“分解算法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果484916个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进缎蓝园丁鸟算法优化LSSVR的风电功率预测方法-CN202110398158.9有效
发明人：童晓阳;周小麟 -专利权人：西南交通大学
申请日： 2021-04-14 - 公布日： 2022-03-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于风电技术领域，具体涉及一种基于改进缎蓝园丁鸟算法优化LSSVR的风电功率预测方法。本发明提出了一种基于二次分解和ISBO优化参数的LSSVR风电功率超短期预测方法，考虑了模型训练过程和预测的复杂度，构造了一种基于二次分解和t均值检验的二次分解策略，对原始风电功率序列进行分解、动态划分、重构处理；为了提高缎蓝园丁鸟算法在迭代过程中的种群多样性和算法收敛度，对标准的缎蓝园丁鸟算法进行改进，并利用改进型缎蓝园丁鸟算法，优化最小二乘支持向量回归模型的两个参数，建立性能优良的风电功率LSSVR
一种基于改进园丁算法优化 lssvr 电功率预测方法

[发明专利]一种在线学习中基于降噪自编码器混合模型的课程视频推荐算法-CN201810575724.7在审
发明人：杨波;邹海瑞 -专利权人：电子科技大学
申请日： 2018-06-06 - 公布日： 2018-11-23 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种在线学习中基于降噪自编码器混合模型的课程视频推荐算法。该方法包含基于降噪自编码器的用户特征提取算法与课程视频特征提取算法、自适应矩阵分解模型的评分预测算法两个部分。提供了基于降噪自编码器的用户特征提取算法和课程视频特征提取算法的具体步骤。提供了自适应矩阵分解模型的评分预测算法的具体步骤。与现有课程视频推荐算法相比，本发明能够利用降噪自编码器从评分矩阵和内容信息来进行自动特征提取；同时，将提取出的特征融入到矩阵分解之中，并建立内容信息和用户—课程视频评分矩阵的非线性交互关系，能够达到更高的推荐准确度
课程视频编码器降噪矩阵分解算法特征提取算法混合模型内容信息评分矩阵提取算法用户特征预测算法在线学习自适应自动特征提取交互关系准确度融入

[发明专利]基于改进位平面分解和差值扩展的可逆图像水印算法-CN202210180641.4在审
发明人：张正伟;孟倩;李瑶;孟春辰;李芬芬;王洪亚;金圣华;于振洋 -专利权人：淮阴工学院
申请日： 2022-02-25 - 公布日： 2022-06-24 - 主分类号： G06T1/00 文献下载
摘要：本发明涉及信息隐藏、数字水印技术领域，公开了一种基于改进位平面分解和差值扩展的可逆图像水印算法，首先通过平滑度计算算法对划分图像块进行平滑度计算并按此进行排序。再对选取的每个平滑块进行位平面分解，利用多尺度分解去除含突兀点图像子块。最后利用广义差值扩展算法和差值量化算法将置乱后的水印信息和辅助信息嵌入到载体图像中。水印提取算法与水印嵌入算法相反。与现有技术相比，本发明不仅嵌入率高，而且有较高的视觉质量，能实现原始图像的完全恢复，对不同纹理类型图像都有着较好的视觉感知，和其它算法相比，具有一定的优势。
基于进位平面分解差值扩展可逆图像水印算法

[发明专利]一种基于改进哈里斯鹰优化算法优化变分模态分解的电力电子电路故障诊断方法-CN202210300673.3在审
发明人：王力 -专利权人：安徽理工大学
申请日： 2022-03-24 - 公布日： 2022-07-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进哈里斯鹰优化算法优化变分模态分解的电力电子电路故障诊断方法，首先采集电解电容不同退化程度下的电压信号，最小化包络香农熵作为哈里斯鹰优化算法的适应度值，改进的哈里斯鹰优化算法同时优化变分模态分解的分解层数优化后的变分模态分解对电压信号进行分解，使用克莱姆相关系数选择有效模态分量实现重构信号，提取时域和频域的特征，构建概率神经网络作为分类器，用于电力电子电路的故障诊断。本发明解决了变分模态分解的分解层数K与惩罚因子α之间的相互作用对分解效果产生的影响，利用克莱姆相关系数选择有效模态分量重构信号，提取时域和频域特征，确保提取特征的全面性，提高故障的诊断率。
一种基于改进里斯优化算法变分模态分解电力电子电路故障诊断方法

[发明专利]一种并行LLL高维模糊度降相关算法-CN201510425832.2有效
发明人：郑建生;苏明坤;杨艳茜;陈鲤文 -专利权人：武汉大学
申请日： 2015-07-20 - 公布日： 2017-09-29 - 主分类号： G01S19/37 文献下载
摘要：本发明公开了一种并行LLL高维模糊度降相关算法，首先通过混合利用Cholesky下三角LTL分解以及上三角UTU分解，提高LLL算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能力。其次为了得到降相关能力较强的Z变换矩阵，所以在每一次QR分解变换过程中，变换系数矩阵要获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序，而在上三角分解前先对矩阵的列向量按内积大小进行降序排列最后把算法正交变换过程中的取整运算移至在求Z矩阵时取整，可以避免算法迭代过程中反复取整而引起的误差累积，解决算法发散的问题，从而进一步提高并行LLL算法的计算效率和稳定性。
一种并行 lll 模糊相关算法

