“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]一种基于历史计算结果的短路电流控制规则提取方法-CN202211709448.1在审
发明人：薛峰;戴玉臣;李威;徐伟;杨君军;许晓彤;周海锋;周瑞;阮晶晶;涂旺;陈峻楠;潘旗;张健 -专利权人：国电南瑞科技股份有限公司;南瑞集团有限公司
申请日： 2022-12-29 - 公布日： 2023-06-09 - 主分类号： G06F18/2321 文献下载
摘要：本发明公布了一种基于历史计算结果的短路电流控制规则提取方法，包括如下步骤，获取预处理后的短路电流历史计算结果，采用高斯混合模型进行聚类，得到高斯混合聚类结果；根据高斯混合聚类结果，基于预设的区间阈值，分离出集合
一种基于历史计算结果短路电流控制规则提取方法

[发明专利]基于谱混合核高斯过程回归的单帧图像超分辨率重建方法-CN201910194123.6有效
发明人：宁贝佳;来浩坤;闫闯;赵建鑫 -专利权人：西安电子科技大学
申请日： 2019-03-14 - 公布日： 2023-05-05 - 主分类号： G06T3/40 文献下载
摘要：本发明属于图像处理技术领域，公开了一种基于谱混合核高斯过程回归的单帧图像超分辨率重建方法及系统，选取高分辨率图像形成高分辨率训练图像集，对高分辨率训练图像集元素进行下采样和插值放大操作得到插值训练图像集；提取特征形成训练数据集，对训练数据集进行聚类得到训练数据子集；对每一个训练数据子集训练出基于谱混合核的高斯过程回归模型的最优超参数；读取低分辨率测试图像并构建低分辨率测试数据集；在聚类中心中寻找与低分辨率测试数据集内每一个特征最近的聚类中心，形成最近邻训练数据子集；进行高斯过程回归，得到高分辨率特征集，输出高分辨率图像。
基于混合核高斯过程回归图像分辨率重建方法

[发明专利]一种类人机器人的控制方法-CN201810774005.8在审
发明人：宓建;林艺 -专利权人：宓建
申请日： 2018-07-15 - 公布日： 2018-10-16 - 主分类号： B25J9/16 文献下载
摘要：一种类人机器人的控制方法，包括以下步骤：步骤1：采用主成分分析提取所述类人机器人的全身关节动作数据特征，对数据进行降维处理；步骤2：在低维空间内通过高斯过程动态模型建立机器人的动作模型；步骤3：通过机器人的动作模型控制所述类人机器人进行运动通过采用高斯过程动态模型直接对机器人的动作进行学习并有效的建立了动作模型，从而有效的解决了机器人动作数据维数过高的问题，通过降维处理能够有效的对机器人的动作进行学习训练，在低维空间中展现机器人动作的特征
机器人动作模型过程动态模型机器人动作低维空间降维处理高斯主成分分析动作数据全身关节数据维数学习训练学习

[发明专利]基于星座图的正交调制格式识别方法-CN201911314896.X在审
发明人：何晶;周奕君 -专利权人：湖南大学
申请日： 2019-12-19 - 公布日： 2020-04-28 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于星座图的正交调制格式识别方法，在均衡接收的信号后，取少量的均衡归一化的符号作为识别方法的输入，匹配归一化M正交幅度调制QAM信号模板进行聚类，对每个聚类星座团进行二维高斯模型分析得到该聚类中每个符号的概率值本发明提出的识别方法用到机器学习中的聚类分析方法，建立二维高斯模型进行分析，该方法原理简单，复杂度低，适用范围大。
基于星座图正交调制格式识别方法

[发明专利]基于改进GMM聚类的内部用户画像构建方法-CN202210817988.5在审
发明人：陶晓玲;符廉铕;卢深;乔运铎;崔滋铄;余玥琳;丁得轩;杨昌松 -专利权人：桂林电子科技大学
申请日： 2022-07-12 - 公布日： 2022-10-18 - 主分类号： G06F21/55 文献下载
摘要：本发明涉及异常检测技术领域，具体涉及基于改进GMM聚类的内部用户画像构建方法，包括获取内部数据并进行处理，得到内部用户标签；基于内部用户标签进行划分，得到数据集；使用赤池信息准则确定变分贝叶斯高斯混合模型的最优参数；基于最优参数，使用变分贝叶斯高斯混合模型对数据集进行聚类，得到威胁分组；基于威胁分组建立用户画像，通过用户画像对对应的威胁成员进行安全监管，通过收集内部用户资料进行清洗去伪和推理整合得到内部用户标签，再进行聚类，得到威胁分组，并进行管理，从而解决了现有的内部用户画像构建方法表现力不足，不能对相应的群体实施共同监管的问题。
基于改进 gmm 内部用户画像构建方法

