“类高斯”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401591个，建议您升级VIP下载更多相关专利

[发明专利]一种PCB板检测方法及装置-CN201510134717.X有效
发明人：张玉兵 -专利权人：广州视源电子科技股份有限公司
申请日： 2015-03-25 - 公布日： 2018-08-24 - 主分类号： G01N21/956 文献下载
摘要：本发明公开了一种PCB板检测方法，包括如下步骤：基于样本的局部纹理特征建立高斯判别分析模型，其中，所述样本包括第一类型样本和第二类型样本，所述第一类型样本为没有漏装元件的PCB板，所述第二类型样本为漏装了至少一个元件的PCB板；获取待检测的PCB板的图片，并提取所述待检测的PCB板的图片的局部纹理特征；及根据所述待检测的PCB板的图片的局部纹理特征及所述建立的高斯判别分析模型，确定所述待检测的PCB板的类型。
一种 pcb 检测方法装置

[发明专利]基于双相关性降低的图深度聚类方法-CN202210332349.X在审
发明人：周思航;刘悦;杨希洪;刘新旺;涂文轩;熊玉朋;郭瑞斌;张伦;唐邓清;陈浩 -专利权人：中国人民解放军国防科技大学
申请日： 2022-03-31 - 公布日： 2022-08-05 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种基于双相关性降低的图深度聚类方法、装置、计算机设备和存储介质。所述方法包括：获取待聚类的原始目标关系图；基于特征相似度和图扩散，分别对原始目标关系图进行数据增强，得到分类图邻接矩阵和扩散矩阵，根据分类图邻接矩阵和高斯噪声，得到第一增广图，根据扩散矩阵和高斯噪声得到第二增广图；将第一增广图和第二增广图的特征图分别输入预先训练的双相关性降低网络进行样本层面的相关性降低和特征层面的相关性降低，得到双相关性降低特征图；对双相关性降低特征图进行图聚类，得到目标关系聚类图。采用本方法能够避免表示坍缩，提升聚类性能。
基于相关性降低深度方法

[发明专利]一种基于聚类和自适应梯度提升决策树的预测方法-CN202310327926.0在审
发明人：廖雪超;马亚文;张永;孟航宇;向桂宏;刘欢 -专利权人：武汉科技大学
申请日： 2023-03-27 - 公布日： 2023-06-27 - 主分类号： G06Q10/0637 文献下载
摘要：发明公开了一种基于聚类和自适应梯度提升决策树的预测方法，通过MRGALnet模型对原始数据进行预处理，删除缺失数据、无效数据和异常数据，再进行MI+RFE两步特征选择，筛选出与建筑能耗相关性强的特征，然后对筛选之后的建筑数据利用高斯混合模型进行分类，将能耗数据相似的建筑划分到同一类；并基于AR自适应损失函数设计ALGBM预测方法，该方法可以根据不同聚类的能耗数据自适应的确定损失函数超参数，再利用AR损失函数对预测误差进行修正以提高模型预测性能，发明公开了一种基于聚类和自适应梯度提升决策树的建筑能耗预测方法，通过结合MI、REF、高斯混合聚类和ALGBM,进一步提高预测精度和收敛速度，从而提高模型预测精度。
一种基于自适应梯度提升决策树预测方法

[发明专利]一种基于高斯混合聚类的b调制非线性频分复用系统-CN202310201119.4在审
发明人：白金旺;王拥军;李超;韩露;黄兴源;杨海峰;朱鹤鸣;任宪达;张琦;忻向军 -专利权人：北京邮电大学
申请日： 2023-03-01 - 公布日： 2023-05-30 - 主分类号： H04B10/516 文献下载
摘要：本发明提出了一种基于高斯混合聚类的b调制非线性频分复用系统，涉及光纤通信系统技术领域，创造性的将高斯混合聚类算法应用到b调制非线性频分复用系统中，取代原有的b调制非线性频分复用系统的硬判决和软判决算法，来均衡接收到的星座图因噪声带来的相位旋转，以消除因为EDFA放大器的自发辐射噪声和光纤信道中的各种不利因素的影响，同时对解调得到的16QAM星座图数据进行聚类判决，降低系统的误码率，提高系统性能。
一种基于混合调制非线性频分复用系统

