专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果515764个,建议您升级VIP下载更多相关专利
  • [发明专利]一种融合集成磨机负荷参数软测量系统-CN201811499493.2有效
  • 刘卓;汤健;余刚;赵建军 - 北京工业大学
  • 2018-12-09 - 2023-10-20 - G06F18/214
  • 本发明公开一种融合集成磨机负荷参数软测量系统;首先采用多组分信号自适应分解算法将原始筒体振动/振声信号分解为具有不同时间尺度和物理含义的时域子信号,再变换至频域得到多尺度频谱;接着构建基于这些多尺度振动/振声频谱的选择性集成潜结构映射模型;然后提取多尺度频谱潜在特征并以这些特征为输入构建选择性集成模糊推理模型;最后采用基于误差信息熵的加权方法融合集成上述两类异质选择性集成模型,进而得到具有双层集成结构的磨机负荷参数软测量模型
  • 一种融合集成负荷参数测量系统
  • [发明专利]一种基于多核潜在特征提取的智能集成软测量方法-CN201711327861.0在审
  • 汤健;刘卓;余刚;赵建军 - 北京工业大学
  • 2017-12-13 - 2018-05-22 - G06K9/62
  • 本发明公开一种基于多核潜在特征提取的智能集成软测量方法,基于多个候选核参数提取特征进行集成构造,获得面向不同核参数的潜在特征子集;以这些潜在特征子集作为训练子集构建候选模糊推理子模型,采用优化算法和自适应加权算法构建得到选择性集成模糊推理主模型;计算主模型预测误差,选择核参数并采用KPLS提取输入数据中与主模型预测误差相关的潜在特征集合;基于这些潜在特征集合采用Bootstrap算法进行集成构造,获得面向训练样本采样的训练子集;基于这些训练子集构造基于核随机权神经网络的候选子模型,采用遗传算法优化工具箱和AWF构建选择性集成KRWNN补偿模型;将选择性集成模糊推理主模型与选择性集成KRWNN补偿模型的输出进行合并得到预测结果。
  • 一种基于多核潜在特征提取智能集成测量方法
  • [发明专利]一种代价敏感的集成学习分类方法及系统-CN202011143487.0在审
  • 皇甫伟;沈一佳;刘娅汐 - 北京科技大学
  • 2020-10-23 - 2021-02-19 - G16H50/20
  • 本发明公开了一种代价敏感的集成学习分类方法及系统,该方法包括:获取样本数据集,并将样本数据集分成训练样本集和测试样本集;基于训练样本集对多个不同类型的分类器分别进行训练,并基于测试样本集对训练好的各分类器分别进行分类测试,得到各分类器的分类结果;基于各分类器的分类结果为每一分类器分配对应的权重;基于各分类器的权重,对各分类器进行加权集成,得到集成分类器;利用集成分类器对待测样本进行分类,得到相应的分类结果。本发明使集成学习模型具有各个基学习器的优点,弱化各个基学习器的缺点。并通过权重分配和调整集成学习的门限,改善了集成分类器的分类效果。
  • 一种代价敏感集成学习分类方法系统

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top