专利名称：基于小波包生存指数奇异熵的电缆局放特征提取方法      申请号：2016103281538     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：电缆 特征提取   相似专利 发布日：2023/10/17  
摘要： 一种基于小波包生存指数奇异熵的电缆局放特征提取方法，属于电力电缆技术领域。本发明的目的是通过对高压电缆局放特征进行提取，解决目前高压电缆局放检测方法中存在的局放特征提取不准确问题的基于小波包生存指数奇异熵的电缆局放特征提取方法。本发明步骤是：获得频率范围在0~50MHz的16位数字信号，生存指数奇异熵运算，根据矩阵奇异值分解理论进行奇异值分解，计算生存多元函数，计算小波包生存指数奇异熵。本发明提出的小波包能量指数熵是对小波包节点系数或重构信号进行奇异熵运算，从而有效规避了用对数定义信息熵中的无定义值和零值的问题，克服了香农熵的不足。

专利名称：一种机电设备噪声信号特征提取方法     申请号：2020113570687     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机电 噪声 特征提取   相似专利 发布日：2023/10/17  

专利名称：一种机电设备振动信号特征提取方法      申请号：2020113571618     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机电 振动 特征提取   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种机电设备振动信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的振动信号原始数据进行滤波、截取等预处理；然后将经过预处理后的振动信号数据进行快速傅里叶变换(FFT)，得到振动信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明较小波包分解(WPD)和经验模态分解(EMD)等故障特征提取方式，原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。

专利名称：一种多尺度特征提取网络及该网络的特征提取方法      申请号：2020115301986     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 特征提取   相似专利 发布日：2023/08/21  
摘要： 本发明公开了一种多尺度特征提取网络的特征提取方法，包括依次相连的降维卷积层、尺度特征提取层、合并层和特征融合层，尺度特征提取层包括大目标检测分支、原始特征检测分支和小目标检测分支，能提取不同尺度的特征，再通过特征融合层进行特征融合，令多尺度特征提取网络具有多尺度特征提取能力的同时计算复杂度低，需要进行多尺度特征提取时能即时应用本特征提取网络，提升目标检测精度，而该多尺度特征提取网络的特征提取方法能对输入的待提取特征图进行特征降维、分目标检测以及核心的多尺度特征提取，能快速获取尺度特征提取图，且具有目标检测精度高、运算量少的优点。

专利名称：一种基于随机森林均匀量化特征提取的安全中继选择方法     申请号：2020113626451     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：选 均匀 特征提取   相似专利 发布日：2024/01/23  

专利名称：一种结合DAE和CNN的脑电信号特征提取与分类方法      申请号：2017109935874     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：脑电信号采集 脑电数据采集提取 脑电信号分类 人工智能 特征提取   相似专利 发布日：2024/07/12  
摘要： 本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法，该方法包括步骤：通过脑电信号采集仪采集脑电数据；对采集到的数据进行去除异样样本、去均值、信号滤波等预处理；使用加入噪声系数的自动编码机对脑电信号进行训练；将降噪自动编码机的隐含层作为特征数据输出；再将所得特征数据转化为类似图像格式；利用卷积神经网络进行分类；最后利用测试数据集对训练好的网络进行性能测试。本发明相对其余传统方法能够获得更高的分类准确率，更强的鲁棒性。

专利名称：一种基于互信息和关联规则的文本特征提取方法      申请号：2017107964251     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 特征提取   相似专利 发布日：2024/06/26  
摘要： 本发明公开了一种基于互信息和关联规则的文本特征提取方法，步骤为：首先以文本分词、过滤停用词以及2‑Gram方法对文本训练集预处理，其次，通过改进的互信息方法对预处理后的文本训练集计算特征值，按特征值降序排列选取前m个词，从而得到初始的文本特征集，采用FP‑Growth计算预处理后的文本训练集中词的关联规则，并以关联规则去除初始文本特征集中冗余的特征，最后，结合关联规则和One‑hot方法对每个文本向量化表示。本发明避免了文本特征间的冗余及互信息方法缺点对提取文本特征的影响。