“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]利用多个高斯模型以维持图像背景的方法与装置-CN200910126660.3有效
发明人：王志平 -专利权人：微星科技股份有限公司
申请日： 2009-03-10 - 公布日： 2010-09-15 - 主分类号： G06T7/20 文献下载
摘要：一种利用多个高斯模型以维持图像背景的方法与装置，其中方法包括下列步骤：a.撷取包含多个像素的图像画面，用以获得背景信息；b.计算背景信息以建立主高斯模型；c.撷取固定时间间隔内的多个连续图像画面，以获得图像信息，并计算图像信息以建立次高斯模型；d.重复步骤c以建立多个次高斯模型；和e.比较两个次高斯模型，判断两个次高斯模型所对应的图像信息都属于背景信息时，则以次高斯模型更新主高斯模型的学习，如果判断两个次高斯模型所对应的图像信息的至少其中之一不是背景信息时，则不更新主高斯模型的学习，而维持主高斯模型的背景信息。
利用多个高斯模型维持图像背景方法装置

[发明专利]一种基于高斯尾流模型的风电机组尾流特性分析方法-CN202210734114.3在审
发明人：张健美;周强;沈渭程;吕清泉;王定美;张金平;张睿骁;李津;甄文喜;张珍珍;刘丽娟;高鹏飞;张彦琪 -专利权人：国网甘肃省电力公司电力科学研究院
申请日： 2022-06-27 - 公布日： 2022-11-01 - 主分类号： G06F30/20 文献下载
摘要：本发明属于新能源并网与调度运行技术领域，涉及一种基于高斯尾流模型的风电机组尾流特性分析方法，应用于电力部门对多种新能源发电的协调调度。本发明通过建立基于高斯尾流模型的高斯风速分布模型、建立基于高斯尾流模型的高斯功率分布模型、基于高斯尾流模型的单列风电机组尾流叠加模型建立。本发明是一种能够根据不同工况对高斯模型参数进行调整，从而提高模型预测准确度的基于高斯尾流模型的风电机组尾流特性分析方法。
一种基于高斯尾流模型机组特性分析方法

[发明专利]一种瑞利-高斯衰落信道模型的验证方法-CN202110043910.8在审
发明人：袁莉芬;束海星;何怡刚;李兵;佐磊;尹柏强;刘韬;张鹤鸣 -专利权人：合肥工业大学
申请日： 2021-01-13 - 公布日： 2021-05-28 - 主分类号： H04B17/391 文献下载
摘要：本发明涉及一种瑞利‑高斯衰落信道模型的验证方法，包括：建立瑞利‑高斯衰落信道模型仿真平台，并计算信道模型的时域衰落、幅值包络、相位和功率谱；验证信道模型的时域衰落特征是否满足瑞利‑高斯信道时域特征；验证信道模型的一阶统计特征是否满足瑞利‑高斯信道一阶统计特征；验证信道模型的功率谱是否满足瑞利‑高斯信道功率谱；判定所建信道模型是否为瑞利‑高斯信道模型。本发明可以通过定量分析信道模型的时域衰落特征和一阶统计特征、观察信道模型多普勒功率谱实际谱图的形状和带宽，对瑞利‑高斯衰落信道模型进行验证。
一种瑞利衰落信道模型验证方法

[发明专利]一种基于高斯混合模型的图像检索方法-CN200910305324.5无效
发明人：王天江;刘芳;余艳;龚立宇;陈刚 -专利权人：华中科技大学
申请日： 2009-08-06 - 公布日： 2010-01-06 - 主分类号： G06F17/30 文献下载
摘要：一种基于高斯混合模型的图像检索方法，属于图像检索领域，克服现有高斯混合模型距离度量方法准确性不够的问题，进一步提高高斯混合模型距离度量在人类感知上的准确度，从而提高图像检索性能。本发明包括：步骤一、提取图像库中所有图像对应的高斯混合模型；步骤二、提取待检索图像的高斯混合模型；步骤三、计算待检索图像的高斯混合模型与图像库中所有图像的高斯混合模型间的距离；步骤四、距离排序并返回检索结果本发明提高了高斯混合模型距离度量的准确性，从而提高图像检索的性能。
一种基于混合模型图像检索方法

