发明名称 |
申请号 |
专利类型 |
摘要 |
专利权人 |
发明人 |
转化方式 |
价格 |
领域 |
|
1 |
基于失效数据超小样本的产品寿命分布评估方法 |
201810252986X |
授权发明 |
本发明涉及一种基于无失效数据超小样本的产品寿命分布评估方法,步骤为:产品寿命服从Weibull分布的形状参数估计从1.5~2.5中选取、位置参数估计,根据寿命样本值得到参数估计成功概率的中位秩,再得到规定置信水平下样本量与位置参数的关系、尺度参数估计,用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平,j为失效样本序号,存在这样的等式可以得到给定置信水平下尺度参数估计式本发明根据产品寿命Weibull分布形状参数的经验值以及估计出位置参数,应用单侧区间估计方法估计置信度为95%的寿命分布,验证了本发明方法的有效性。 |
东北大学 |
谢里阳、樊富友、吴宁祥、李海洋 |
转让 |
面议 |
管理 |
2 |
基于增量主成份分析的牛奶凝结过程实时监测方法 |
201510497332X |
授权发明 |
本发明公开了一种基于增量主成份分析的牛奶凝结过程实时监测方法,它是在牛奶凝结过程中的近红外光谱数据基础上,利用聚类方法将数据聚类到多个窗口中,然后使用增量主成份分析方法对窗口内数据进行降维,而且当后续的批次数据加入窗口内时,可以通过新增加的样本数据来修正原来的数据,从而可以对窗口内的特征值和特征向量进行持续的更新,最终动态窗口中的特征数据将精确反映出牛奶凝结过程。本发明的方法可以对近红外光谱数据进行更为可靠的数据分析,最终实现了对牛奶凝结过程的精准监测。通过反复试验验证,本发明的方法在对牛奶凝结过程进行检测时,准确率高达90%以上,从而可以用于更高质量奶酪产品的生产。 |
东北大学 |
赵煜辉、焦昀涛、周琳、单鹏、马海涛、刘福来 |
转让 |
面议 |
管理 |
3 |
基于优化偏最小二乘回归模型的样品成份测定方法 |
2015104057501 |
授权发明 |
本发明公开了一种基于优化偏最小二乘回归模型的样品成份测定方法,它是以样品对近红外光谱数据和样品成份浓度数据作为训练数据集,在已有PLS的基础上对训练数据集进行训练,利用训练过程中的预测误差的变化情况来确定相应的潜变量,若新增潜变量降低预测精度,则把该潜变量对应的权值置为0,否则保持不变,继续测试后续潜变量以剔除使预测结果变差的潜变量所对应的相关项,从而实现了潜变量的优化选择,再结合待测样品的近红外光谱数据可生成与原有PLS不同的样品的得分向量和载荷,进而得到待测样品的成份浓度预测值。通过对多种不同样品的测试,本发明的方法与已有PLS算法相比,所得结果的预测根均方误差普遍更小,预测精度均有较大提高。 |
东北大学 |
赵煜辉、刘殿娟、单鹏、彭思龙 |
转让 |
面议 |
管理 |
4 |
基于堆叠极限学习机的样品成份测定方法 |
2015104048822 |
授权发明 |
本发明公开了一种基于堆叠极限学习机的样品成份测定方法,包括以下步骤:S1,采集待测样品的近红外光谱数据、S2,通过堆叠极限学习机模型,获得该近红外光谱数据所对应的样品中各成分的含量。本发明通过利用堆叠极限学习机模型对待测样品的近红外光谱数据进行处理,从而即可获得该近红外光谱数据所对应的样品中各成分的含量,与采用传统模型进行数据处理相比,可以提高对样本量少、维度高的光谱数据的拟合精度,解决了扁平矩阵利用ELM求解时精度低且预测结果不稳定的问题、此外,本发明利用对数据列属性分块的思想,使得ELM能够满足近红外光谱等高维度小样本数据建模应用场景,提高了其预测精度,改进方法使ELM具有更好的鲁棒性。 |
东北大学 |
赵煜辉、崔金铎、单鹏 |
转让 |
面议 |
管理 |
5 |
基于增量偏最小二乘法的样品成份测定方法 |
2015104044588 |
授权发明 |
本发明公开了一种基于增量偏最小二乘法的样品成份测定方法,包括以下步骤:S1,采集待测样品的近红外光谱数据、S2,通过增量偏最小二乘模型,获得该近红外光谱数据所对应的样品中各成分的含量。本发明通过利用增量偏最小二乘模型对待测样品的近红外光谱数据进行处理,从而即可获得该近红外光谱数据所对应的样品中各成分的含量,与采用传统的偏最小二乘模型进行数据处理相比,节约了时间和空间,所得回归系数基本相同,预测均方根误差却更小,可见,本发明中的增量偏最小二乘模型具有更高的预测精度和建模效率。此外,本发明采用梯度学习的方法寻找优化的回归系数,从而可以更快速的更新模型,提高模型适应新数据的能力。 |
东北大学 |
赵煜辉、王岩、单鹏、于长永、马海涛 |
转让 |
面议 |
管理 |