“韩士元”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38个，建议您升级VIP下载更多相关专利

[发明专利]一种基于车载激光雷达的跨模态车辆测速方法-CN202310990378.X在审
发明人：韩瑞智;廉扬;韩士元;何光明;季书成;赵晶航;高笑天;陈月辉 -专利权人：济南大学
申请日： 2023-08-08 - 公布日： 2023-10-13 - 主分类号： G01S17/88 文献下载
摘要：本申请提出的一种基于车载激光雷达的跨模态车辆测速方法，通过车载激光雷达获取数据，并将其转化为二维深度图进行车辆检测跟踪，从而实现实时或近实时的情况下车与车之间的测速分析。该方法适用于不同种类和尺寸的车辆，不受车辆形状和颜色等因素的影响，并且无需与车辆直接接触即可进行测速。与传统测速方法相比，具有以下优点：非接触式测速、数据获取方便、适用范围广、实时性强和成本较低，具有广泛的应用前景，可用于交通管理、智能车辆等领域。
一种基于车载激光雷达跨模态车辆测速方法

[发明专利]基于对比学习及图嵌入优化的文本聚类方法及系统-CN202310837734.4在审
发明人：周劲;尉钰婕;周广;韩晓琳;韩士元;陈月辉;杜韬;杨程;刘博文 -专利权人：济南大学
申请日： 2023-07-10 - 公布日： 2023-10-13 - 主分类号： G06F16/35 文献下载
摘要：本发明属于自然语言处理领域，提供了基于对比学习及图嵌入优化的文本聚类方法及系统，其技术方案为：采用对比学习并结合图嵌入方法，既考虑了数据的全局结构，又结合了特征的局部图结构。图嵌入充分利用原始高维样本空间的近邻先验信息，对低维表示空间的嵌入施加约束，以保证原始样本的连接强度在隐层特征中得到反映。利用样本和最近的邻居之间的相关性来弥补只依靠全局结构所造成的聚类中心偏差，达到提高聚类精度的目的，从而从高数据量、高稀疏的文本数据集中得到准确的聚类结果。
基于对比学习嵌入优化文本方法系统

[发明专利]一种基于聚类和异构图神经网络的交通流预测方法-CN202310689450.5在审
发明人： 韩士元;罗磊;李昊;龚开;李忠涛;周劲;杨晓晖 -专利权人：济南大学
申请日： 2023-06-12 - 公布日： 2023-09-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于聚类和异构图神经网络的交通流预测方法，属于交通流预测领域，所述交通流预测方法包括聚类模块、图转换模块以及时空特征学习模块；聚类模块通过动态时间规整算法与瓦瑟斯坦距离度量各节点在交通模式上的相似性，并使用谱聚类将节点按交通模式划分为不同簇；图转换模块用以自适应地为同簇节点构造元路径图；时空特征学习模块用以根据元路径图捕获节点间的时空相关性。本发明可以移植并应用于多种现有的基于图神经网络的交通流预测模型，在其基础上对交通数据的异质性建模，提高其预测精度。
一种基于构图神经网络通流预测方法

[发明专利]基于高斯混合模型的多视图动态迁移聚类方法及系统-CN202310589312.X在审
发明人：周劲;李星辰;韩士元;王琳;陈月辉;杜韬;杨程;刘博文 -专利权人：济南大学
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于高斯混合模型的多视图动态迁移聚类方法及系统，该方法包括：获取待聚类的多视图数据集，预设每个视图的视图权重和各视图之间的动态迁移学习因子的初始值；分别对每个视图中的数据样本进行聚类，根据聚类结果计算获取每一视图的高斯混合模型参数初始值以及每一视图中每一数据属于每一簇的隶属度；根据隶属度更新高斯混合模型参数、视图权重和动态迁移学习因子；以更新后的值为最新值，对每个视图进行隶属度迭代计算，直至迭代结束；根据最终迭代获取的动态迁移学习因子进行各视图之间的聚类学习，得到各视图趋于一致的聚类结果。本发明通过动态迁移学习技术实现多视图间互补信息的深入挖掘，提高多视图数据的聚类性能。
基于混合模型视图动态迁移方法系统