[发明专利]一种基于多变量对数高斯混合模型的图像纹理特征提取及识别方法-CN201811575477.7有效
发明人：陈熙 -专利权人：贵州师范大学
申请日： 2018-12-22 - 公布日： 2022-10-21 - 主分类号： G06V10/46 文献下载
摘要：本发明涉及一种基于多变量对数高斯混合模型的图像纹理特征提取及识别方法，属于模式识别技术领域。本发明首先对一幅纹理图像采用高斯二维Gabor滤波器进行滤波处理，并构建对数高斯随机向量；采用一个多变量对数高斯概率模型对对数高斯随机向量进行参数建模；再采用多个多变量对数高斯概率模型对对数高斯随机向量进行参数建模；对参数建模得到的多变量对数高斯概率混合模型中所涉及的参数Θ采用期望最大进行估计，得到多变量对数高斯概率混合模型；最后计算待分类纹理图像属于各类图像的多变量对数高斯混合模型的概率，此概率即为分类的依据。本发明能对具有非高斯，厚拖尾统计特点的纹理图像进行有效识别。
一种基于多变对数混合模型图像纹理特征提取识别方法

[发明专利]一种工业机器人控制系统的信息安全测试数据处理方法-CN202310014772.X有效
发明人：李芬;公延廷;王磊;刘浩;吴沧海;于夏夏 -专利权人：山东卓朗检测股份有限公司
申请日： 2023-01-06 - 公布日： 2023-05-16 - 主分类号： H04L9/08 文献下载
摘要：本发明涉及安全存储领域，具体涉及一种工业机器人控制系统的信息安全测试数据处理方法，该方法获得二维矩阵以及二维矩阵的混合高斯模型，生成综合密钥序列；根据二维矩阵得到多个区域；根据各单高斯模型及多个区域得到各单高斯模型的综合描述能力；根据各单高斯模型的综合描述能力和各高斯参数的混乱程度得到各单高斯模型的各高斯参数的易暴露程度；根据易暴露程度和综合密钥序列的各密钥值的破解难度得到各单高斯模型的各高斯参数的密钥序列；根据各单高斯模型的各高斯参数的密钥序列的密钥序列得到密文数据
一种工业机器人控制系统信息安全测试数据处理方法

[发明专利]一种基于高斯混合模型的非高斯噪声模型建立方法-CN202211032734.9在审
发明人：王小刚;白瑜亮;荣思远;王瑞鹏;单永志;彭科科;周宏宇;张龙;徐天富 -专利权人：哈尔滨工业大学
申请日： 2022-08-26 - 公布日： 2022-12-09 - 主分类号： G06F30/20 文献下载
摘要：本发明提出了一种基于高斯混合模型的非高斯噪声模型建立方法，首先建立基于概率密度函数的高斯混合模型GMM，得到参数向量的迭代公式；再以最短描述长度MDL为目标函数，通过合并分裂方法SMEM确定混合分量数，估计出高斯混合模型GMM参数；最终根据高斯混合模型GMM和估计出高斯混合模型GMM参数，通过EM算法和KL三都，得到GMM模型参数，完成高斯混合模型；本发明以KL散度为子模型分裂的判别准则，以模型相似度为子模型合并的判别准则，对KL散度最大且分裂后MDL减小的子模型进行分裂，对模型相似度最大并且合并后MDL值减小的子模型对进行合并；以此来控制混合分量数的数量；合并操作以模型相似度为判别准则不需要遍历所有子模型，减少了计算量
一种基于混合模型非高斯噪声建立方法

