“刘惠义”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37个，建议您升级VIP下载更多相关专利

[发明专利]基于堆结构的SequenceFile存储优化方法、装置、设备及存储介质-CN202110699134.7有效
发明人：武文静;刘惠义 -专利权人：河海大学
申请日： 2021-06-23 - 公布日： 2023-10-27 - 主分类号： G06F16/174 文献下载
摘要：本发明公开了基于堆结构的SequenceFile存储优化方法、装置、设备及存储介质，其方法包括：基于小文件分配算法将待合并的小文件分配到待合并队列全集中的待合并队列中；创建相应的堆以及堆全集并为每个堆初始化文件列表和索引列表；为每个待合并的小文件创建单个文件索引；将待合并队列中的小文件存储在相应的堆的文件列表中，同时将每个堆中所有小文件的文件索引存放于相应的索引列表中；基于压缩策略将每个堆中的小文件合并为一个SequenceFile文件；创建一个全局索引文件，使用追加写操作将每个堆对应的索引列表中的内容写入全局索引文件；将所有的SequenceFile文件和全局索引文件上传至HDFS完成优化。本发明能够提高了文件存储和访问效率，改进了HDFS对于海量小文件的存取性能。
基于结构 sequencefile 存储优化方法装置设备介质

[发明专利]基于多尺度时序数据融合模型的发电机组运行参数预测方法、装置及存储介质-CN202210680101.2在审
发明人：魏祥龙;刘惠义 -专利权人：河海大学
申请日： 2022-06-16 - 公布日： 2022-10-18 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于多尺度时序数据融合模型的发电机组运行参数预测方法、装置及存储介质，所述多尺度时序数据融合模型包括数据去噪模块和数据融合模块，数据去噪模块包括降噪自动编码器，数据融合模块包括一维深度卷积神经网络和双向长短期记忆网络，一维深度卷积神经网络包括卷积层、池化层和全连接层，双向长短期记忆网络嵌入到一维深度卷积神经网络中；所述发电机组运行参数预测方法包括：采集影响发电机组运行方式的各运行参数的实时数据，并进行预处理；将预处理后的各运行参数的实时数据输入预先训练好的多尺度时序数据融合模型中，获取发电机组各运行参数的预测结果。本发明能够减少原始数据的噪声、提高数据融合精度及预测精度。
基于尺度时序数据融合模型发电机组运行参数预测方法装置存储介质

[发明专利]基于像素块方差的自适应采样方法-CN201910166548.6有效
发明人： 刘惠义;商国中;刘鸣瑄;薛炜;刘晓芸 -专利权人：河海大学
申请日： 2019-03-06 - 公布日： 2022-10-14 - 主分类号： G06T15/06 文献下载
摘要：本发明公开了一种基于像素块方差的自适应采样方法，将整个图像看成一个大的像素块，对像素块进行误差度量，决定是否分裂、终止或继续采样，依此迭代；通过不断增加采样点，图像会分为很多小的像素块，在图像差异较小的区域，像素块会提前达到收敛阀值而终止采样，而对于场景中差异较大的区域则会获取更多的采样点，直至所有像素块均达到收敛阀值，从而终止该算法。其有效地解决亚像素自适应采样存在的问题，有针对性地对采样数量进行分配，自动识别图像中需要增加采样点的区域，从而自适应地分配采样点，避免对每个像素采用同样的采样数量。在绘制效率以及绘制效果上均有所提高，可以得出图像区域采样重要性分布，准确分配采样点进行图像合成。
基于像素方差自适应采样方法

