“宋允全”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果15个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自监督学习的遥感图像船舶检测方法-CN202211003709.8在审
发明人：梁锡军;朱莉莉;蒲志奇;于琪;渐令;宋允全 -专利权人：中国石油大学（华东）
申请日： 2022-08-22 - 公布日： 2023-02-03 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及图像识别技术领域，公开了一种基于自监督学习的遥感图像船舶检测方法，包括：(1)根据海面遥感图像中待检测船舶面积小且一张图可能存在多艘船舶的特点，设计了针对性的自监督学习模块，仅利用无标注海面遥感图像构建特征提取网络，实现海洋遥图像的高效特征提取；(2)改进Mask R‑CNN的FPN网络，融合三种尺寸的特征图，结合自监督学习模块的特征提取器，在标注样本较少的情形下，显著提升了中小型船只的检测精度。
一种基于监督学习遥感图像船舶检测方法

[发明专利]一种基于步长控制的在线软间隔核学习算法-CN201811037902.7有效
发明人： 宋允全;李月菱;于琪;雷鹤杰;梁锡军;渐令 -专利权人：中国石油大学（华东）
申请日： 2018-09-06 - 公布日： 2022-03-08 - 主分类号： G06N20/10 文献下载
摘要：本发明涉及一种基于步长控制的在线软间隔核学习算法(OSKL)。通过引入核函数构造非线性分类器，引入软间隔参数控制噪声数据的影响，并基于在线梯度下降算法的基本框架设计具有鲁棒性的在线核学习算法。该算法能够降低模型存储空间、有效控制噪声影响、模型更新的计算复杂度仅为O(1)，具有实时性强、易于实现等优势，是处理和分析数据流问题的天然工具。本发明在线学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Kernel Perceptron和Pegasos等算法无法有效抑制噪声影响的问题。
一种基于步长控制在线间隔学习算法

[发明专利]一种耐噪在线多分类核学习算法-CN201811170840.7有效
发明人：渐令;林丹;周家欣;宋允全;高富豪;雷鹤杰;梁锡军 -专利权人：中国石油大学（华东）
申请日： 2018-10-09 - 公布日： 2021-11-23 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于自适应ramp损失函数的耐噪在线多分类核学习算法。通过引入核函数构造非线性多分类器，针对基于批处理技术的多分类方法无法高效处理数据流问题，而现有在线学习算法无法有效控制噪声样本的影响的问题，设计该耐噪在线多分类核学习算法。该方法能够减少参与模型计算的支持向量的数量，有效控制噪声影响，显著提高模型更新效率，提高噪声数据多分类问题的分类精度，满足实际应用问题的需求。本发明耐噪在线多分类核学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Perceptron和Pegasos等算法无法有效抑制噪声影响的问题，可高效应用于图片的场景分类等实际应用问题。
一种在线分类学习算法

[发明专利]一种多肽谱匹配数据的在线分析方法-CN201810042887.9有效
发明人：梁锡军;王永响;渐令;宋允全 -专利权人：中国石油大学（华东）
申请日： 2018-01-17 - 公布日： 2021-07-23 - 主分类号： G16B30/10 文献下载
摘要：本发明公开了一种多肽谱匹配数据的在线分析方法，适于从高通量串联质谱平台及数据库匹配引擎输出的多肽谱匹配中鉴定正确的匹配。主要步骤包括数据预处理、使用在线学习算法求解优化模型、根据训练得出的分类函数鉴定正确的多肽谱匹配。该技术通过积极集存贮并动态更新对分类函数起作用的样本，实现了大规模多肽谱匹配数据的高效鉴定，克服了现有方法在大规模数据集上存储量大、计算缓慢的缺陷。
一种多肽匹配数据在线分析方法

[发明专利]基于规则辅助的高炉冶炼过程数据驱动建模方法-CN201710246244.1有效
发明人：渐令;宋晓欣;高富豪;宋允全;梁锡军 -专利权人：中国石油大学(华东)
申请日： 2017-04-15 - 公布日： 2020-03-06 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于规则辅助的高炉冶炼过程数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，从而提高高炉冶炼过程采集数据的利用率。
基于规则辅助高炉冶炼过程数据驱动建模方法

[发明专利]一种终端管网漏点分段式粗定位装置和定位方法-CN201910282806.7在审
发明人：刘金玉;王殿生;渐令;宋允全;展凯云;王龙;王晓萌 -专利权人：中国石油大学（华东）
申请日： 2019-04-10 - 公布日： 2019-05-31 - 主分类号： F17D5/02 文献下载
摘要：本发明提供了一种终端管网漏点分段式粗定位装置和定位方法，该定位装置包括一个终端管网漏控仪和多个阀门；终端管网漏控仪安装在被检测终端管网中靠近进口的管道上，用以检测终端管网是否存在漏点；多个阀门安装在管道上，用于将所检测的终端管网进行分段，多个阀门的类型、安装位置和个数根据被检测终端管网的拓扑结构确定。本发明能够在保持成本较低的情况下，更加及时准确地判断漏点所处的管段，方便维修人员后续对漏点进行精确定位，可大大减少开挖面积，从而降低了维修成本，减少了家庭、企业及其社会的经济损失。
管网终端漏点多个阀门检测粗定位装置分段式定位装置方便维修经济损失拓扑结构维修成本管段分段开挖进口