[发明专利]一种基于协同训练的深度多视图聚类方法及系统-CN202310638508.3在审
发明人：周劲;陈聪;韩士元;王琳;陈月辉;杜韬;杨程;刘博文 -专利权人：济南大学
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06F18/23213 文献下载
摘要：本发明提出了一种基于协同训练的深度多视图聚类方法及系统，涉及数据挖掘和机器学习领域，具体方案包括：获取待聚类的多视图，用每个视图预训练自己的深度自编码模型；计算每个视图的亲和矩阵，设置每个视图的初始权重和视图间的初始动态学习因子；对每个视图的深度自编码模型进行迭代的正式训练，更新每个视图的权重和视图间的动态学习因子，直到满足预设的迭代停止条件，输出最终的隐层特征和聚类中心；基于最终的隐层特征和聚类中心，得到聚类结果；本发明设计了基于动态协同训练的深度多视图加权图嵌入聚类算法，针对多视图数据，采用动态协同训练思想，深入挖掘多视图间的互补信息，提高面向于多视图数据集的聚类效果。
一种基于协同训练深度视图方法系统

[发明专利]一种基于道路点云的障碍物及坑洼多目标聚类方法-CN202310485306.X在审
发明人： 韩士元;单彩云;何光明;周劲;杨君;宋金香 -专利权人：济南大学
申请日： 2023-05-04 - 公布日： 2023-07-21 - 主分类号： G06V20/58 文献下载
摘要：本申请公开了一种基于道路点云的障碍物及坑洼多目标聚类方法，涉及点云处理领域，用以解决道路障碍物和坑洼检测过程复杂，处理缓慢的问题。本申请发明了一种新的道路障碍物及坑洼多目标聚类方法，可以根据检测出的道路边界，对道路点云上的障碍物和坑洼进行多目标聚类，提高了道路障碍物和坑洼聚类精确度。本申请基于道路点云对可能存在的道路障碍物和坑洼进行检测，进而使得无人驾驶系统能够对道路障碍物和坑洼风险进行分析和预警，更好的有效规避或者降低道路障碍物和坑洼的影响，提高驾驶时的舒适性和安全性。
一种基于道路障碍物坑洼多目标方法

[发明专利]一种基于路面估计的变周期车辆主动悬架系统控制方法-CN202310565766.3在审
发明人： 韩士元;何光明;董嘉枫;宋金香;杨晓晖;杨君 -专利权人：济南大学
申请日： 2023-06-14 - 公布日： 2023-07-11 - 主分类号： B60G17/018 文献下载
摘要：本发明涉及车辆悬架系统领域，公开了一种基于路面估计的变周期车辆主动悬架系统控制方法，在本发明中采用FNT网络对道路进行分级，通过GP算法对FNT进行结构优化，通过PSO算法对FNT进行参数优化，适用于任何给定悬架控制策略的道路分类；在本发明设计了一个通用的基于路面估计的控制周期调整策略，该策略根据预估的路面性能选择不同控制周期，进而结合PID实现变周期控制。本发明融合了路面起伏监测与主动悬挂系统的PID控制方案，能通过预估路况自适应调整控制周期，在较好的路面上减少控制频率，在保证悬架稳定的前提下大大降低了控制执行器的损耗；在路面较差时能快速增加控制频率，使控制效果迅速逼近定周期控制。
一种基于路面估计周期车辆主动悬架系统控制方法

[发明专利]一种基于多窗口差分阈值滤波法的点云道路边界提取方法-CN202310416529.0在审
发明人： 韩士元;何光明;赵光龙;单彩云;周劲;李忠涛;杨君;宋金香 -专利权人：济南大学
申请日： 2023-04-19 - 公布日： 2023-06-30 - 主分类号： G06T7/136 文献下载
摘要：本发明公开了一种基于多窗口差分阈值滤波法的点云道路边界提取方法，涉及雷达技术和道路边界提取领域，可应用于自主导航和安全驾驶中。具体步骤包括：获取原始点云样本数据，然后对于获取到的原始点云样本数据进行预处理，生成目标点云样本数据；使用基于形态学的地面点云滤波器对于目标点云样本数据进行地面滤波，将目标点云样本数据中的地面点云样本数据提取出来；设计合适的窗口对提取到的地面点云样本数据进行划分并进行差分运算，求解差分矩阵；根据所要研究区域的地面点云样本数据密度的均值确定差分阈值，再通过差分阈值对于差分矩阵进行滤波，并结合原始点云样本数据生成道路边界信息。
一种基于窗口阈值滤波道路边界提取方法

