“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]一种基于属性权重融合的未知目标识别方法-CN202010262934.8有效
发明人：邓鑫洋;张瑜;蒋雯;常悦 -专利权人：西北工业大学
申请日： 2020-04-07 - 公布日： 2022-03-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于属性权重融合的未知目标识别方法，包括以下步骤：步骤一依据目标样本数据集生成高斯分布训练模型；步骤二将传感器探测得到的测试样本t扩展为高斯测试模型；步骤三计算高斯测试模型与高斯分布训练模型的匹配度本发明在高斯分布模型基础上，结合广义证据理论处理不确定信息与辨识框架不完备的优势，在属性证据融合时采用面积分割方法为各属性分配权重；此外，改进的广义证据组合规则能更灵活有效地处理不确定信息，误差更小，提升目标识别的准确率与未知类型目标的识别
一种基于属性权重融合未知目标识别方法

[发明专利]一种用于温度测量数据的存储方法-CN202310077243.4有效
发明人：杨新光;汤涛;高新愿 -专利权人：济宁市质量计量检验检测研究院（济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心）
申请日： 2023-02-08 - 公布日： 2023-04-21 - 主分类号： G06F16/51 文献下载
摘要：范围特征值以及调整系数，进而得到图像的无损必要程度；对无损必要程度大于第二阈值的图像信息进行数据存储；对无损必要程度小于等于第二阈值的图像进行数据处理，获得温度特征区域以及温度源点，计算影响程度值，进而构建单高斯模型；根据单高斯模型获得高斯混合模型，根据高斯混合模型的子高斯模型的概率值计算影响程度值，根据影响程度值构建霍夫曼树，进而根据霍夫曼树对像素值进行压缩存储。
一种用于温度测量数据存储方法

[发明专利]利用改进的高斯混合模型分类器检测图像垃圾邮件的方法-CN201110112414.X无效
发明人：张卫丰;王慕妮;张迎周;周国强;许碧欢;陆柳敏 -专利权人：南京邮电大学
申请日： 2011-04-29 - 公布日： 2011-07-20 - 主分类号： G06K9/62 文献下载
摘要：利用改进的高斯混合模型分类器检测垃圾邮件的方法，利用健壮特征的加速提取算法来提取图片中垃圾信息的不变区域特征，对不变区域特征进行高斯混合模型拟合，使用期望最大化方法来进行权重、均值以及协方差矩阵的评估，具体为：对待检测数据集的图片进行标签，分为垃圾图片与正常图片；采用健壮特征的加速提取算法提取所有数据集的局部不变特征的向量；采用高斯混合模型对局部不变特征进行密度函数拟合，得到所有图片的均值与协方差矩阵；改进均值聚类算法，使其适用于对上一步骤中得出的特殊特征向量进行聚类，使用交叉熵作为分布之间相似度的衡量指标，实现基于高斯混合模型的均值聚类算法；利用基于高斯混合模型的均值聚类算法来构建分类器。
利用改进混合模型分类检测图像垃圾邮件方法

[发明专利]用于视频监控的实时运动检测方法-CN200710069927.0无效
发明人：张明敏;洪晶 -专利权人：浙江大学
申请日： 2007-07-06 - 公布日： 2007-12-26 - 主分类号： H04N7/36 文献下载
摘要：本发明公开了一种用于视频监控的实时运动检测算法，其对于实时视频数据进行运动检测和分析，检测出视频中的运动区域：程序为视频帧中的每个像素位置建立若干个高斯模型，为视频帧中的每个像素位置建立若干个随时间变化的高斯模型，根据当前帧中该像素位置接受当前像素值的高斯模型的权重之和来区分该像素(前景和背景)，实时更新高斯模型和调整高斯模型的个数，并将前景区域用指定颜色进行标记，标记会随着运动区域的移动而移动。
用于视频监控实时运动检测方法