[发明专利]一种融合上下文逐级采样的道路图像分割方法-CN202110706637.2有效
发明人：陆彦钊;刘惠义 -专利权人：河海大学
申请日： 2021-06-24 - 公布日： 2022-10-11 - 主分类号： G06T7/12 文献下载
摘要：本发明公开了一种融合上下文逐级采样的道路图像分割方法，其包括：对获取的多张道路图像进行预处理得到分割图片；将分割图片输入构建好的Xception模型提取深层特征图和浅层特征图；将浅层特征图输入构建好的CBAM注意力模型放大其中小目标的特征，并将输出结果输入建好的HRNet模块进行融合；将深层特征图输入构建好的ASPP金字塔模块进行池化；将融合结果和池化结果中相同分辨率大小的深层特征图或浅层特征图融合，并进行逐级2倍上采样将深层特征图或浅层特征图放大回原图大小；本发明能够提高图片的分割准确率，同时在细节方面分割更加精细。
一种融合上下文逐级采样道路图像分割方法

[发明专利]一种基于智能终端的新式计步方法-CN202110318023.7在审
发明人：黄爱兵;曾晓勤;刘惠义 -专利权人：河海大学
申请日： 2021-03-25 - 公布日： 2022-09-30 - 主分类号： G01C22/00 文献下载
摘要：本发明公开了一种基于智能终端的新式计步方法，包括训练阶段和计步阶段，训练阶段包括：选取智能终端设备加速度传感器的采样频率和采样范围；对数据进行归类；将三轴传感器数据转化为合加速度数据；进行平滑滤波处理；进行特征提取；根据提取的特征数据进行训练构建出分类模型；计步阶段包括：采集实时数据；平滑滤波处理；提取处理后实时数据的加速度特征；获取到分类后的特征数据，确定所属分类；根据分类模型输出的结果，计算得出行走步数。本发明不但不需要穿戴额外的设备，而且相较于现有计步算法，可以使计步准确度达到较高的精度，抗干扰能力强。
一种基于智能终端新式方法

[发明专利]一种基于图像与集成学习的重光照方法-CN201810390285.2有效
发明人：韦伟;刘惠义;钱苏斌;陈霜霜 -专利权人：河海大学
申请日： 2018-04-26 - 公布日： 2022-04-12 - 主分类号： G06T15/20 文献下载
摘要：本发明公开了一种基于图像与集成学习的重光照方法，该方法在图像空间把像素点分成“容易训练”和“困难训练”两类，即PixelEasy和PixelHard，然后分而治之。对于像素点PixelHard，利用集成学习的AdaBoost方法和神经网络进行学习，对于像素点PixelEasy，又进一步分成两类，PixelEasyI和PixelEasyII。对PixelEasyI类像素点，利用集成学习的Bagging方法和神经网络进行学习；对于PixelEasyII，利用人眼特性进行赋值。该方法基于图像的重光照是指在新的光照条件下，利用采样图像恢复或重构场景的光照信息，其中基图像的采集和光照重构的方法是本发明的关键。基于上述方法，对虚拟和真实的四个场景进行测试，在相同的相对重构误差精度控制下，重光照所需的图像样本数更少，效果更优。
一种基于图像集成学习光照方法

[发明专利]一种支持增量学习的图片分类方法及装置-CN202110716563.0在审
发明人：段黎婷;刘惠义 -专利权人：河海大学
申请日： 2021-06-28 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种支持增量学习的图片分类方法及装置，其方法包括：选取训练集中的训练图片样本输入卷积神经网络，通过卷积神经网络选取典型图片样本；通过典型图片样本更新代表性记忆内存；将代表性记忆内存和增量任务的数据集进行数据增广，构建测试集；将测试集中的测试图片样本输入卷积神经网络，通过卷积神经提取特征向量；将所有测试图片样本的特征向量输入训练好的分类器，通过分类器增量输出图片分类结果。本发明能够学习图片特征，在线分类图片，提高分类准确率。
一种支持增量学习图片分类方法装置