[发明专利]一种基于预界机制的在线加权极限学习机方法-CN201810593832.7在审
发明人： 宋允全;宋晓欣;梁锡军;渐令 -专利权人：中国石油大学（华东）
申请日： 2018-06-11 - 公布日： 2018-11-23 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种基于预界机制的在线加权极限学习机方法，首先确定预界取值，在训练集上选择有效向量构造初始有效向量集合，利用加权机制建立加权极限学习机模型，并采用矩阵校正技术和Sherman‑Morrison‑Woodbury公式更新加权极限学习机模型得到在线预测器，从而实现对应用场景中出现的类别不平衡数据流的在线预测。该方法采用固定的预界机制，能够有效防止信息溢出，进而精确控制在线学习模型的规模。本发明在线学习方法，能够灵活有效处理类别不平衡和概念漂移同时发生的应用问题。此外，数据可通过数据块的形式进行采集，进一步降低了方法的计算复杂度，拓宽了模型的应用范围，可有效服务于具概念漂移特性的类别不平衡数据在线预测任务的实施。
极限学习机加权在线预测漂移有效向量在线学习计算复杂度加权机制矩阵校正应用场景应用问题有效处理有效服务数据流固定的数据块训练集溢出集合采集灵活更新应用

[发明专利]基于固定预算的核岭回归在线学习方法-CN201810593893.3在审
发明人： 宋允全;高富豪;梁锡军;渐令 -专利权人：中国石油大学（华东）
申请日： 2018-06-11 - 公布日： 2018-11-23 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种基于固定预算的核岭回归在线学习方法，首先通过数值实验确定预算取值，构造初始学习样本集合，建立核岭回归模型并求解得到预测器，利用低秩矩阵校正技术和Sherman‑Morrison‑Woodbury公式更新核岭回归模型得到在线预测器，进而实现对数据流的在线预测。该方法采用固定预算策略，能有效控制在线学习模型的规模、节约存储空间、有效降低计算复杂度、易于实现。本发明在线学习方法，能够灵活处理具有数据流特征的在线预测问题，数据可以通过数据块的形式收集，与传统批处理方式以及当前的在线学习方法相比，大幅度降低了计算复杂度和模型运行时间，能够高效处理回归和分类问题。
在线学习核岭回归在线预测计算复杂度预算批处理数据流特征数据流存储空间低秩矩阵分类问题高效处理数值实验学习样本有效控制数据块预测器求解校正集合回归节约灵活更新

[发明专利]多肽鉴定的自步长学习方法-CN201710903787.6在审
发明人：梁锡军;王永响;渐令;宋允全 -专利权人：中国石油大学（华东）
申请日： 2017-09-29 - 公布日： 2018-02-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多肽鉴定的自步长学习方法，适于从数据库匹配软件输出的多肽谱匹配中鉴定正确的匹配。主要包括数据预处理，求解半监督学习模型，根据训练得出的分类器鉴定正确的多肽谱匹配。该技术通过增大自步长学习参数，实现了从可信样本到不可信样本的自动提取和分析过程，该技术克服了现有方法在正确多肽谱匹配比例较小的数据集上鉴定性能不稳定的缺陷，使得所公开的方法在不同类型的数据集上均可得到稳定的多肽谱匹配鉴定结果。
多肽鉴定步长学习方法

[发明专利]一种英语音标学习装置-CN201610110219.6有效
发明人：张青华;宋允全 -专利权人：中国石油大学（华东）
申请日： 2016-02-29 - 公布日： 2017-07-07 - 主分类号： G09B5/06 文献下载
摘要：本发明涉及一种英语学习工具，特别涉及到一种英语音标学习装置。包括机体、菜单界面、输入输出端、喇叭、电池组、机箱、元音动力机组、中心轴、套轴、辅音动力机组、辅音音标组、元音音标组，所述的机体与菜单界面固定连接，输入输出端和喇叭设置在菜单界面侧面，所述的电池组和机箱设置在机体内部边壁位置，中心轴与机体底上的基座同轴连接，套轴与中心轴同轴连接，所述的元音动力机组通过中心轴与元音音标组连接，辅音动力机组通过套轴与辅音音标组连接。本发明提出了一种英语音标学习装置，本发明克服了现有英语学习工具侧重英语单词和语法的学习，忽略了对于音标的学习的缺点，提供了一种视图和语音结合英语音标学习工具。
一种英语音标学习装置