[发明专利]基于高斯回归组合预测模型的电能替代方案预测方法及装置-CN201910507088.9在审
发明人：林涛;张善刚;孙海彬;张磊;周健全;刘乾元;李继东;刁琳琳;孙海龙;张宏伟;苏文婧;许光宇;张琪;谭秀辉 -专利权人：国网山东省电力公司济宁供电公司;国家电网有限公司
申请日： 2019-06-12 - 公布日： 2019-10-11 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于高斯回归组合预测模型的电能替代方案预测方法及装置，接收能源替代转换企业的不同能源替代方案的预测目标，并获取各类目标的频繁项集；采用高斯回归过程建高斯回归组合预测模型；对不同能源替代方案的各类目标的频繁项集进行分簇预测并对预测目标值进行线性组合得到费用年值预测目标值；基于费用年值相等的原则，得到电能替代方案的边界电价，并计算电能替代方案的不确定度预估，得到电能替代方案预测结果；基于预测结果进行数据反馈，并与电力系统相关业务应用平台接收的实际数据进行对比，调整高斯回归组合预测模型的参数，采用参数调整后的高斯回归组合预测模型进行电能替代方案预测。
高斯预测模型方案预测回归替代能源替代频繁项集预测业务应用平台预估不确定度参数调整电力系统实际数据数据反馈线性组合预测结果预测目标分簇相等电价转换

[发明专利]学习包括高斯过程的概率模型的参数-CN202010219086.2在审
发明人： B.拉吉施;B.许;D.利布;M.坎德米尔 -专利权人：罗伯特·博世有限公司
申请日： 2020-03-25 - 公布日： 2020-10-09 - 主分类号： G06N3/04 文献下载
摘要：学习包括高斯过程的概率模型的参数。公开了系统（100），其用于根据训练数据集学习具有多个高斯过程（例如深度GP）的层的概率模型的参数集合。参数集合至少包括针对多个高斯过程的诱导位置，以及对多个高斯过程在多个诱导位置处的输出进行近似的概率分布的参数。概率分布包括多元正态概率分布，所述多元正态概率分布具有由指示多个高斯过程之间相似性的第一矩阵和指示多个诱导位置之间相似性的第二矩阵的克罗内克积限定的协方差矩阵。还公开了系统（200），其使用参数集合来确定概率模型针对给定输入的输出的一个或多个样本，例如以确定针对概率模型的均值和/或不确定性估计。
学习包括过程概率模型参数

[发明专利]一种基于残差神经网络的语音欺骗检测方法-CN202110470976.5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： 2021-04-29 - 公布日： 2021-08-10 - 主分类号： G10L17/00 文献下载
摘要：本发明提供一种基于残差神经网络的语音欺骗检测方法，包括：采集真实语音信号数据和欺骗语音信号数据,进行特征提取，获得线性频率倒谱系数；对所述线性频率倒谱系数进行训练，获得高斯混合模型；将所述线性频率倒谱系数输入所述高斯混合模型，获得高斯概率特征；构建堆叠残差层模型，将所述高斯概率特征作为输入，输出得到二维矩阵；根据自适应最大池化层对所述二维矩阵进行池化操作后,输入到全连接层进行分类，根据分类得分判断语音是正常语音还是欺骗语音本发明采用高斯概率特征结合残差神经网络模型，进一步提高了语音欺骗检测系统性能。
一种基于神经网络语音欺骗检测方法

[发明专利]一种基于浮动车轨迹的车道提取方法及系统-CN202310635091.5在审
发明人：覃飞杨;尹玉成;石涤文;蔡晨;刘奋 -专利权人：武汉中海庭数据技术有限公司
申请日： 2023-05-31 - 公布日： 2023-10-03 - 主分类号： G01C21/00 文献下载
摘要：本发明提供一种基于浮动车轨迹的车道提取方法及系统，方法包括：将浮动车轨迹按照SD地图的路口切断，划分为多条道路；将每条道路划分为多个路段，在每个路段内，将轨迹点集合分别以不同车道数构建不同的高斯混合模型；获取拟合误差最小的高斯混合模型作为当前路段的高斯混合模型，根据所述高斯混合模型中多个高斯分布的平均值和协方差矩阵构建多个车道的中心线；依次提取每个路段内的车道中心线，前后拼接得到当前道路下的多车道信息
一种基于浮动轨迹车道提取方法系统

