“吴晨媛”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4个，建议您升级VIP下载更多相关专利

[发明专利]一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法-CN202211326489.2在审
发明人：韦真博;吴晨媛;王俊;杜冬冬;朱建锡;陈长卿 -专利权人：浙江大学
申请日： 2022-10-27 - 公布日： 2023-05-23 - 主分类号： G01N22/04 文献下载
摘要：本发明公开了一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法，属于农产品水分检测及特征选择领域。具体包括：1.获得待测样品的扫频微波数据集；2.使用MIC评价法进行filter特征选择；3.使用Ridge‑RFE算法继续进行wrapper特征选择；4.结合k折交叉验证方法和HACO算法在最新的频率子集上进行特征选择，生成包括k个候选频率子集的集合；5.统计每个特征在候选频率子集的集合中被选择的累积次数和累积概率；6.根据累积概率得到最优频率子集。本发明能够去除扫频微波信号中的冗余和噪声数据，并降低样本集划分方式给优化结果注入的随机性，实现有效、客观的微波检测频率优化。
一种基于混合算法微波频数二段式特征优化方法

[发明专利]一种基于微波扫频技术和Stacking集成模型的茶叶籽仁含水率检测方法及系统-CN202211328547.5在审
发明人：韦真博;吴晨媛;王俊;杜冬冬;朱建锡;陈长卿 -专利权人：浙江大学
申请日： 2022-10-27 - 公布日： 2022-12-30 - 主分类号： G01N22/04 文献下载
摘要：本发明公开了一种基于微波扫频技术和Stacking集成模型的茶叶籽仁含水率检测方法及系统，属于茶叶籽品质检测领域。具体包括：1.获取微波扫频数据集；2.归一化处理并基于Ridge‑RFE算法进行特征选择，生成训练子集和测试子集；3.基于训练子集搭建具有双层结构的Stacking集成模型，其中，计算混合评价指标IN3来选择训练模型第一层的基学习器的算法；4.使用训练好的Stacking集成模型检测待测茶叶籽仁样本的含水率。本发明填补了微波法在茶叶籽仁品质无损检测领域的技术空白，设计了一项混合评价指标来评估模型在交叉验证和测试过程中的整体性能，提高了Stacking集成的客观性。
一种基于微波技术 stacking 集成模型茶叶含水率检测方法系统

[发明专利]刀闸行程状态的检测方法、设备和可读存储介质-CN202011418778.6有效
发明人：刘晓康;马剑勋;谢楠;夏天雷;吴晨媛;丁翼;陈浩;蒋君;黄奇 -专利权人：国网江苏省电力有限公司常州供电分公司;国网江苏省电力有限公司;国家电网有限公司
申请日： 2020-12-07 - 公布日： 2022-08-30 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种刀闸行程状态的检测方法、设备和可读存储介质，该方法包括：基于包含刀闸和绝缘子的多个样本图像数据训练初始神经网络，获得目标神经网路；获取包含目标刀闸和目标绝缘子的待识别图像传到目标神经网络，检测待识别图像中的刀闸区域和绝缘子区域；根据刀闸区域的两侧边缘的目标刀闸中心点，生成刀闸圆形区域，在确定刀闸区域和绝缘子区域有效后，识别待识别图像中目标刀闸的接触点；根据接触点检测目标刀闸运行的间隔距离，并根据间隔距离，与待识别图像相邻的上一待识别图像对应的上一距离及下一待识别图像对应的下一距离，检测目标刀闸的行程状态。实现在准确有效检测目标刀闸行程状态的同时，反映目标刀闸的动态行程状态。
行程状态检测方法设备可读存储介质

[发明专利]基于分位数回归的遗传支持向量机光伏功率区间预测方法-CN201810648969.8有效
发明人：吕干云;吴晨媛;吴启宇 -专利权人：南京工程学院
申请日： 2018-06-22 - 公布日： 2021-08-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于分位数回归的遗传支持向量机光伏功率区间预测方法，通过提取历史数据的太阳辐射值、温度值和光伏功率得到数据样本,并进行归一化预处理，然后通过遗传算法优化支持向量机参数克服光伏发电的波动性与随机性，构建预测模型，得到高精度的光伏确定性预测功率；然后通过分析预测模型的光伏功率预测误差，确定分位数回归变量，并根据不确定天气因素构建相应分位数回归模型，实现光伏功率区间预测；本发明无需假设光伏预测功率误差分布，得到不同置信度条件下准确的光伏功率区间预测范围，为电力系统调度决策、运行风险评估提供更加丰富的信息并解决光伏功率区间预测结果不理想的技术问题。
基于位数回归遗传支持向量机光伏功率区间预测方法