[发明专利]自适应高炉铁水硅含量趋势预报方法-CN201610088041.X有效
发明人：渐令;宋晓欣;宋允全;梁锡军 -专利权人：中国石油大学（华东）
申请日： 2016-02-16 - 公布日： 2017-06-30 - 主分类号： G06F17/50 文献下载
摘要：本发明涉及一种自适应高炉铁水硅含量趋势预报方法，基于在线最小二乘支持向量机，建立基于在线LS‑SVMs模型的自适应预报器，通过不断采集新样本对趋势预报模型进行自适应性更新，追踪高炉冶炼过程的动态变化，实时性和可靠性好。本发明提供的自适应高炉铁水硅含量趋势预报方法，能够灵活高效处理高炉铁水硅含量的趋势预报问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线预报方法相比，有效降低了计算复杂难度和模型运行时间。
自适应高炉铁水含量趋势预报方法

[发明专利]基于预算支持向量集的LS‑SVMs在线学习方法-CN201610087343.5有效
发明人：渐令;宋允全;申淑谦;梁锡军 -专利权人：中国石油大学（华东）
申请日： 2016-02-16 - 公布日： 2017-06-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于预算支持向量集的LS‑SVMs在线学习方法，在训练集上确定预算范围，选择初始支持向量集合，建立LS‑SVMs模型，采用共轭帝都发求解LS‑SVMs模型，并利用低秩矩阵校正方法以及Sherman‑Morrison‑Woodbury公式更新LS‑SVMs模型得到在线预测器，实现了对数据流的在线预测，该方法采用固定预算策略，能有效控制在线学习模型的规模、节约存储空间、计算复杂度低、易于实现。本发明在线学习方法，能够灵活处理具有数据流特征的在线应用问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线学习方法相比，大幅度降低了计算复杂难度和模型运行时间，可以同时处理回归问题和分类问题，能够高效处理LS‑SVMs模型选择问题。
基于预算支持向量 ls svms 在线学习方法

[发明专利]规则辅助的数据驱动建模方法-CN201610236242.X无效
发明人：渐令;宋晓欣;高富豪;宋允全;梁锡军 -专利权人：中国石油大学（华东）
申请日： 2016-05-05 - 公布日： 2016-09-28 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种规则辅助的数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，建立的模型可以是神经网络、SVMs等一般非线性模型。
规则辅助数据驱动建模方法

[发明专利]含有不可忽略缺失数据的估计方程的稳健估计方法-CN201610221853.7在审
发明人： 宋允全 -专利权人：中国石油大学（华东）
申请日： 2016-04-11 - 公布日： 2016-09-07 - 主分类号： G06F17/11 文献下载
摘要：本发明涉及一种含有不可忽略缺失数据的估计方程的稳健估计方法，步骤为：Q(θ,Y,X)，在不可忽略缺失数据模型为logistic回归模型时，通过重要重采样算法计算插补的估计方程中包含的条件期望m(θ,x)，得到修正的估计方程然后基于修正的估计方程并利用经验似然方法求得估计方程中未知参数θ的稳健经验似然估计。本发明通过用估计方程插补含缺失数据的估计方程而非插补缺失值的方法以及经验似然法对估计参数进行稳健俺估计，成功避免了非参数核估计方法当协变量的维数较高时产生“维数祸根”的问题，大幅改进了存在不可忽略缺失数据时数据处理的精度，提高了预测准确性。
含有不可忽略缺失数据估计方程稳健方法

[发明专利]基于惩罚回归的快速异常点检测方法-CN201610141620.6在审
发明人： 宋允全;张青华;渐令 -专利权人：中国石油大学（华东）
申请日： 2016-03-11 - 公布日： 2016-08-03 - 主分类号： G06F17/18 文献下载
摘要：本发明涉及一种基于惩罚回归的快速异常点检测方法，首先判断线性回归模型中是否存在内生解释变量，当不存在内生解释变量时，依据数据点的方差规律，构建标准方差的惩罚加权最小二乘目标函数，对标准方差进行选择和估计，根据标准方差的选择和估计结果检验异方差，从而进行异常点的检测，当存在内生解释变量时，依据数据点的均值规律，构造均值漂移模型，根据均值漂移模型构建惩罚融合广义矩目标函数，进行均值漂移参数的选择和估计，根据均值漂移参数的估计结果进行异常点的检测。本发明不需要构造检验统计量并求其分布，避免了比如最大似然估计等复杂的运算，能够一步给出所有数据的异常点情况，解决多个异常点时传统方法在掩盖和淹没这两种现象下可能失效的问题，节省检测的运行时间，提高数据处理的效率。
基于惩罚回归快速异常检测方法

1
共 15 条