本发明公开了一种基于时序差异特征提取的合成氨一段炉运行异常检测方法，旨在如何自适应的为合成氨一段炉过程数据实时提取时序差异特征，从而实现并完成高敏感性的合成氨一段炉运行异常检测任务。具体来讲，本发明方法通过合成氨一段炉的过程数据自适应的建立时序误差生成模型。在此基础上，利用在线自回归模型的误差实施合成氨一段炉运行异常检测。本发明方法最大的技术优势在于：本发明采用了一种全新的时序差异特征分析算法技术对合成氨一段炉的过程数据进行特征分析提取，能够自适应的更新得到从最大化时序误差的时序差异特征。因此，从这个角度出发，本发明方法理论上能使用高敏感性的时序差异特征来实施异常检测。
📄 202210651302X
📂 G06Q10_06
👤 宁波大学科学技术学院
📅 2022-04-30
本申请公开了一种图像特征提取方法、装置、设备及存储介质，涉及计算机视觉和深度学习等人工智能领域。具体实现方案为：对待处理图像关联的至少两个切分特征中的当前切分特征进行切分处理，得到当前切分特征的目标提取特征和待传递特征；其中，当前切分特征的待传递特征用于更新位于当前切分特征之后的后续切分特征，以及确定后续切分特征的目标提取特征；根据至少两个切分特征的目标提取特征，得到待处理图像的特征提取结果。本申请实施例提高了图像特征提取精度。
📄 2020111966270
📂 G06V10_40
👤 百度(中国)有限公司
📅 2020-10-30
本发明公开了一种基于特征提取和Stacking集成学习的软件缺陷预测方法，包括：(1)利用核主成分分析对原始数据集进行特征提取，得到降维后的缺陷数据集DS′；(2)利用本发明提出的协同过滤算法为新的软件缺陷数据推荐适用的抽样方法，使用推荐的抽样算法在缺陷数据集DS′上进行不平衡处理，得到不平衡处理后的缺陷数据集DS″；(3)使用K‑Means算法对缺陷数据集DS″进行聚类，对于偏离主流类别的异常值进行剔除，得到缺陷数据集DS″′；(4)构建基于Stacking集成学习的软件缺陷预测模型，为第一层的基学习器和第二层的元学习器选择合适的分类器，构建出性能良好的软件缺陷预测模型；(5)在处理后的缺陷数据集DS″′上使用集成后的模型与基模型和主流集成模型进行对比，以此验证本发明提出的集成预测模型的性能优劣。研究结果表明，本发明提出的KSSDP集成预测模型比基模型和主流集成模型的性能更好。
📄 2021111066110
📂 G06K9_62
👤 西南民族大学
📅 2021-09-22
本发明公开了一种基于局部密度信息的软件缺陷数据自适应过采样方法，本发明首先在数据预处理阶段使用Min‑Max归一化方法统一量纲，使用提出的AgglomerativeClustering‑Relief特征选择方法，降低数据维度并删除冗余特征。然后在自适应分组采样阶段，通过分析在低维状态下的少数类实例的局部密度信息，将所有少数类实例根据各自的分布特点划分至不同的分组，并针对不同分组中的少数类实例，采用针对性的过采样策略进行自适应过采样。最终使数据集中两类样本数量达到平衡，从数据层面解决不平衡问题。
📄 2021111162527
📂 G06V10_774
👤 杭州电子科技大学
📅 2021-09-23
本发明公开了一种基于样本分布特征和SPY算法的软件缺陷预测方法；本发明基于软件缺陷数据集的分布特征，提出了边界k值确定公式。根据公式为不同的数据集选择合适的少数类边界样本。此外，本发明将SPY算法和边界采样算法结合，通过边缘样本优化SPY算法，将少数类边界区域的部分多数类样本设置成为SPY样本，并为SPY样本设置较小训练样本权重，在原始少数类边界区域内部使用边界采样的算法。SPY样本可以对边界上的少数类样本起到引导的作用，确保边界区域的少数类样本能够被正确分类。同时，通过为SPY样本设立一个较小的样本权重，减少了SPY样本对多数类样本的分类影响，最终达到一个较好的分类效果。
📄 2021107033222
📂 G06F11_36
👤 杭州电子科技大学
📅 2021-06-24
本发明涉及一种基于自适应阈值算法的ORB图像特征提取方法，构建具有8层图像的金字塔；在每一层图像中进行阈值的计算；对于图像中的每个像素，在判断其是否为关键点之前，均进行阈值计算，如果差异较大，则对当前像素进行阈值计算，否则，就沿用上一个像素的阈值；将得到的阈值用于FAST关键点检测中，最终检测出图像中关键点的位置；在检测出的关键点的位置周围选取像素区域，利用灰度质心法计算像素区域的质心位置和特征主方向，确定BRIEF点对的坐标系，并用BRIEF描述子描述FAST关键点，得到图像有向的FAST关键点和ORB特征的完整信息；ORB特征的完整信息用于图像匹配，实现在光照变化的情况下，对图像特征的稳定提取。
📄 2022113116693
📂 G06V10_44
👤 南京喂啊游通信科技有限公司
📅 2022-10-25