[发明专利]基于信息熵加权的LOF离群点检测清洗方法、装置、设备及存储介质-CN202110649016.5在审
发明人：徐思瀛;刘惠义 -专利权人：河海大学
申请日： 2021-06-10 - 公布日： 2021-10-26 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种基于信息熵加权的LOF离群点检测清洗方法、装置、设备及存储介质，其方法包括：通过分析数据集中所有数据点的密度分布情况寻找获得离群点范围；使用LOF算法对进行标准化方法处理和信息熵加权后的数据集进行检测得到检测结果；使用离群点范围对检测结果进行检索清洗得到离群点集。本发明能够使用信息熵对数据中各个维度的数据进行加权操作，再通过数据点之间的分布检测离群点最可能出现的位置，缩小检测的范围，最后使用LOF算法对数据集进行检测。相比较传统的离群点检测方法，通过该方法所得到的离群点更加精准，而且相比现有方法，该方法对于数据集的专业领域知识的依赖较小。
基于信息加权 lof 离群检测清洗方法装置设备存储介质

[发明专利]一种适用于QR码的彩色图像数字水印嵌入和提取方法-CN202110110868.7在审
发明人：杨帆;曾晓勤;刘惠义 -专利权人：河海大学
申请日： 2021-01-27 - 公布日： 2021-06-01 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种适用于QR码的彩色图像数字水印的嵌入和提取方法，该方法包括以下步骤：QR码水印加密，通过Logistic映射和Arnold置乱获得加密后的QR码序列；彩色图像预处理，将DWT和DCT相结合，预处理后得到dct系数矩阵；水印嵌入，对dct系数矩阵进行奇异值分解后，嵌入QR码，得到嵌入QR的彩色载体图像；水印提取，从嵌入QR码后的载体图像中提取出加密后的QR码序列，对提取出的QR码序列进行解密得到QR码水印。本发明的数字水印的嵌入和提取方法，利用Logistic映射和Arnold置乱对QR水印进行双重加密，将DWT、DCT和SVD相结合对QR码水印进行嵌入和提取，提高了水印的安全性，不可见性和鲁棒性。
一种适用于 qr 彩色图像数字水印嵌入提取方法

[发明专利]一种水电机组波形数据趋势预测方法及其系统-CN202010270742.1在审
发明人：谭丕成;朱红平;杨红;罗红祥;刘宇;尹贵恒;万元;姜晓峰;张培;张雁靖;刘惠义;杨勇;潘虹;唐魏;徐晶珺 -专利权人：五凌电力有限公司近尾洲水电厂;湖南五凌电力科技有限公司;河海大学
申请日： 2020-04-08 - 公布日： 2020-08-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种水电机组波形数据趋势预测方法，利用大数据技术结合LSTM模型和ARMA模型，在已知机组历史波形数据情况下，计算得到未来机组运行波形数据。通过计算得到的未来的波形数据可以预测未来的机组工作状况，以便进行提前应对。本发明还提供了一种水电机组波形数据趋势预测系统，通过数据读存模块、数据预处理模块、LSTM训练单元、LSTM模型预测单元、ARMA拟合单元、ARMA预测单元、模型筛选模块、预测数据融合模块八部分自动化的输出未来的波形数据，从而实现未来的机组工作状况的预测。
一种水电机组波形数据趋势预测方法及其系统

[发明专利]基于深度Q网络的仿人机器人步态优化控制方法-CN201911094657.8在审
发明人： 刘惠义;袁雯;陶莹;刘晓芸 -专利权人：河海大学
申请日： 2019-11-11 - 公布日： 2020-02-07 - 主分类号： G05B13/04 文献下载
摘要：本发明公开一种基于深度Q网络的仿人机器人步态控制方法，包括步态模型构建，获取仿人机器人在行走过程中与环境之间的交互数据，用于提供训练样本；基于记忆数据池的训练样本对深度Q网络进行学习训练，得到仿人机器人的状态‑动作策略深度Q网络模型；获取仿人机器人在动作环境中的状态参数，作为深度Q网络模型的输入，得到深度Q网络模型在当前状态‑动作策略下的动作参数；利用已构建的步态模型，根据深度Q网络模型输出的动作参数，对仿人机器人进行步态控制；在深度Q网络模型训练中，通过产生奖励函数达到更新深度Q网络的目的。本发明能够提高仿人机器人的步行速度，实现仿人机器人快速稳定的行走。
仿人机器人网络模型步态动作参数动作策略训练样本动作环境记忆数据交互数据快速稳定模型构建行走过程学习训练状态参数网络构建步行输出奖励更新