[发明专利]基于多通道加权引导滤波的模糊聚类彩色图像分割方法-CN201911132050.4有效
发明人：周劲;徐广梅;董吉文;韩士元;王琳;陈月辉 -专利权人：济南大学
申请日： 2019-11-18 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：一种基于多通道加权引导滤波的模糊聚类彩色图像分割方法，对于带有噪声的彩色图像，首先通过多元形态学重建可以有效的去除不同类型不同强度的噪声，从而减轻噪声对图像聚类的影响；其次，将带有噪声的彩色图像对隶属度多通道引导滤波时，由于利用原始彩色图像的每个通道分别对隶属度引导滤波，然后将每个通道的滤波结果加权得到最终的滤波输出图像，所以能够避免不同通道之间的相互影响，从而最终的滤波结果能够更有效的保持边缘，提高了对彩色噪声图像分割的准确率。另外，由于三个通道的滤波结果加权计算是一个线性操作，所以基于多通道加权引导滤波的模糊聚类的彩色图像分割方法具有较低的时间复杂度。
基于通道加权引导滤波模糊彩色图像分割方法

[发明专利]一种基于手部检测的驾驶员异常行为识别方法与系统-CN202110251693.1有效
发明人：杨晓晖;马哲;冯志全;韩士元;范雪;田京兰 -专利权人：济南中凌电子科技有限公司
申请日： 2021-03-08 - 公布日： 2023-05-16 - 主分类号： G06V20/59 文献下载
摘要：本公开公开的一种基于手部检测的驾驶员异常行为识别方法与系统，包括：获取待识别的驾驶员手势图像；将待识别的驾驶员手势图像输入训练好的手势检测模型中，获取驾驶员手势识别结果；其中，手势检测模型以CenterNet算法为基础，在CenterNet主干特征提取模块的每个Block中添加通道注意力模块。实现了对驾驶员手势的准确识别。
一种基于检测驾驶员异常行为识别方法系统

[发明专利]面向复杂数据可视化的周期性数据服务刷新方法及系统-CN202310035314.4在审
发明人：杜立新;郭晨;段春笋;周劲;韩士元;王廷蔚 -专利权人：济南大学
申请日： 2023-01-10 - 公布日： 2023-05-09 - 主分类号： G06F16/904 文献下载
摘要：本公开提供了一种面向复杂数据可视化的周期性数据服务刷新方法及系统，包括：基于数据可视化界面中各图表的刷新间隔，获取图表所需的数据服务清单、每个数据服务的执行时间以及周期刷新时间间隔；基于各数据服务的执行时间及周期刷新时间间隔，对当前数据可视化界面进行刷新场景判断，获得当前刷新场景判断结果；其中，所述刷新场景包括第一场景、第二场景及第三场景；基于获得的场景判断结果，执行对应的并行策略，其中，对于所述第三场景，通过对数据服务按照周期刷新时间间隔以及数据服务执行时间两个维度进行聚类，获得存在冲突的数据服务，并将具有冲突的数据服务进行并发执行，实现复杂数据可视化的周期性数据服务刷新。
面向复杂数据可视化周期性服务刷新方法系统