[发明专利]一种基于分部式高斯混合模型的冰下层位检测方法-CN201811042722.8有效
发明人：刘艳;赵博;刘小军;王强 -专利权人：中国科学院大学
申请日： 2018-09-07 - 公布日： 2022-11-15 - 主分类号： G06F17/18 文献下载
摘要：本发明涉及冰下层位的检测方法，具体涉及基于分部式高斯混合模型的冰下层位检测方法。包括步骤为：对待处理探冰雷达数据，构建分部式高斯混合模型；对各分部探冰雷达数据，分别采用模糊C均值聚类处理和期望最大化算法，迭代求解各高斯分布模型中模型参数的初值和最大似然估计值；基于迭代求解结果，构建分类标签矩阵本发明基于探冰雷达数据，通过构建分部式高斯混合模型，反映冰下介质属性的差异，降低冰下噪声干扰的同时，实现对冰下层位的有效检测和提取。
一种基于分部式高斯混合模型层位检测方法

[发明专利]一种基于相控阵天气雷达探测气象目标的识别方法-CN202011013581.4在审
发明人：乔俊淇;艾未华;刘茂宏;郭朝刚 -专利权人：中国人民解放军国防科技大学
申请日： 2020-09-23 - 公布日： 2021-01-05 - 主分类号： G01S13/95 文献下载
摘要：本发明公开了一种基于相控阵天气雷达探测气象目标的识别方法，包括以下步骤：从相控阵天气雷达回波数据中提取散射极化矩阵；从所述散射极化矩阵中提取极化不变量特征；将所述极化不变量特征输入至混合高斯聚类模型，识别得到气象目标；所述混合高斯聚类模型包括多个子类，每个子类模型对应识别一种气象目标。
一种基于相控阵天气雷达探测气象目标识别方法

[发明专利]基于高斯混合的因子隐马尔可夫负荷分解方法-CN201910771098.3在审
发明人：张露 -专利权人：上海纺织节能环保中心
申请日： 2019-08-20 - 公布日： 2019-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及非侵入式负荷监测的负荷分解领域，为一种基于高斯混合的因子隐马尔可夫负荷分解方法，其特征在于，包括以下步骤：1)获取基础数据，包括各个负荷功率数值；2)高斯混合模型对各个负荷工作状态进行聚类；3)利用步骤2)聚类结果对各个单独负荷建立隐马尔可夫模型并确定模型参数；4)利用步骤3)各个单独负荷的隐马尔可夫模型参数建立总负荷的因子隐马尔可夫模型；5)根据总负荷的因子隐马尔可夫模型参数与目标函数进行负荷分解
隐马尔可夫模型负荷分解总负荷负荷工作状态高斯混合模型参数建立非侵入式负荷功率负荷监测高斯混合基础数据聚类结果模型参数目标函数聚类

[发明专利]一种BGP异常检测方法及系统-CN201811331848.7有效
发明人：王娜;杜学绘;戴仙波;任志宇;王文娟;单棣斌;杨智;刘敖迪;李少卓 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2018-11-09 - 公布日： 2021-09-21 - 主分类号： H04L29/06 文献下载
摘要：本申请公开了一种BGP异常检测方法及系统，方法包括：获取异常数据集，对异常数据集进行数据标准化处理，从特征集中选择出能同时最大化类间距离和最小化类内距离的特征，并得到各个特征度量分类能力的特征权值，优化高斯核函数本申请能够基于改进的高斯核函数以及基于网格搜索与交叉验证进行参数寻优，以提高模型分类准确率，基于最优特征子集来评价模型综合性能。
一种 bgp 异常检测方法系统

[发明专利]一种K近邻变换真假目标特征提取方法-CN201810964240.1有效
发明人：周代英;沈晓峰;冯健 -专利权人：电子科技大学
申请日： 2018-08-23 - 公布日： 2022-06-03 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种K近邻变换真假目标特征提取方法，属于雷达目标识别技术邻域，本发明通过基于K近邻约束规则减小同类样本间的差异，而增大异类样本之间的差异，降低其它样本对构建变换矩阵的影响，在目标样本数据分布是非高斯分布的情况下，仍然能够很好地表示类内聚集和类间分离的程度，克服了常规正则变换矩阵只适合于样本数据高斯分布的缺点，从而提高了目标识别性能。
一种近邻变换真假目标特征提取方法

[发明专利]基于时序分割和聚类的工业物联网高频数据压缩方法-CN202211041442.1在审
发明人：牛晓东;肖红彬;石振锋;崔鲲 -专利权人：北京思维实创科技有限公司
申请日： 2022-08-29 - 公布日： 2022-12-09 - 主分类号： H03M7/40 文献下载
摘要：本发明公开了一种基于时序分割和聚类的工业物联网高频数据压缩方法，属于时间序列压缩技术领域，其包括：使用基于改进象群优化算法的高斯分割模型对时间序列划分，得到多个片段；使用基于改进峰值密度初始化的高斯混合模型对其进行聚类，得到分模块方差和聚类标签；根据方差所占比例对每个聚类中心再次等距分割；利用SAX方法将每类中心的每段均值转化为符号表示，每类第一个字符为大写字母；对同一类相同符号表示剪切，保留第一个大写字母，得到时间序列值压缩数据；获取时间戳和分割点信息，采用DPCM算法对其压缩；使用Huffman编码对聚类标签符号化压缩。
基于时序分割工业联网高频数据压缩方法

