“费蓉”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90个，建议您升级VIP下载更多相关专利

[发明专利]基于信道状态信息的室内实时排队人数检测方法-CN202310855839.2在审
发明人：费蓉;郭与番;李军怀;李爱民;邱原;万雨欣;杨璐 -专利权人：西安理工大学
申请日： 2023-07-12 - 公布日： 2023-10-27 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了基于信道状态信息的室内实时排队人数检测方法，搭建单发射器‑单接收器的WiFi检测区域，采集视距路径下不同人数排队场景下的CSI原始信号并进行天线优选，筛选随人数变化信号波动明显的发射天线序列，对天线序列对应的接收天线上的信号振幅及相位进行数据预处理，对处理后的振幅及相位进行拼接，构成特征向量，并制定类别标签，构建数据集；建立GA‑LSTM‑FC组合模型检测室内排队人数，结合菲涅尔区理论，根据人走向不同其对应的信号反映强弱不同，判断有人进/出队列，实时调整排队人数，当信号发生较大跳跃可得知有人员出入队列，即重新检测排队人数。本发明增加了检测的自调节功能，节省了计算资源，提高了检测率。
基于信道状态信息室内实时排队人数检测方法

[发明专利]基于深度强化学习的车辆跟驰速度控制方法-CN202310891541.7在审
发明人：费蓉;杨璐;邱原;刘雅君;白雪茹;马梦阳 -专利权人：西安理工大学
申请日： 2023-07-19 - 公布日： 2023-09-29 - 主分类号： B60W40/00 文献下载
摘要：本发明提供了基于深度强化学习的车辆跟驰速度控制方法，包括：基于真实驾驶数据集，提取“引导车—自动驾驶车辆—跟驰车”三车模式下的自动驾驶跟驰对；设计马尔可夫奖励过程；基于三车模式下车辆安全性及舒适度的要求，设计强化学习奖励函数；构建基于深度强化学习的车辆跟驰速度控制网络框架；对所得到的网络进行训练，得到基于深度强化学习的车辆跟驰速度控制模型；对所得到的网络模型进行测试，验证模型的安全性及舒适度。本发明缓解了传统深度强化学习“试错”与自动驾驶安全性之间的矛盾。
基于深度强化学习车辆速度控制方法

[发明专利]一种自适应无监督特征选择方法-CN201910925728.8有效
发明人：谢国;王丹;钱富才;黑新宏;姬文江;费蓉;赵金伟;金永泽;陈庞 -专利权人：湖北华中电力科技开发有限责任公司
申请日： 2019-09-27 - 公布日： 2023-09-26 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种自适应无监督特征选择方法，具体按照以下步骤实施：首先对列车转向架的轴温数据进行采集，并记录其标签，对列车转向架的轴温数据进行标准化处理，以此消除量纲，降低奇异值对结果的影响然后将标准化后的列车转向架的轴温作为自适应特征选择的输入，通过施密特正交计算得到每个转向架轴温的正交向量；最后通过自适应的选择策略，选择合适的正交向量作为选择的列车轴温数据的有效特征，此有效特征用于对列车转向架轴温数据进行分类，检测列车的运行状态，保证列车平稳运行。本发明便于对无标签信息的数据进行特征选择，进而提高分类效率。
一种自适应监督特征选择方法

[发明专利]基于迁移学习和CBAM的冠脉病变分类方法-CN202310788789.0在审
发明人：金永泽;叶欣;刘涵;黑新宏;弋英民;费蓉;穆凌霞;杨明松;李艳恺 -专利权人：西安理工大学
申请日： 2023-06-30 - 公布日： 2023-09-19 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于迁移学习和CBAM的冠脉病变分类方法，具体按照以下步骤实施：步骤1、构建冠脉CTA图像数据集；步骤2、对步骤1的数据集进行图像去噪、图像增强、图像裁剪预处理；步骤3、对所有预处理过的CTA图像采用区域生长和Otsu的联合分割算法进行分割二值化操作，获取冠状动脉二值图；步骤4、构建基于迁移学习和CBAM的ResNet18冠脉分类模型；步骤5、将步骤3的所有冠状动脉二值图划分为训练集、验证集和测试集，并将所有冠状动脉二值图作为输入，加载到基于迁移学习和CBAM的ResNet18冠脉分类模型中，输出二分类结果。本发明解决了冠脉CTA图像分类研究较少且分类准确率低的问题。
基于迁移学习 cbam 病变分类方法