[发明专利]软件缺陷预测方法和系统-CN201510247157.9有效
发明人：杨春晖;熊婧;高岩;林军;李冬 -专利权人：工业和信息化部电子第五研究所
申请日： 2015-05-14 - 公布日： 2017-10-20 - 主分类号： G06F11/36 文献下载
摘要：计算聚类子集的高斯参数，并根据高斯参数生成伪缺陷样本，根据软件缺陷样本集和伪缺陷样本得到更新缺陷样本集。根据更新缺陷样本集进行训练得到缺陷预测模型，根据缺陷预测模型对待测软件模块进行缺陷预测并输出预测结果。对样本软件模块采用聚类的方式形成聚类子集，对聚类子集进行高斯分析计算得到高斯参数，然后根据高斯参数生成伪缺陷样本。通过增加更多的缺陷数据生成更新缺陷样本集进行训练，提高缺陷预测模型的准确度，使缺陷预测模型能够更好的对缺陷数据进行估计和拟合，提高了对软件缺陷的预测准确性。
软件缺陷预测方法系统

[发明专利]一种船舶钣金件漆面缺陷检测方法-CN202210823219.6有效
发明人：董凤凤;房素平 -专利权人：上海群乐船舶附件启东有限公司
申请日： 2022-07-14 - 公布日： 2023-03-24 - 主分类号： G06T7/00 文献下载
摘要：该方法根据亮度图像的分布直方图确定初始分区数量，进行超像素块分割并进行高斯拟合。根据高斯模型的差异值对低拟合度区域进行多次合并划分操作，最终获得包含多个子区域的第一分块图像。根据第二分块图像中子区域的数量进行最终的混合高斯模型拟合。根据混合高斯模型拟合检测缺陷像素点，获得缺陷区域。本发明通过自适应调整混合高斯模型的参数，使其能够有效描述光照对图像的影响，并进行准确的缺陷检测。
一种船舶钣金件漆面缺陷检测方法

[发明专利]一种基于维纳原理和高斯过程回归的退化过程建模方法-CN202211370225.7在审
发明人：张天霄;曹立才;崔进 -专利权人：北京航空航天大学
申请日： 2022-11-03 - 公布日： 2023-01-10 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及退化可靠性建模技术领域，提供了一种基于维纳原理和高斯过程回归的退化过程建模方法，该方法包括以下步骤：根据实际的等间隔采样时刻测量得到的工件振动信号，经过特征提取和降维，获得数据集，采用考虑漂移参数随机效应的维纳过程对其进行描述，获得维纳核的解析形式，引入高斯过程回归，获得高斯回归模型，基于训练集，采用极大似然估计对高斯过程回归模型进行参数估计，利用高斯回归模型对测试集进行预测，获得设备的可靠性评估与寿命预测的效果。本发明实现了数据驱动方法和物理机制的结合，对数据信息的挖掘更加彻底，维纳核在高斯过程回归中的预测精度明显提高。
一种基于原理过程回归退化建模方法

[发明专利]基于深度高斯过程回归的图像编码、解码以及压缩方法-CN202210203902.X在审
发明人：戴文睿;曹迈达;李劭辉;李成林;邹君妮;熊红凯 -专利权人：上海交通大学
申请日： 2022-03-03 - 公布日： 2022-06-03 - 主分类号： H04N19/19 文献下载
摘要：本发明公开一种基于深度高斯过程回归的图像编码方法，包括：采用编码卷积神经网络得到待编码图像的瓶颈层多通道特征，作为第一特征图；将第一特征图中的每个特征量化为整数，得到第二特征图；基于深度高斯过程回归的自回归模型和超先验模型，对第二特征图的每一个通道，加权组合多个高斯分布的混合高斯分布编码特征，生成特征二进制码流；将超先验模型得到的超先验信息编码为超先验二进制码流；合并超先验二进制码流与特征二进制码流，得到压缩图像的二进制码流采用非参数化的深度高斯过程回归方法进行自回归建模，将深度高斯过程回归输出的后验分布作为混合高斯模型的均值，可以灵活地获得均值估计的不确定性，从而得到更准确的均值估计。
基于深度过程回归图像编码解码以及压缩方法