[发明专利]用于优化机器人的策略的方法-CN202111253409.0在审
发明人： L·弗勒利希;E·克伦斯科;L·洛佐 -专利权人：罗伯特·博世有限公司
申请日： 2021-10-27 - 公布日： 2022-05-13 - 主分类号： B25J9/16 文献下载
摘要：一种用于优化机器人的预先给定的策略（英语：policy）的方法，其中所述策略是高斯混合模型（英语：Gaussian mixture model）。所述方法从对高斯过程进行初始化开始，其中所述高斯过程具有至少一个核k，所述核作为输入参量获得在分别通过高斯混合模型和高斯过程表征的概率分布之间并且按照概率乘积核确定的距离。接着是优化所述高斯过程，使得所述高斯过程根据所述高斯混合模型的参数预测成本。然后是根据所述高斯过程确定所述高斯混合模型的最优参数，其中根据所述高斯过程选择参数，使得所述高斯过程输出最优成本函数。
用于优化机器人策略方法

[发明专利]一种基于环形阵列艾里高斯光束的远场聚焦能力提高方法-CN202210364028.8有效
发明人：许萌;钟杰 -专利权人：浙江大学
申请日： 2022-04-07 - 公布日： 2023-05-12 - 主分类号： G02B27/00 文献下载
摘要：本发明提出一种基于环形阵列艾里高斯光束的远场聚焦能力提高方法，其中包括，获取艾里光束，将艾里光束经高斯光阑调制后得到艾里高斯光束；将多个艾里高斯光束按第一预设半径的环形均匀分布排列，建立第一环形阵列艾里高斯光束模型；将多个艾里高斯光束按第二预设半径的环形均匀分布排列，建立第二环形阵列艾里高斯光束模型；将第一环形阵列艾里高斯光束模型与第二环形阵列艾里高斯光束模型进行嵌套处理，以建立双环形阵列艾里高斯光束理论模型；通过双环形阵列艾里高斯光束理论模型增大远场聚焦区间长度和提升远场聚焦区域能量
一种基于环形阵列艾里高斯光束聚焦能力提高方法

[发明专利]账户类型识别方法、装置、计算机设备及存储介质-CN202110711185.7在审
发明人：宋凯华;索寒生;陈海龙;姜霄;卞疆;储凯;孙佳琦 -专利权人：石化盈科信息技术有限责任公司
申请日： 2021-06-25 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种账户类型识别方法方法、装置、计算机设备及存储介质，该方法包括：获取每一账户的注册信息；基于K均值聚类算法，根据注册信息对账户进行分类，并计算初始值；构建高斯混合模型；根据所述初始值，对高斯混合模型的参数进行初始化；根据最大期望算法对高斯混合模型进行迭代，对高斯混合模型的参数进行更新，得到更新后的高斯混合模型；使得高斯混合模型的均值和方差更加接近原始数据的真实情况，进而提升通过高斯混合模型对账户类型识别准确度，基于更新后的高斯混合模型
账户类型识别方法装置计算机设备存储介质

[发明专利]一种高斯-谢尔模型涡旋光束的光纤耦合装置及方法-CN202111659126.6在审
发明人：张慧;王金鑫;袁扬胜;蔡阳健 -专利权人：山东师范大学
申请日： 2021-12-30 - 公布日： 2022-04-19 - 主分类号： G02B6/26 文献下载
摘要：本发明公开了一种高斯‑谢尔模型涡旋光束的光纤耦合装置及方法，包括高斯‑谢尔模型涡旋光束生成装置、第二空间光调制器和第三薄透镜；所述高斯‑谢尔模型涡旋光束生成装置用于产生高斯‑谢尔模型涡旋光束，并将高斯‑谢尔模型涡旋光束传输至第二空间光调制器；所述第二空间光调制器用于对传输后的高斯‑谢尔模型涡旋光束加载反螺旋相位，进行相位解调，得到解调光束；所述第三薄透镜用于将解调光束聚焦到光纤。能够简便精确的将高斯‑谢尔模型涡旋光束耦合进入光纤内部。
一种模型涡旋光束光纤耦合装置方法