[发明专利]一种室内位置的反向传播神经网络概率密度预测方法-CN202110985511.3有效
发明人：费蓉;郭与番;李军怀;李爱民;张宽;杨璐 -专利权人：西安理工大学
申请日： 2021-08-26 - 公布日： 2023-09-19 - 主分类号： G06N3/047 文献下载
摘要：本发明公开了一种室内位置的反向传播神经网络概率密度预测方法，首先选取多层室内结构的正方形测试区域作为试验场地，以矩形网格形式共选取n*n个标准参考点，在试验场地的四角分别设置RSSI信号发射器，将选取的标准参考点测得的RSSI值和角度值两类数据汇总到同一标准数据集；将测得的标准数据集进行归一化处理；将处理后的标准数据集按照7:3划分为训练集和测试集；改进并分析传统的反向传播神经网络模型，最终得到改进后的BPNN模型；最后得到参考标准点的累积误差分布函数和概率密度函数。本发明解决了不同环境下的室内位置数据存在的分布情况模拟不好及其概率计算误差较大的问题，提高了室内定位精度。
一种室内位置反向传播神经网络概率密度预测方法

[发明专利]一种VOCs治理的再生活性炭及其制备方法-CN202310056901.1有效
发明人：陈兴大;费蓉;徐卫东;吕宣惠 -专利权人：徐州绿源鑫邦再生资源科技有限公司
申请日： 2023-01-17 - 公布日： 2023-09-12 - 主分类号： B01J20/20 文献下载
摘要：本发明公开了一种VOCs治理的再生活性炭及其制备方法，将柚皮洗净、晾干后进行预热高温煅烧、研磨后得到柚皮预碳化粉末，再将过筛后的柚皮预碳化粉末进行二次高温煅烧、研磨，得到柚皮活性炭粉末，最后将柚皮活性炭浸渍于杂多酸钼基线性聚合物和硫酸钴铵六水合物的溶液中，再进行水热反应，改性过程完成后静待降温，滤出、洗涤、烘干，得到一种VOCs治理的再生活性炭。本发明提出的一种VOCs治理的再生活性炭，具有更高的比表面积和孔体积，也具有更优异的VOCs吸附性能，同时具有良好的可再生性能，再生循环使用10次后，在室温下对1ppm甲醛的去除率可达到95%。
一种 vocs 治理再生活性炭及其制备方法

[发明专利]CEEMDAN-Grey-SSA弱信号提取方法-CN202310528034.7在审
发明人：金永泽;李佳婕;姬文江;黑新宏;弋英民;梁莉莉;费蓉;李艳恺;叶欣;韩宁 -专利权人：西安理工大学
申请日： 2023-05-11 - 公布日： 2023-09-08 - 主分类号： G06F18/2113 文献下载
摘要：本发明公开了一种CEEMDAN‑Grey‑SSA弱信号提取方法，首先对获取得到的车体偏移数据进行完全自适应噪声集合经验模态分解CEEMDAN分解，得到K个IMF分量信号，将IMF1(t)视为主要包含噪声的分量，因此计算剩余IMF分量与IMF1(t)的灰色关联度表征IMF分量的噪声水平，并进行降序排列；搭建灰色模型，然后进行软阈值降噪处理，然后与有效信号占主导的IMF分量进行重构；基于奇异谱分析SSA进行二次降噪，得到采集的低信噪比列车偏移量中由于轨道水平不平顺导致的车体横移量。本发明通过对信号进行时频分析，可对有效信号进行准确提取，以便在低信噪比的情况下进行弱信号的提取。
ceemdan grey ssa 信号提取方法

[发明专利]基于深度分解机的piRNA与疾病关联关系预测方法-CN202310662335.9在审
发明人：刘雅君;李爱民;谢国;费蓉;黑新宏 -专利权人：西安理工大学
申请日： 2023-06-05 - 公布日： 2023-08-22 - 主分类号： G16B30/00 文献下载
摘要：本发明公开了基于深度分解机的piRNA与疾病关联关系预测方法，包括以下步骤：步骤1，piRNA与疾病关联关系预测基准数据集的构建；步骤2，多视角相似性的计算；步骤3，基于深度自动编码器的可靠负集的构建；步骤4，预测模型的构建；步骤5，关联关系的判定，对于步骤4获得的预测分数，概率较大的预测类别作为最终结果，即可确定当前piRNA是否与疾病相关；本发明可用于预测piRNA与疾病之间的关联关系中，采用严格条件构建了可靠的数据集，在分类过程使用新颖的基于多角度相似性融合的深度分解机，令后续分类结果更为可靠和可信，降低预测误差。
基于深度分解 pirna 疾病关联关系预测方法