[发明专利]基于混合高斯人数分布学习的室内人数统计方法及系统-CN201910897992.5在审
发明人：耿新;凌妙根 -专利权人：东南大学
申请日： 2019-09-23 - 公布日： 2020-01-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于混合高斯人数分布学习的室内人数统计方法及系统，方法步骤是：对视频帧进行室内前景提取，计算带权重的多维前景特征；利用MATLAB建立人数标注工具的GUI界面；采用以真实人数标记为中心的离散高斯分布初始化每个训练帧对应的人数分布；结合最大熵模型与正则化项生成目标函数，使用L‑BFGS算法得到优化后的参数模型；利用多个近邻帧构成混合高斯模型得到每一个视频帧的人数分布，多次迭代得到优化后的混合高斯模型，利用得到的混合高斯模型更新每一帧对应的人数分布；交替优化直至收敛，得到最优的最大熵模型参数；对于待统计的视频帧，得到前景特征，然后计算得到每一帧所对应的人数分布。
混合高斯模型最大熵模型视频帧优化预测视频帧参数模型对视频帧多次迭代高斯分布混合高斯目标函数前景提取室内人数正则化项初始化训练帧多维权重算法标注收敛统计室内更新学习

[发明专利]一种确定班车站点位置的方法、系统、设备以及存储介质-CN202210577700.1在审
发明人：陈静静;吴睿振;王凛;张永兴 -专利权人：山东云海国创云计算装备产业创新中心有限公司
申请日： 2022-05-25 - 公布日： 2022-08-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种确定班车站点位置的方法，包括以下步骤：获取每一个乘客提供的位置坐标以构建数据集；构建不同K值的高斯混合模型；分别利用所述数据集训练每一个高斯混合模型；利用肘部法则计算公式计算训练好的每一个高斯混合模型的畸变程度；根据所述畸变程度确定对应的K值；根据确定的K值对应的高斯混合模型确定每一个簇的均值点并将每一个所述均值点作为站点位置。本发明提出的方法通过将每个乘客提供的位置信息作为GMM算法的输入，让混合模型中子高斯模型的数量K在一定的范围内变换，根据肘部法则确定合适的K，然后根据GMM算法确定站点的位置信息及该站点所能覆盖的乘客。
一种确定班车站点位置方法系统设备以及存储介质

[发明专利]相关噪声及非高斯干扰下轮式移动机器人轨迹跟踪方法-CN202210554945.2在审
发明人：李丽;李鹏超 -专利权人：燕山大学
申请日： 2022-05-20 - 公布日： 2022-09-02 - 主分类号： G05D1/02 文献下载
摘要：本发明涉及一种相关噪声及非高斯干扰下轮式移动机器人轨迹跟踪方法，属于轮式机器人轨迹跟踪数据融合技术领域，包括建立轮式移动机器人的连续时间运动学模型，将其进行离散化，建立轮式移动机器人的非线性状态模型和非线性传感器测量模型；对于非线性状态模型考虑高斯噪声干扰，对于非线性传感器测量模型考虑高斯噪声干扰和非高斯噪声干扰；对非线性传感器测量模型进行线性化；综合考虑过程噪声和测量噪声之间的一步相关性；提出一种无迹信息滤波算法，得到信息矩阵和信息向量的估计本发明基于无迹卡尔曼滤波的基础上引入噪声的相互干扰和非高斯干扰，提高了对目标轨迹跟踪的精度。
相关噪声非高斯干扰轮式移动机器人轨迹跟踪方法