本发明公开了一种软件缺陷预测方法和系统，包括：收集和编译Java编程语言开发的软件系统的源代码文件，并将编译后的代码合并为一个统一的JSONL文件。将预处理后的JSONL文件输入到预训练的CodeBERT模型中，以获取代码的高维语义特征表示。将经过CodeBERT模型处理后得到的高维语义特征表示输入到双向门控循环单元模型中，以进一步捕获代码片段的上下文信息。基于经过上下文特征处理的代码片段，进行二分类预测，判断代码片段是否存在缺陷。本发明的优点是：充分利用代码语义信息，考虑代码结构和顺序，自动选择和强调重要的特征，将CodeBERT与BiGRU模型相结合，提高预测的准确性和可靠性。
📄 2023113011751
📂 G06F11_36
👤 湖北大学
📅 2023-10-09
本发明提供一种融合小波包与互信息的生物信号特征提取方法，包括以下步骤：S1)、获取生物信号，并去除低频场电位和高频噪声；S2)、进行生物信号的分割；S3)、对生物信号进行小波包分解；S4)、随机选取少数用小波包分解系数表示的生物信号作为训练数据；S5)、运用最大互信息准则对训练生物信号数据进行特征选择；S6)、对测试生物信号进行特征提取，得到测试生物信号的低维时-频特征；S7)、应用分类器对所述生物信号的低维时-频特征进行分类，进而得到目标生物信号和多种非目标生物信号的多分类结果，本发明所提取的脑电信号特征经过聚类处理结果显示大大提高了正常与癫痫信号的分类精度。
📄 2018112417610
📂 G06K9_00
👤 广东工业大学
📅 2018-10-24
一种图像特征提取及描述符获取方法包括如下步骤：步骤A：提取待处理图片的有效区域图像及像素点颜色值数据并进行色块分割，获取有效区域图像的图像数据；步骤B：对有效区域图像进行多等份细分，获得有效区域图像的细分区域；步骤C：对所述细分区域进行连通域确认、线段识别和线长计量，以获取所述细分区域的图像特征数据；步骤D：对所述细分区域的图像特征数据进行统计、组合处理，以获取图像特征描述符。采用图像特征描述符来描述图像特征，能有效解决相同或近似图像的共同性特征和区分性特征描述的稳定性问题，弥补传统图像特征提取技术方法可能会造成图像检索中相同或近似图像的漏检缺陷，提高图像识别检索中相同或近似图像的匹配效果。
📄 2021108759640
📂 G06T7_00
👤 徐庆, 面谷图像技术(佛山)研究中心, 佛山市国方识别科技有限公司
📅 2021-07-30
本发明公开了基于多频特征提取的小样本金属表面缺陷分割方法、系统，接收支撑集图像与查询集图像后，通过固定卷积核组执行多尺度频带分解与递归分解，构建支撑集与查询集的多频带特征集合；基于支撑集多频带特征集合生成频带原型表征并计算动态重要性权重向量，对查询集多频带特征集合进行加权融合，生成任务感知优化查询集特征；通过可学习变换核提取支撑集与查询集的本质低频特征并计算频带对齐蒸馏损失；将任务感知优化查询集特征输入分割解码器生成预测图并计算分割损失；通过最小化总损失联合优化参数可学习的变换核及分割解码器的参数。本发明实现了任务感知的频带动态聚焦与知识迁移，提升了小样本下金属缺陷分割的精度与鲁棒性。
📄 2026104105096
📂 G06T7_00
👤 龙岩学院
📅 2026-03-31
本发明涉及无损检测技术领域，尤其涉及一种基于VMD‑KF的道岔轨头损伤振动特征提取方法，包括：借助轨头与道岔的接头处的冲击，初步选取存在多处冲击的信号段用于分析；基于VMD得到冲击振动的平稳化本征模函数IMF分量，从低阶IMF分量中提取轮对信息确定列车速度，估计损伤信号的分布范围；基于KF，从包含冲击振动的高阶IMF分量中提取损伤导致的振动信号；最后，基于希尔伯特黄变换HTT提取损伤振动信号的特征。本发明用以监测和分析道岔区间振动特性，对保证轮对和道岔结构完整性具有重要意义；解决了常规方法对非平稳振动信号处理时难以提取和分析的问题。
📄 2024100372116
📂 G06F18_2131
👤 南通大学
📅 2024-01-10
一种用于立体匹配的特征提取方法，将经过校正的、尺寸为W*H*C的原始图像输入到特征提取网络中；通过预处理模块和Resnet提取多个特征图；通过最大值池化操作，对提取到的多个特征图进行不同大小的最大值池化，构建特征金字塔；利用堆叠结构进行特征融合并压缩金字塔尺度范围，得到下一个金字塔，经过多次压缩，直至输出单一的尺度特征。对输出的单一的尺度特征，进行3*3的卷积；通过跳跃连接，将Resnet最后一层特征输出与特征输出在通道维度上进行拼接，然后通过3*3卷积与1*1卷积，构造特征体。本发明能够被用来提取足够的丰富特征，适用于深度立体匹配网络的特征输入。
📄 202010693071X
📂 G06K9_46
👤 三峡大学
📅 2020-07-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台