[发明专利]基于多尺度特征的遥感图像小目标检测方法及系统-CN202310011631.2在审
发明人：李岩;陈伟平;韩士元;徐涛;杨晓晖;刘振;董立凯 -专利权人：济南大学
申请日： 2023-01-05 - 公布日： 2023-04-18 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了基于多尺度特征的遥感图像小目标检测方法及系统；获取待检测的遥感图像；对待检测的遥感图像进行去雾处理和亮度增强处理；将亮度增强处理后的图像，输入到训练后的遥感图像小目标检测模型中，得到遥感图像的小目标检测结果；训练后的遥感图像小目标检测模型，其工作原理包括：对亮度增强处理后的遥感图像进行多尺度特征提取；对提取的多尺度特征进行特征融合和特征增强，得到特征图；对特征图中不同尺寸的感兴趣区域进行尺寸固定，得到目标的建议候选框；将提取出来的建议候选框经过非极大值抑制后，得到目标的预测边界框坐标，绘制目标所在区域的最小外接矩形，将最小外接矩形作为目标预测边界框，得到遥感图像目标的检测结果。
基于尺度特征遥感图像目标检测方法系统

[发明专利]一种基于多重空间信息加权的模糊聚类的图像分割方法-CN201911131121.9有效
发明人：周劲;刘祥道;韩士元;王琳;陈月辉 -专利权人：济南大学
申请日： 2019-11-18 - 公布日： 2023-04-18 - 主分类号： G06T7/11 文献下载
摘要：一种基于多重空间信息加权的模糊聚类的图像分割方法，在模糊聚类的目标函数中同时考虑了图像的多种像素信息，这种方法对于具有多种未知噪声的图像具有较好的鲁棒性，在此过程中，该方法提供了两种不同的算法，首先为了确保对聚类贡献较大的空间信息能够更好地促进聚类，采用熵加权技术对参与聚类的多种空间信息进行自动加权，像素之间的距离度量采用欧几里得距离；其次考虑到噪声图像中的像素点错综复杂且往往具有线性不可分的特点，使用核方法将特征空间中的像素点映射到高维的核空间，像素之间的距离度量使用高斯核函数进行计算，并对映射后的不同图像之间的像素点进行加权。
一种基于多重空间信息加权模糊图像分割方法

[发明专利]一种适用于水培根茎类禾草根系的图像分割分析方法-CN202211427693.3在审
发明人：何文兴;张亚新;曹毅;张云燕;韩士元;陈月辉;李佳林;全晓艳 -专利权人：济南大学
申请日： 2022-11-15 - 公布日： 2023-03-07 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及图像分割技术领域，具体是一种适用于根茎类禾草水培根系的图像分割方法，采用视觉自注意力机制模块构建解码器网络进行训练。数据采集时，使用了透明机制与透明钵体培养植物，以更加直接的观察到根系的生长状况；在数据预处理阶段，对原始图片进行数据增强，增加样本丰富性；编码器采用下采样的方式处理训练数据，得到尺度不断减小的多层卷积特征；解码器增加视觉自注意力机制模块使得网络能够克服长程依赖关系，自适应地调整特征通道的权值，提高网络的特征判别和选择能力；在损失函数方面，引入focal loss损失函数加强网络对难分样本的学习，改善样本不均衡问题。本发明增强了复杂环境下语义分割算法的稳健性，提高了对于水培根系图像的分割精度。
一种适用于水培根茎禾草根系图像分割分析方法

[发明专利]基于图像的叶片形态信息提取方法-CN202211428798.0在审
发明人：何文兴;张云燕;曹毅;张亚新;韩士元;陈月辉;李佳林;全晓艳 -专利权人：济南大学
申请日： 2022-11-15 - 公布日： 2023-03-03 - 主分类号： G06T7/136 文献下载
摘要：本发明涉及计算机对植物表型特征的提取技术领域，具体是一种基于图像的叶片形态信息提取方法，包括以下步骤：S1、拍摄植物叶片图像构成数据集；S2、对图像进行预处理，得到叶片分割图像；S3、对叶片分割图像进行处理，得到叶片轮廓图像和叶脉骨架网络图像；S4、对叶脉骨架网络图像进行特征提取，得到叶脉特征参数，包括主要叶脉角度、叶脉总长度、叶脉的平均宽度；对叶外轮廓图进行特征提取，得到叶片轮廓线形状。相对于现有技术，本发明能够通过计算机视觉技术，在复杂多变的叶片图像中提取出更加全面叶片的表型特征，以此为衡量植物生长状况提供重要依据，并且精度高、计算速度快，对植物的研究具有更重要的意义。
基于图像叶片形态信息提取方法

1
2
3
下一页»
尾页
共 38 条