[发明专利]一种基于改进同步压缩变换的扭振信号瞬时频率提取方法-CN202111243696.7在审
发明人：曹宏瑞;周铖;魏江;史江海 -专利权人：西安交通大学
申请日： 2021-10-25 - 公布日： 2022-01-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进同步压缩变换的扭振信号瞬时频率提取方法，方法的主要流程为以能量熵为粒子群优化算法的适应度函数，采用粒子群优化算法实现对变分模态分解算法参数进行优化；然后将优化得到的最优参数组合代入变分模态分解算法中实现对扭振信号的分解、降噪；而后采用相关系数大的本征模态函数IMF实现扭振信号的重构；然后对重构的扭振信号采用基于Fourier同步压缩变换得到清晰分辨率的时频分布；最后采用Viterbi算法从时频分布中提取扭振信号瞬时频率本发明提出的扭振信号瞬时频率提取方法，通过粒子群优化算法求出变分模态分解算法的参数K和α为最优组合，以此为基础实现扭振信号的最有效的降噪，能够提取出更加准确的瞬时频率。
一种基于改进同步压缩变换信号瞬时频率提取方法

[发明专利]基于非负矩阵因式分解的遥感图像混合像元分解方法-CN200710047702.5无效
发明人：陶雪涛;王斌;张立明 -专利权人：复旦大学
申请日： 2007-11-01 - 公布日： 2008-07-16 - 主分类号： G01S17/89 文献下载
摘要：本发明属于遥感图像处理技术领域，具体为一种基于非负矩阵因式分解的遥感图像混合像元分解方法。本发明将单形体方法作为非负矩阵分解算法的前端算法，即由单形体方法获得初步端元信号估计结果，然后由其组合成的矩阵作为端元信号矩阵的初始值，代入经修改后的非负矩阵因式分解迭代式进行更新运算，获得最终的分解结果本发明克服了两种算法各自的缺点，有效的解决了高混合遥感数据的混合像元分解问题。本方法在基于多光谱和高光谱遥感图像的高精度地物分类以及地面目标的检测和识别方面具有重要应用价值。
基于矩阵因式分解遥感图像混合分解方法

[发明专利]基于时间序列分解算法的锂电池单体异常检测方法及系统-CN202211462784.0在审
发明人：武明虎;张书凡;杜万银;张凡 -专利权人：湖北工业大学
申请日： 2022-11-22 - 公布日： 2022-12-20 - 主分类号： G01R31/396 文献下载
摘要：本发明涉及一种基于时间序列分解算法的锂电池单体异常检测方法及系统，该技术方案利用时序分解算法对采集得到的电池电压数据进行分解，以获得电池电压的趋势项分量（Trend Component）。本发明的有益效果是：（1）基于时间序列分解算法，获得各单体电池电压的趋势项分量，可以有效剔除噪声和残余项的干扰；（2）采用了余弦相似度算法，能够实现在线实时的电池故障检测，计算速度快，准确率高。
基于时间序列分解算法锂电池单体异常检测方法系统

[发明专利]一种基于原子分解法的同步电机参数辨识方法-CN201710112598.7有效
发明人：倪良华;肖李俊;历馨 -专利权人：南京工程学院
申请日： 2017-02-28 - 公布日： 2019-03-05 - 主分类号： H02P23/14 文献下载
摘要：本发明公开了一种基于原子分解法的同步电机参数辨识方法，其特征是，包括以下步骤：1)构建相关原子库并将原子离散化参数连续化；2)运用进化匹配追踪算法，快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流；3)从分解的各原子信号特征参数中推算出同步电机参数。本发明所达到的有益效果：针对传统算法的不足，尤其是采用的经验模态分解(EMD)和Prony算法对含噪声信号短路电流的分解效果欠佳，抗噪性能不好，本算法可准确地提取同步电机参数，且有较好的抗噪性能。
一种基于原子解法同步电机参数辨识方法

[发明专利]一种联合非负矩阵分解的多层网络社团挖掘算法-CN202011443223.7在审
发明人：王震;柴梦阁;朱培灿;高超;李学龙 -专利权人：西北工业大学
申请日： 2020-12-11 - 公布日： 2021-08-10 - 主分类号： G06Q50/00 文献下载
摘要：本发明提供了一种联合非负矩阵分解的多层网络社团挖掘算法；包括：步骤1，实验数据集的采集；步骤2，评价指标；步骤3，算法流程；步骤4，算法更新优化；步骤5，算法评估。本发明得益于在每一步矩阵分解过程中加入了稀疏性约束，使得算法核心的非负矩阵分解降低了对优化过程中初始值的敏感性，在每一次迭代中减弱了噪声和异常值的影响，从而能够保持良好的稳定性和平均性能，不容易陷入局部最优，有助于提高NF‑CCE框架下算法的多层网络社团挖掘性能与稳定性。
一种联合矩阵分解多层网络社团挖掘算法