[发明专利]考虑附着系数的基于制动过程的控制方法、装置和存储介质-CN202310665843.2在审
发明人：费蓉;马梦阳;李爱民;陈汭竹;万雨欣;吴丽丽 -专利权人：西安理工大学
申请日： 2023-06-07 - 公布日： 2023-08-22 - 主分类号： B60W30/16 文献下载
摘要：本发明公开了一种考虑实时附着系数的制动控制方法、装置和存储介质，首先通过车辆间通信和传感器设备获取汽车和道路信息；然后基于汽车和道路信息，构建考虑附着系数的基于制动过程的安全距离模型；进而基于构建的安全距离模型，按照制动控制方法调整后车速度。本发明设计了一种考虑附着系数的基于制动过程的安全距离模型，解决了Berkeley安全距离忽略了制动过程中路面附着系数的变化对制动距离的影响的问题；保证车队跟驰过程的稳定性，并保证在前车紧急制动的场景中后车的安全性。本发明将提出的安全距离模型与Berkeley安全距离模型进行对比，验证模型计算的安全距离的准确性；最后仿真车队跟驰场景，验证模型的安全性与稳定性。
考虑附着系数基于制动过程控制方法装置存储介质

[发明专利]一种基于深度强化学习的智能兵棋推演决策方法-CN202310612393.0在审
发明人：费蓉;陈汭竹;李爱民;吴丽丽;马梦阳;王宏博 -专利权人：西安理工大学
申请日： 2023-05-26 - 公布日： 2023-08-15 - 主分类号： G06Q10/0637 文献下载
摘要：本发明公开了一种基于深度强化学习的智能兵棋推演决策方法，包括：构建兵棋推演环境中智能体的状态空间；构建适用于兵棋智能推演环境下低优势策略‑价值网络架构；构建作战场景判断模型，作为环境奖励来源依据；在兵棋推演系统中搭建智能决策系统；对所述步骤1至4得到的智能体状态空间、低优势策略‑价值网络架构、作战场景判断模型和智能决策系统所构成的深度神经网络进行训练，得到基于深度强化学习的智能兵棋推演决策模型；在所述智能兵棋推演决策模型中，对当前作战场景状态下的战术兵棋智能体作战决策进行求解。通过上述方式，本发明能够改进战术兵棋智能体在作战推演中产生作战决策的效率，加快作战策略网络训练过程的收敛速度。
一种基于深度强化学习智能推演决策方法

[发明专利]基于环境感知的自动驾驶有轨电车运行风险评估方法-CN202010709082.2有效
发明人：黑新宏;杨江诚;姬文江;费蓉;谢国;邱原;王一川 -专利权人：西安理工大学
申请日： 2020-07-22 - 公布日： 2023-08-15 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了一种基于环境感知的自动驾驶有轨电车运行风险评估方法，步骤包括：步骤1、对自动驾驶有轨电车的环境数据进行数据预处理，步骤2、因为对于所选取的环境特征，可能存在与最终的风险等级不相关的特征，属于冗余特征，采用RFE进行特征选择，选择主要特征；步骤3、构建xgboost模型，利用贝叶斯参数优化算法构建模型，将步骤2中获得的特征子集S”输入xgboost模型进行测试，使用贝叶斯参数优化算法寻找最优参数。本发明的方法，首先在对数据的预处理方面，有了更精细的处理，利用过采样的方法，有效防止数据的不均衡。
基于环境感知自动驾驶有轨电车运行风险评估方法