[发明专利]一种结合深度Q学习和注意模型的视频人脸识别方法-CN201910504163.6在审
发明人： 刘惠义;郑秋文;居明宇 -专利权人：河海大学
申请日： 2019-06-12 - 公布日： 2019-09-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种结合深度Q学习和注意模型的视频人脸识别方法，包括视频特征提取、视频时间连续性信息提取、局部人脸定位、视频最佳帧序列排序和视频人脸识别匹配五个步骤，具有能够实现视频人脸识别，并解决视频人脸匹配精度不足的问题的特点。
视频人脸匹配视频视频特征提取时间连续性信息提取帧序列人脸排序

[发明专利]一种视频图像中的人体动作识别方法-CN201610621491.0有效
发明人：刘一宸;刘惠义 -专利权人：河海大学
申请日： 2016-08-01 - 公布日： 2019-09-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种视频图像中的人体动作识别方法，包括以下步骤：一，对各帧输入图像进行预处理得到前景区域，对前景区域进行筛选得到目标区域；二，根据目标区域获取目标轮廓；三，获得X和Y方向的轮廓能量变化直方图；四，对轮廓能量变化直方图进行归一化处理；五，训练阶段：对轮廓能量变化直方图形成的训练集进行动作分类，得到人体行为模型并赋予权值；六，在识别阶段：将待测帧的轮廓能量直方图与训练阶段得到的人体行为模型匹配，完成动作识别。本发明通过计算相邻帧中目标轮廓的变化得到轮廓能量变化直方图，根据轮廓能量变化直方图进行无监督分类，提高了准确率和鲁棒性，同时能够保证实时性。
一种视频图像中的人体动作识别方法

[发明专利]基于FAST-SURF的移动端实时特征检测匹配方法-CN201610016579.X有效
发明人： 刘惠义;尤智 -专利权人：河海大学
申请日： 2016-01-11 - 公布日： 2019-08-06 - 主分类号： G06K9/46 文献下载
摘要：本发明提供一种基于FAST‑SURF的移动端实时特征检测匹配方法，包括以下步骤：步骤一，对采集的图片建立特征库：对图片上的特征点建立KD‑tree，形成特征库数据；步骤二，读入图像，并将图像转换成灰度图，计算灰度图上每个点的灰度值；步骤三，采用改进的FAST算法检测特征点；步骤四，采用简化的SURF算法对特征点建立描述符；步骤五，将描述符与特征库中的特征点进行匹配。该方法采用改进的FAST算法检测特征点，再采用简化的SURF算法计算特征点的方向，并建立特征描述符，然后将建立好的特征点描述符与数据库中的特征描述符进行匹配，处理图像花费时间短，在移动端能实时处理自然特征检测与匹配。
基于 fast surf 移动实时特征检测匹配方法

[发明专利]一种基于图像的重光照方法-CN201610998904.7有效
发明人：韦伟;刘惠义;钱苏斌 -专利权人：河海大学
申请日： 2016-11-14 - 公布日： 2019-06-21 - 主分类号： G06T15/20 文献下载
摘要：本发明公开了一种基于图像的重光照方法，属于计算机图形学领域。为了实现用尽可能少的样本尽可能准确地重光照，在图像样本和图像像素两个空间反复进行定量地随机采样，并用人工神经网络进行训练，直到所有像素点训练精度到设定阈值。考虑到人工神经网络在训练时有最小样本要求，因此在像素点训练样本不足时，利用集成学习的Bagging算法思想对其进行平均化处理。本发明在模拟的三维场景中进行测试，结果表明，与现有的技术相比，不仅训练时间少，健壮性强；在相同的相对误差精度下，重光照所需的图像样本更小，速度快实时性好，重构场景图像的PSNR值更高。
一种基于图像光照方法

1
2
3
下一页»
尾页
共 37 条