“闫友为”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9个，建议您升级VIP下载更多相关专利

[发明专利]基于混合深度学习的高铁道岔智能故障检测方法-CN201811574962.2有效
发明人：董炜;张国华;庄志;孙新亚;闫友为;燕翔;蒋灵明;吉吟东 -专利权人：清华大学
申请日： 2018-12-21 - 公布日： 2023-08-22 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法，该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中，利用深度学习进行自动特征提取，形成了维度更小且更加抽象的特征数据，解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题；然后使用聚类算法结合专家知识选取正常数据簇，解决无法获得大量有标签数据问题；最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。
基于混合深度学习铁道智能故障检测方法

[发明专利]基于混合深度学习的高铁道岔智能故障预测方法-CN201811573642.5有效
发明人：董炜;张国华;庄志;孙新亚;闫友为;燕翔;蒋灵明;吉吟东 -专利权人：清华大学
申请日： 2018-12-21 - 公布日： 2023-08-18 - 主分类号： G06F18/2433 文献下载
摘要：本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法，其利用降噪自编码器自动提取道岔电流曲线数据的特征，再基于密度聚类方法对无标签特征数据进行聚类，结合专家知识选取不同道岔故障标准下聚类簇作为正常数据，最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机，将两个单分类支持向量机输出结果交叉，形成道岔故障检测及预测四象限模型，对待测数据进行故障检测和预测；该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点；减少了人工逐条数据标注的工作量，具有可靠、高效获取正常数据的优点；仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。
基于混合深度学习铁道智能故障预测方法

[发明专利]一种铁路信号系统故障智能分析的平台-CN201811222170.9有效
发明人：何丹;闫友为;燕翔 -专利权人：北京全路通信信号研究设计院集团有限公司
申请日： 2018-10-19 - 公布日： 2021-06-22 - 主分类号： G05B23/02 文献下载
摘要：本发明涉及一种铁路信号系统故障智能分析平台的分析方法，所述分析方法包括：记录历史故障特征，根据所述历史故障特征形成该故障的诊断特征序列，根据所述特征序列来诊断所发生故障符合所述诊断特征序列中具体条件的一个或多个，根据所述具体条件获取车辆信息数据和地面数据，自动分析所述车辆信息数据和地面信息数据，发现所述异常信息数据的来源。本发明的分析方法能够根据故障特征自动提取车辆数据与地面数据，帮助使用者快速明确故障原因和故障地点。
一种铁路信号系统故障智能分析平台

[发明专利]一种车地一体综合分析平台-CN201811130132.0有效
发明人：程宇佳;闫友为;燕翔;蒋灵明 -专利权人：北京全路通信信号研究设计院集团有限公司
申请日： 2018-09-27 - 公布日： 2020-11-06 - 主分类号： H04W4/42 文献下载
摘要：本发明提供了一种车地一体综合分析平台，所述平台包括数据采集子系统、数据集成子系统、综合分析子系统和综合展现子系统，其中，所述数据集成子系统，位于所述数据采集子系统的上层，所述综合分析子系统，位于所述数据集成子系统的上层；所述综合展现子系统，位于所述综合分析子系统的上层。通过本发明能够对车地通信状态进行综合诊断，识别车地通信异常，定位故障设备和环节，提高了C3系统的可用度。
一种一体综合分析平台

[发明专利]基于混合深度学习的高铁道岔故障诊断方法-CN201910164985.4在审
发明人：张国华;董炜;章彭;孙新亚;闫友为;燕翔;蒋灵明;吉吟东 -专利权人：清华大学
申请日： 2019-03-05 - 公布日： 2019-06-25 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种基于混合深度学习的高铁道岔故障诊断方法，该方法在详细分析了VGG‑Net结构与SVM原理之后，通过利用VGG‑Net使用多个较小卷积核的卷积层代替一个较大卷积核的卷积层的思想与支持向量机在处理小数据方面具有良好分类性能的优势，设计提出了基于DCNN‑SVM混合模型的高铁道岔智能故障诊断方法，本申请提供的诊断方法诊断准确率达到100％，远比传统单一的机器学习方法及现有技术采用的基于卷积神经网络的算法效果好，表明了通过混合深度学习思想将神经网络与机器学习算法混合在一起，所构建的新的混合模型，在实际应用中拥有着非常好的效果。
故障诊断混合模型卷积核卷积机器学习算法卷积神经网络智能故障诊断支持向量机诊断分类性能机器学习技术采用神经网络小数据准确率构建算法学习申请应用分析