[发明专利]基于声音信号的铁路转辙机多噪声鲁棒诊断方法-CN202310375805.3在审
发明人：费蓉;李金科;黑新宏;左家昊;姬文江;张宽 -专利权人：西安理工大学
申请日： 2023-04-10 - 公布日： 2023-07-14 - 主分类号： G10L25/51 文献下载
摘要：本发明公开了基于声音信号的铁路转辙机多噪声鲁棒诊断方法，在转辙机附近放置声音传感器，收集不同运行状态下的声音信号；对声音信号进行通道分离；收集各种声音信号，以最长的信号为标准，对短的信号进行补零，统一长度；随后将噪声数据集随机叠加到声音信号上，完成加噪过程；将加噪处理后的声音信号根据振幅将其标准化到0‑255之间，根据时间序列转化为灰度图像；将传统的卷积神经网络进行改进，并在卷积池化层后加入注意力机制；将图像信号输入到对应的神经网络通道中，经过训练最终得到一个高精准度的故障分类模型。本发明充分挖掘声音信号中的信息，并具有优秀的鲁棒性，提高了故障分类的精准度。
基于声音信号铁路转辙机噪声诊断方法

[发明专利]针对缺失边网络的深度核心节点信息嵌入社区检测方法-CN202310219596.3在审
发明人：费蓉;万雨欣;李爱民;崔颖安;吴丽丽 -专利权人：西安理工大学
申请日： 2023-03-08 - 公布日： 2023-07-04 - 主分类号： G06N5/01 文献下载
摘要：本发明提供了针对缺失边网络的深度核心节点信息嵌入社区检测方法，首先利用边增强方法将缺失边网络合并成一个完整的网络，其次利用k‑core算法寻找网络核心节点信息并将其转化为具有核心节点信息的相似度矩阵，再次利用深度学习模型对相似度矩阵进行特征提取和降维，最后利用高斯混合模型对低维特征矩阵进行聚类最终得到社区划分。本发明不会存在性能下降或者方法失效的情况。其次，在此基础上利用k‑core算法和深度学习方法对完整网络进行特征提取，具有更高的性能和社区划分准确率，能够得到一个较好的社区划分结果。
针对缺失网络深度核心节点信息嵌入社区检测方法

[发明专利]一种图像湍流畸变校正方法-CN202310452516.9在审
发明人：成宽洪;吴钰博;孟海宁;郭禹汝;李帆;曹霆;金海燕;费蓉;王怀军;李军怀 -专利权人：西安理工大学
申请日： 2023-04-25 - 公布日： 2023-06-27 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及图像处理技术领域，解决了现有技术无法提升畸变校正图像预测精度的技术问题，尤其涉及一种图像湍流畸变校正方法，包括以下步骤：S1、基于VGG19网络构建一级校正网络，一级校正网络包括特征融合模块和稠密连接模块；S2、将湍流畸图像输入至一级校正网络中，输出估计湍流畸变图像在一级校正网络上的不确定性映射，即湍流畸变图像在一级校正网络上的方差映射图。本发明通过二级校正网络对湍流畸变图像在一级校正网络的不确定性映射图引导下重点恢复不确定性较大的图像区域，最后输出一张湍流畸变校正图像，并且通过网络对抗和损失函数进行网络优化，可以得到更好的畸变校正效果，提高了畸变校正图像的预测精度。
一种图像湍流畸变校正方法

[发明专利]基于深度学习的单细胞测序基因表达数据插补方法和系统-CN202211055015.9有效
发明人：李爱民;牛俊杰;费蓉;周红芳;李军怀;黑新宏;刘雅君;刘光明 -专利权人：西安理工大学
申请日： 2022-08-31 - 公布日： 2023-05-12 - 主分类号： G16B25/00 文献下载
摘要：本发明涉及基于深度学习的单细胞测序基因表达数据插补方法和系统，涉及生物信息学技术领域，该方法为获取单细胞测序用数据集，其中，所述数据集为多个细胞样本的基因表达水平组成的二维矩阵，即细胞‑基因矩阵；过滤所述数据集的细胞‑基因矩阵，并聚类筛选高表达基因；搭建神经网络模型，并将筛选出的高表达基因输入到神经网络模型进行训练和测试，得到预测模型；将低表达基因输入到预测模型中得到预测结果，将得到的预测结果插补到细胞‑基因矩阵中。本发明使用统计模型筛选出来的高表达基因作为深度学习模型的输入，保留了细胞之间的相似性，得到的基因有更密切的联系，通过神经网络学习细胞间的特征，使得在单细胞插补阶段有更好的准确率。
基于深度学习单细胞基因表达数据方法系统

1
2
3
4
5
6
下一页»
尾页
共 90 条