[发明专利]一种非结构化道路的检测方法-CN201710328099.1在审
发明人：不公告发明人 -专利权人：南宁市正祥科技有限公司
申请日： 2017-05-11 - 公布日： 2017-09-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种非结构化道路的检测方法，包括以下步骤将单目摄像机采集的彩色图像，通过高斯金字塔进行降采样，金字塔由高斯平滑和向下降采样构成，转成灰度图像处理，压缩图像数据信息，对图像进行双边滤波，抑制噪声；采用基于小波变换求模极大值的方法对图像提取边缘；结合高斯函数设定阈值去除非道路边缘点；根据基于斜率和截距的K‑means聚类算法实现道路的拟合。
一种结构道路检测方法

[发明专利]一种一维像识别中的高斯权值分布特征提取方法-CN202111197166.3有效
发明人：周代英 -专利权人：电子科技大学
申请日： 2021-10-14 - 公布日： 2023-04-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于目标识别技术领域，具体的说是涉及一种一维像识别中的高斯权值分布特征提取方法。本发明利用训练数据集样本分布结构，建立变换子空间矩阵提取高斯权值分布特征，由于采用高斯权值来描述样本之间的连接紧密程度，能有效表征各类样本在高维空间中的聚集情况，从而改善对目标的识别性能，对4类目标的仿真实验验证了该方法的有效性
一种一维像识别中的高斯权值分布特征提取方法

[发明专利]一种基于高斯分布的自适应高光谱分类方法-CN201310407164.1无效
发明人：柏连发;张毅;岳江;韩静;吴经纬;陈钱;顾国华;孙宝朋 -专利权人：南京理工大学
申请日： 2013-09-09 - 公布日： 2013-12-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于高斯分布的自适应高光谱分类方法。该方法根据光谱曲线的相似度，即目标与背景都符合高斯分布，将最小关联窗口与中心像元的相似度量通过高斯函数拟合获得数据分布特征，进而获得自适应阈值；然后利用像元最小关联窗口合并相邻相似像元为像块完成降元，实现高光谱图像分类本发明方法不但实现了自适应，而且聚类精度高、边缘辨识度好及鲁棒性强。
一种基于分布自适应光谱分类方法

[发明专利]基于正则化动态集成的不平衡数据分类方法-CN201910542741.5在审
发明人：雒瑞森;王琛;孙超;徐耀;涂海燕;余勤;龚晓峰 -专利权人：四川大学
申请日： 2019-06-21 - 公布日： 2019-09-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于正则化动态集成的不平衡数据分类方法，包括依次进行的以下步骤：将测试数据集分离，生成K个高斯分布的混合高斯模型；生成子数据集，具体为：每个高斯质心生成两个不同的子数据集，第一个子数据集的大小为多数数据的基数除以高斯质心的数量，另一个也包含多数实例，其大小等于少数实例的数量；将第二类子数据集与从集合中随机选择的个多数实例组合；将两个生成的多数数据集与少数数据集Xk组合，将第一类子数据集中被视为噪声的实例移除；基于每个子数据集生成多个子分类器，并构建各个子分类器；将子分类器线性组合；确定分类结果。
数据集子数据集动态集成数据分类子分类器正则化高斯质心混合高斯模型测试数据集计算复杂度算法稳定性分类结果高斯分布随机选择线性组合训练数据分类器生成子数据量子数据构建减小拟合移除噪声集合基数

[发明专利]基于高斯混合模型分类的SAR图像检索方法-CN200910022498.0有效
发明人：焦李成;唐旭;侯彪;张向荣;王爽;马文萍 -专利权人：西安电子科技大学
申请日： 2009-05-13 - 公布日： 2009-10-07 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于高斯混合模型分类的SAR图像检索方法，主要解决现有SAR图像检索方法检索时间长和检索精度低的问题。将挑选出的SAR图像{I₁，I₂，…，I_l}分成{c₁，c₂，…，c_m}类，并用对应的特征向量作为训练样本，训练高斯混合模型；用训练好的高斯混合模型，对整个图库{I₁，I₂，…，I_k}分类，得到具有类标的图像库；对用户输入的查问图像I′，提取其特征向量f′，并用训练好的高斯混合模型进行分类得到其类别数c_i；计算查询图像I′与图库中c_i类的所有图像的区域综合特征的相似距离
基于混合模型分类 sar 图像检索方法