[发明专利]设备故障检测方法和装置-CN201310332201.7有效
发明人： 闫友为;卢鑫;石宝峰 -专利权人：北京全路通信信号研究设计院有限公司
申请日： 2013-08-01 - 公布日： 2013-11-20 - 主分类号： G05B23/02 文献下载
摘要：本发明实施例提供了一种设备故障检测方法和装置，所述方法包括：获取地面安全设备之间的实时通信数据，并确定所述实时通信数据的数据类型；按照所述实时通信数据的数据类型对应的数据安全校验规则，对所述实时通信数据进行检验；根据所述实时通信数据的校验结果，判断所述地面安全设备是否发生故障。通过本发明实施例提高了检测效率和准确度。
设备故障检测方法装置

[发明专利]一种基于图像分类的全自动视频分割方法及装置-CN201210027544.8有效
发明人：戴琼海;闫友为;杨铀 -专利权人：清华大学
申请日： 2012-02-08 - 公布日： 2012-07-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于图像分类的全自动视频分割方法，包括如下步骤：输入视频图像，检测任意两帧图像的特征点，并对特征点进行匹配；利用多组匹配的特征点对估计视频图像中的每个运动层的平面单应矩阵；对视频图像进行颜色过分割；利用每个运动层的平面单应矩阵对多个图像过分割区域进行分类；获取视频图像中的物体的边缘以及内部点；选取邻近未知点的前景样本点和背景样本点，对前景样本点、背景样本点和未知点进行标记，对未知点进行分类以得到物体的优化边缘。本发明还公开了一种基于图像分类的全自动视频分割装置。本发明可以有效地处理视频帧间存在的大运动的场景，并且能够全自动的得到精确的视频分割结果。
一种基于图像分类全自动视频分割方法装置

[发明专利]消逝点检测的平面图像立体转换深度生成方法和装置-CN201010606810.3有效
发明人：戴琼海;闫友为;杨铀;王好谦 -专利权人：清华大学
申请日： 2010-12-24 - 公布日： 2011-04-27 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种消逝点检测的平面图像立体转换深度生成方法和装置，其中，该方法包括以下步骤：对平面图像进行滤波；对图像提取特征向量；在图像上选择多个直线作为参考直线，且在参考直线附近选择多个直线与参考直线组成匹配直线对；根据特征向量对匹配直线对上的像素点进行相似度匹配，得到相似度矩阵；根据相似度矩阵计算匹配直线对的仿射变换参数；根据仿射变换参数和匹配直线对的位置计算消逝点的位置；对消逝点进行聚类；和对图像进行深度赋值。该方法采用了图像中的自相似特点，通过匹配这些相似点检测并获取到消逝点，并且根据消逝点的位置，同时结合图像的结构特点从而得到图像的深度信息。
消逝检测平面图像立体转换深度生成方法装置

[发明专利]一种基于背景差异抠图和稀疏光流法的深度的生成方法-CN200910212833.3无效
发明人：季向阳;闫友为;曹汛;刘晓冬;刘磊 -专利权人：无锡景象数字技术有限公司
申请日： 2009-10-30 - 公布日： 2010-04-28 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及了一种基于背景差异抠图和稀疏光流法的深度的生成方法，该方法包括：选择适当的颜色空间和建立颜色模型；快速有效的建立背景模型，从而对视频序列的背景有一个准确的描述；根据上述背景模型，对各像素点的进行分类；优化像素分类结果；稀疏光流法求特征点的光流值；通过插值求所有点的光流值；由光流值得到深度值。本发明的优点在于：能够避免单独使用光流法而无法解决的遮挡问题；能够全自动地实现视频序列的深度的生成。
一种基于背景差异稀疏光流法深度生成方法

1
共 9 条