[发明专利]一种基于高斯分布的智能重采样技术-CN202211632120.4在审
发明人：吕小毅;左恩光;陈晨;陈程;严紫薇 -专利权人：新疆大学
申请日： 2022-12-19 - 公布日： 2023-03-28 - 主分类号： G06F18/214 文献下载
摘要：本发明为一种基于高斯分布的智能重采样技术。一种基于高斯分布的智能重采样技术，包括以下步骤：(1)判断原始数据是否平衡；(2)对不平衡的所述的原始数据进行密度因子和距离因子的计算后，合并为权重因子；(3)根据所述的权重因子计算权重概率，选择锚样本；(4)根据所述的锚样本生成少数类样本，以高斯分布的形式进行过采样；(5)再进行随机欠采样。本发明所述的一种基于高斯分布的智能重采样技术，以有效提高食品不平衡数据集的分类性能，从而有效解决食品计算中数据不平衡问题。
一种基于分布智能采样技术

[发明专利]基于高斯混合模型聚类的自适应双权重航空旅客付费选座预测方法-CN202110600444.9在审
发明人：陈凯;王百城;龙胜春 -专利权人：浙江工业大学
申请日： 2021-05-31 - 公布日： 2021-09-07 - 主分类号： G06Q10/04 文献下载
摘要：一种基于高斯混合模型聚类的自适应双权重航空旅客付费选座预测方法，所述方法包括以下步骤：步骤1.使用开源航空旅客数据集或者自行建立数据集，并对数据集进行预处理；步骤2：在训练集上训练；步骤3：测试阶段，测试数据为测试集或采集的数据本发明使用高斯混合模型聚类提升了数据集之间的差异性，从而获得更多样的分类器，对于新的旅客用户，能够自适应地调整分类器的权重，提高了在航空旅客付费选座领域的识别准确率。
基于混合模型自适应权重航空旅客付费预测方法

[发明专利]一种基于局部方向统计特性的MRI影像噪声去除方法-CN202210336269.1在审
发明人：何刚;周大唐;俞文心;孙勤;许康;刘畅 -专利权人：西南科技大学
申请日： 2022-03-31 - 公布日： 2022-07-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开一种基于局部方向统计特性的MRI影像噪声去除方法，包括步骤：对存在噪声的MRI图像进行噪声估计，并获得类高斯函数；基于MRI图像获得多个积核大小下的多个方向下的梯度方向基础模型组；判断声点：对MRI图像的每一个像素点，根据梯度方向基础模型组判断其是否为噪声点；进行噪声点去除：如果是噪声点则通过所述类高斯函数进行去噪复原。
一种基于局部方向统计特性 mri 影像噪声去除方法

[发明专利]用于估计复合材料零件的3D图像的质量指标的方法和设备-CN201580041115.8有效
发明人： V·莫拉德;E·帕拉;J·施奈德;D·托赖斯 -专利权人：赛峰飞机发动机公司;赛峰集团
申请日： 2015-05-22 - 公布日： 2020-10-09 - 主分类号： G06T7/00 文献下载
摘要：一种估计复合材料部件的灰度编码的三维图像的质量指标的方法，包括：用于从图像获取直方图(HIST)的获取步骤(E20)，对于各自包括至少一个灰度级的多个类中的每个类，该直方图表示该图像的具有属于该类的灰度级的体素的数目；用于提取存在于该直方图中的预定数目的高斯函数的提取步骤(E40)；以及用于根据表征从直方图中提取的高斯函数的参数来估计图像的至少一个质量指标的估计步骤(E60)。
用于估计复合材料零件图像质量指标方法设备

[发明专利]基于高斯均匀混合模型的伪标签损失无监督对抗域适应图片分类方法-CN202111579071.8在审
发明人：潘杰;刘波;邹筱瑜 -专利权人：中国矿业大学
申请日： 2021-12-22 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于高斯均匀混合模型的伪标签损失无监督对抗域适应图片分类方法，通过迁移学习或领域适应的方法来利用相关源域的大量可用的注释数据跨域迁移知识到相关目标域获得带标签的目标数据；提出的域适应方法融合了高斯均匀混合模型检测离群值与深度神经网络进行图像分类，利用高斯均匀混合模型对每一类的目标样本特征到类均值的余弦距离进行建模，得到目标样本后验概率作为估计目标样本伪标签的重要程度；基于训练过程产生的目标样本伪标签提出的辅助伪标签损失加入神经网络的训练；同时最小化条件熵损失使得学习到的特征远离决策边界
基于均匀混合模型标签损失监督对抗适应图片分类方法

