专利交易市场

本发明涉及一种基于混合核PCA‑CCA及核密度估计的过程监测方法，在建模阶段，使用基于正常工况下采集到的输入和输出数据，通过混合核PCA‑CCA模型得到相应的加权矩阵，然后基于状态空间中的模型残差建立T2统计量，最后通过核密度估计的方法获得相应的统计量阈值；在实时监测阶段，采集实时输入与输出的样本并使用混合核将其映射到高维的特征空间中，并根据建模阶段获得的模型计算实时残差及其统计量，随后将获得的实时统计量与阈值做比较，判断液化装置的输出是否发生非正常变化。本发明专注于过程输入与输出的互相关性，有效提升了对于非线性过程的监测效果，使用核密度估计方法确定阈值，更为准确地确定非高斯过程的统计量阈值。

本发明公开了一种基于Faster R‑CNN的图模型构建方法，具体为：步骤1，将目标图像送入已经训练好的基于Faster R‑CNN的目标检测网络模型中，输出目标图像中各个目标对应的检测框；步骤2，根据设定的阈值对目标检测框进行筛选，去掉冗余的目标检测框；步骤3，给目标检测框分配唯一的标签；步骤4，将图像的目标划分为主要目标和次要目标，然后对次要目标构建目标树；步骤5，确定两个物体之间的相对位置关系；步骤6、根据目标树以及目标之间的位置关系构建图像的图模型。本发明的基于FasterR‑CNN的图模型构建方法，建立出的图模型能有效的表示出各个目标在目标图像中的空间布局和语义联系。