避免了熵值在多次穿越单一阈值时所产生的干扰；在训练分类器时，首先对固件熵谱特征作Z‑Score
一种嵌入式设备解压成功判断方法

[发明专利]一种基于EMDR-WE算法的LDoS攻击检测方法-CN202111332817.5有效
发明人：汤澹;王小彩;李欣萌;刘泊儒;姚苏庭;郑思桥 -专利权人：湖南大学
申请日： 2021-11-11 - 公布日： 2022-11-11 - 主分类号： H04L9/40 文献下载
摘要：其中所述的方法包括：鉴于LDoS攻击下TCP流量序列呈现出高复杂度的特点，组合近似熵、样本熵、模糊熵、排列熵四种特征熵量化攻击窗口和正常窗口的TCP流量序列复杂度。首先构造一种经验模态分解并重构TCP流量序列的预处理模型，通过该模型过滤TCP流量序列的噪声成分并得到TCP流量的滑动窗口序列，提取各窗口的四种特征熵。接着利用熵权法赋予信息贡献度大的特征熵更高的权重，得到各TCP流量窗口的复杂度的综合评分。与逻辑回归训练得出的阈值比较，综合评分高于阈值的窗口被判定为存在LDoS攻击。本发明提出的基于经验模态分解、重构和熵权法的LDoS攻击检测方法能准确地检测LDoS攻击且性能稳定。
一种基于 emdr we 算法 ldos 攻击检测方法