[发明专利]一种变分模态分解参数优化的仿真方法-CN201910895944.2在审
发明人：林杰威;张俊红;周启迪;龙飞企;周天意 -专利权人：天津大学
申请日： 2019-09-21 - 公布日： 2020-02-14 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种变分模态分解参数优化的仿真方法，步骤如下：构建模拟信号；采用遗传算法改进粒子群算法优化变分模态分解，称之为PSOGA‑VMD；采用小波变换模拟信号分量进行时频分析，并和模拟信号设置频率特征进行对比，检测分解精度。
模拟信号分解分模模拟信号分量粒子群算法参数优化频率特征时频分析小波变换遗传算法构建检测优化改进

[发明专利]一种层级多粒度矩阵分解的物品推荐方法-CN201910637456.1在审
发明人：杨波;邹海瑞 -专利权人：电子科技大学
申请日： 2019-07-15 - 公布日： 2019-11-26 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了一种层级多粒度矩阵分解的物品推荐方法，由于在推荐系统中，矩阵分解算法是一种将评分矩阵分解为两个低维矩阵的推荐算法，并能够学习到用户偏好和物品特征。但目前的矩阵分解算法及其改进算法都只利用到单个特征向量来表示用户和物品，因此存在预测精度低的问题。针对该技术问题，本发明提出了一种可用于具有用户评分的购买物品推荐的基于深度学习的层级多粒度矩阵分解推荐方法。此外，本发明也克服了现有的基于深度学习的推荐算法仅利用最后一层来做预测，却忽略了神经网络每层特征变换带来的信息损失的技术问题。
算法矩阵分解算法矩阵分解特征向量层级学习矩阵评分矩阵神经网络特征变换提取特征同一用户推荐系统物品特征信息损失用户偏好预测低维可用偏好分解购买改进

[发明专利]基于灰狼算法优化变分模态分解的轴承故障诊断方法-CN202110071612.X在审
发明人：朱兴统;陈珂;王爱国 -专利权人：广东石油化工学院
申请日： 2021-01-19 - 公布日： 2022-08-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于灰狼算法优化变分模态分解的轴承故障诊断方法，包括如下步骤：S1、采集轴承的振动信号；S2、运用灰狼算法优化变分模态分解，并用于分解轴承振动信号；S3、对上一步得到的分量信号计算排列熵；S4、运用灰狼算法优化最小二乘支持向量机的正则参数γ和核函数参数σ；S5、按照上一步得到的最优参数值设置最小二乘支持向量机模型参数，并对最小二乘支持向量机进行训练；S6、利用训练后最小二乘支持向量机模型进行故障识别本发明运用灰狼算法优化变分模态分解，用于分解轴承振动信号，并对得到的分量信号计算排列熵；运用灰狼算法优化最小二乘支持向量机，用于轴承故障识别。本发明具有诊断准确率高的优点。
基于灰狼算法优化变分模态分解轴承故障诊断方法

[发明专利]轴承故障检测方法及系统-CN201910202408.X在审
发明人：陈剑;陶善勇 -专利权人：合肥工业大学
申请日： 2019-03-15 - 公布日： 2019-05-31 - 主分类号： G01M13/045 文献下载
摘要：轴承故障检测方法及系统，包括：采集原始振动信号，以粒子群算法计算所述原始振动信号得分解参数；优化所述分解参数，以得到参数组合信息，据以分解所述原始振动信号为模式分解信息；提取所述模式分解信息中的耦合输入信号；以所述粒子群算法优化双稳态随机共振系统，据以对所述耦合输入信号进行随机共振处理，以得到故障特征信号。
原始振动信号轴承故障检测耦合输入信号粒子群算法模式分解分解双稳态随机共振系统故障特征信号参数组合随机共振微弱故障信号处理信号检测优化采集

[发明专利]一种基于振动信号的换流变压器运行状态识别方法-CN202011190818.6在审
发明人：邓军;潘志城;楚金伟;张晋寅;周海滨;谢志成;孙勇;张占龙;武雍烨 -专利权人：中国南方电网有限责任公司超高压输电公司检修试验中心
申请日： 2020-10-30 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：本方法采集换流变压器表面箱体振动信号，信号特征提取方法选取变分模态分解算法，通过天牛须搜索算法完成对变分模态分解算法的参数寻优工作，确定分解的最佳参数，利用优化后变分模态分解算法对测量得到的换流变压器表面箱体振动信号进行模态分解重构，计算分解过后的的各重构信号的在原信号中的能量占比并构建相应的状态特征向量。
一种基于振动信号换流变压器运行状态识别方法