[发明专利]风力发电功率的确定方法及装置-CN201410802366.0在审
发明人：白恺;宋鹏;曲洪达;吴宇辉;柳玉;刘京波;杨伟新;董建明 -专利权人：国家电网公司;华北电力科学研究院有限责任公司
申请日： 2014-12-19 - 公布日： 2016-07-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供了一种风力发电功率的确定方法及装置，该方法包括：构建高斯回归训练模型并确定高斯回归训练模型的超参数；采用密母算法筛选高斯回归训练模型的超参数，并采用筛选出来的超参数构建成新的高斯回归训练模型；利用新的高斯回归训练模型，对第一样本数据集进行计算处理，获得预测风力发电功率时刻的风速数据；利用新的高斯回归训练模型，对预测风力发电功率时刻的风速数据和第二样本数据集进行计算，确定预测风电功率。该方案通过采用密母算法筛选高斯回归训练模型的超参数，采用筛选出来的超参数构建成新的高斯回归训练模型，并利用新的高斯回归训练模型来预测风电功率，可以提高预测风力发电功率的效率，提高预测结果的精确度。
风力发电功率确定方法装置

[发明专利]一种基于高斯混合模型隐变量监督学习的多点云配准方法-CN202111272107.8在审
发明人：王耀南;赵佳文;朱青;毛建旭;张辉;彭伟星;吴昊天;武子杰;唐永鹏 -专利权人：湖南大学
申请日： 2021-10-29 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于高斯混合模型隐变量监督学习的多点云配准方法，构建标准点云和待配准点云集合；将标准点云和待配准点云集合建模为同样的高斯混合模型，设置高斯混合模型的超参数为K；设标准点云为高斯混合模型生成的一个样本，使用神经网络求得隐变量，求解最优高斯混合模型参数；设待配准点云集合经刚性变换后配准完成的点云集合为高斯混合模型生成的一个样本，使用神经网络求得隐变量，使用上一步所求最优高斯混合模型参数，求解最优变换参数，使得变换后点云的高斯混合模型与标准点云的高斯混合模型一致；根据上一步所求最优变换参数完成多点云的配准，同时也完成了与标准点云的对齐。
一种基于混合模型变量监督学习多点云配准方法

[发明专利]一种基于双向长短期记忆网络的说话人确认欺骗检测方法-CN202110087153.4在审
发明人：雷震春;马明磊;杨印根 -专利权人：江西师范大学
申请日： 2021-01-22 - 公布日： 2021-06-01 - 主分类号： G10L17/02 文献下载
摘要：本发明提供一种基于双向长短期记忆网络的说话人确认欺骗检测方法，包括：获取真实语音数据及欺骗语音数据，计算线性频率倒谱系数特征；采用高斯混合模型对线性频率倒谱系数特征进行建模并进行训练，得到真实语音高斯混合模型和欺骗语音高斯混合模型；将语音线性频率倒谱系数特征在真实语音及欺骗语音高斯混合模型的基础上，计算相应的高斯概率特征；构建孪双向长短期记忆网络，将真实语音高斯混合模型及欺骗语音混合模型上得到的高斯概率特征分别作为输入进行训练；本发明采用高斯概率特征，使用孪生双向长短期记忆网络模型来捕捉语音帧前后依赖，从而提高语音欺骗检测系统性能。
一种基于双向短期记忆网络说话确认欺骗检测方法

[发明专利]高斯框架下近似最优肤色检测方法-CN201110389354.6有效
发明人：杜友田;蔡忠闽;李谦 -专利权人：西安交通大学
申请日： 2011-11-30 - 公布日： 2012-06-27 - 主分类号： G06K9/62 文献下载
摘要：为了解决目前高斯框架下的方法只能在某个特定的误检率(FalsePositive Rates，简称FPRs)区间内性能较好的问题，本发明提出一种高斯框架下近似最优的肤色检测方法，称为多高斯模型(Multiple首先将RGB颜色空间归一化得到rgb空间，然后建立多个最优单高斯模型，最后将多个最优模型融合。MGMs模型包含多个最优单高斯模型，每个高斯模型对应于一个事先定义的FPR值。在每个FPR情况下，对应的最优模型会得到最高的肤色检测率(True Positive Rates，简称TPRs)，该模型采用基于搜索算法的优化问题求解来获得。因此，对于所有的FPR值，MGMs模型能够在高斯框架下获得近似最优的肤色检测性能。此外，MGMs模型与单高斯模型(Single Gaussian Models，简称SGMs)在测试环节具有相同的计算复杂度。
框架近似最优肤色检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条