[发明专利]一种基于深度学习神经网络的金融风险预测方法-CN202310777658.2在审
发明人：常京伟 -专利权人：北京裕芃科技有限公司
申请日： 2023-06-29 - 公布日： 2023-07-28 - 主分类号： G06Q40/00 文献下载
摘要：本发明涉及数据处理技术领域，提出了一种基于深度学习神经网络的金融风险预测方法，包括：获取多种金融数据；将金融数据分成若干数据段，根据每一类型的数据段总长度获取每一类型数据段的相似程度值，并由此得到金融数据的稳态值；获取新金融数据以及最佳数据段；根据最佳数据段进行编号，并根据新金融数据所在最佳数据段的编号获取差值序列；根据差值序列获取高斯模型，并得到高斯概率值；根据金融数据的新金融数据对应的高斯概率值以及金融数据的稳态值获取新金融数据的风险值
一种基于深度学习神经网络金融风险预测方法

[发明专利]一种高质量的语音转换方法-CN201710166971.7有效
发明人：李燕萍;崔立梅;吕中良 -专利权人：南京邮电大学
申请日： 2017-03-20 - 公布日： 2020-06-16 - 主分类号： G10L25/24 文献下载
摘要：本发明公开了一种高质量的语音转换方法，该系统首先通过自组织聚类算法代替传统GMM模型中的K‑Means算法，并与EM算法迭代循环实现了说话人个性特征参数(MFCC)的训练及分类，接着进行双线性频率弯折加幅度压扩的训练本发明针对语音特征参数空间分布状况与高斯混合模型的相关关系，使用迭代自组织聚类算法实现混合度的确定，解决了高斯混合模型在进行语音特征参数分类时不精确的问题，并将改进的高斯混合模型和双线性频率弯折加幅度压扩相结合
一种质量语音转换方法

[发明专利]训练数据生成方法、分类器训练方法、装置、设备及介质-CN202210509643.3在审
发明人：赵妍;陈伟聪;黄凯 -专利权人：北京有竹居网络技术有限公司
申请日： 2022-05-11 - 公布日： 2022-08-19 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种训练数据生成方法，在获取到具有长尾分布特点的第一训练样本集合后，针对该第一训练样本集合中的第一类别，根据第一类别的第一训练样本获取第一原始特征集合，并根据该第一原始特征集合中的特征确定第一类别对应的特征均值和特征方差基于高斯分布函数以及第一类别对应的特征均值和特征方差获得第一类别对应的生成特征集合。即通过高斯分布函数、特征均值以及特征方差对第一类别的特征进行扩充，生成新的特征。将第一类别的第一原始特征集合和生成特征集合进行组合作为第一类别对应的训练数据。可见，本申请通过生成新的特征的方式来扩充尾部类别的特征，从而增加尾部类别特征的多样性，提高尾部类别训练的准确性。
训练数据生成方法分类装置设备介质

[发明专利]基于多特征融合与改进谱聚类的用电行为分析方法及系统-CN202111421020.2在审
发明人：白少锋;陈霄;黄玮;王涓;严宇;陈帅江;张法业;姜明顺;张雷 -专利权人：国网江苏省电力有限公司泰州供电分公司;山东大学
申请日： 2021-11-26 - 公布日： 2022-02-18 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于多特征融合与改进谱聚类的用电行为分析方法及系统，包括：对用电数据进行数据清洗；基于负载特性曲线、信号处理和负荷特征构造对清洗后的用电数据提取用电特征；对用电特征进行递归特征消除的特征选择，对选择的用电特征进行特征融合；基于融合得到的特征子集采用改进的谱聚类模型进行不同用电行为的分类；改进的谱聚类模型包括基于增强高斯核函数构建特征子集的邻接矩阵，并以此进行分类，增强高斯核函数为根据特征子集中样本点间的距离与预设正参数得到边权重通过对用电数据提取的各类型用电特征进行多特征融合，和基于改进谱聚类算法进行分类，实现对用电行为的分析。
基于特征融合改进谱聚类用电行为分析方法系统

[发明专利]一种基于聚类的卫星遥测数据序列异常检测方法-CN202211278592.4在审
发明人：王亚坤;韩笑冬;徐楠;王超;邢川;王睿;武长青 -专利权人：中国空间技术研究院
申请日： 2022-10-19 - 公布日： 2022-12-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于聚类的卫星遥测数据序列异常检测方法，涉及卫星遥测数据分析、人工智能领域。利用基于距离的聚类方法对分段数据样本进行聚类。在此基础上，利用训练数据的训练误差，拟合一元高斯分布。最后，计算被检测遥测数据的到其最近类的距离，利用拟合的高斯分布判断其是否为异常数据。
一种基于卫星遥测数据序列异常检测方法