<ruby id="tnqqu"></ruby>

<tbody id="tnqqu"><pre id="tnqqu"><dl id="tnqqu"></dl></pre></tbody>

        1. <button id="tnqqu"><acronym id="tnqqu"></acronym></button>
          <dd id="tnqqu"></dd>

          1. 當前位置: 首頁>>招商信息>>正文
            東北大學專利技術轉讓-管理領域
            2021-08-13 10:25   審核人:

            發明名稱

            申請號

            專利類型

            摘要

            專利權人

            發明人

            轉化方式

            價格

            領域

            1

            基于失效數據超小樣本的產品壽命分布評估方法

            201810252986X

            授權發明

            本發明涉及一種基于無失效數據超小樣本的產品壽命分布評估方法,步驟為:產品壽命服從Weibull分布的形狀參數估計從1.52.5中選取、位置參數估計,根據壽命樣本值得到參數估計成功概率的中位秩,再得到規定置信水平下樣本量與位置參數的關系、尺度參數估計,用二項分布表達可靠度、置信水平、樣本量與失效數之間的關系:式中,n為樣本量,r為失效樣本數,R為可靠度,C為置信水平,j為失效樣本序號,存在這樣的等式可以得到給定置信水平下尺度參數估計式本發明根據產品壽命Weibull分布形狀參數的經驗值以及估計出位置參數,應用單側區間估計方法估計置信度為95%的壽命分布,驗證了本發明方法的有效性。

            東北大學

            謝里陽、樊富友、吳寧祥、李海洋

            轉讓

            面議

            管理

            2

            基于增量主成份分析的牛奶凝結過程實時監測方法

            201510497332X

            授權發明

            本發明公開了一種基于增量主成份分析的牛奶凝結過程實時監測方法,它是在牛奶凝結過程中的近紅外光譜數據基礎上,利用聚類方法將數據聚類到多個窗口中,然后使用增量主成份分析方法對窗口內數據進行降維,而且當后續的批次數據加入窗口內時,可以通過新增加的樣本數據來修正原來的數據,從而可以對窗口內的特征值和特征向量進行持續的更新,最終動態窗口中的特征數據將精確反映出牛奶凝結過程。本發明的方法可以對近紅外光譜數據進行更為可靠的數據分析,最終實現了對牛奶凝結過程的精準監測。通過反復試驗驗證,本發明的方法在對牛奶凝結過程進行檢測時,準確率高達90%以上,從而可以用于更高質量奶酪產品的生產。

            東北大學

            趙煜輝、焦昀濤、周琳、單鵬、馬海濤、劉福來

            轉讓

            面議

            管理

            3

            基于優化偏最小二乘回歸模型的樣品成份測定方法

            2015104057501

            授權發明

            本發明公開了一種基于優化偏最小二乘回歸模型的樣品成份測定方法,它是以樣品對近紅外光譜數據和樣品成份濃度數據作為訓練數據集,在已有PLS的基礎上對訓練數據集進行訓練,利用訓練過程中的預測誤差的變化情況來確定相應的潛變量,若新增潛變量降低預測精度,則把該潛變量對應的權值置為0,否則保持不變,繼續測試后續潛變量以剔除使預測結果變差的潛變量所對應的相關項,從而實現了潛變量的優化選擇,再結合待測樣品的近紅外光譜數據可生成與原有PLS不同的樣品的得分向量和載荷,進而得到待測樣品的成份濃度預測值。通過對多種不同樣品的測試,本發明的方法與已有PLS算法相比,所得結果的預測根均方誤差普遍更小,預測精度均有較大提高。

            東北大學

            趙煜輝、劉殿娟、單鵬、彭思龍

            轉讓

            面議

            管理

            4

            基于堆疊極限學習機的樣品成份測定方法

            2015104048822

            授權發明

            本發明公開了一種基于堆疊極限學習機的樣品成份測定方法,包括以下步驟:S1,采集待測樣品的近紅外光譜數據、S2,通過堆疊極限學習機模型,獲得該近紅外光譜數據所對應的樣品中各成分的含量。本發明通過利用堆疊極限學習機模型對待測樣品的近紅外光譜數據進行處理,從而即可獲得該近紅外光譜數據所對應的樣品中各成分的含量,與采用傳統模型進行數據處理相比,可以提高對樣本量少、維度高的光譜數據的擬合精度,解決了扁平矩陣利用ELM求解時精度低且預測結果不穩定的問題、此外,本發明利用對數據列屬性分塊的思想,使得ELM能夠滿足近紅外光譜等高維度小樣本數據建模應用場景,提高了其預測精度,改進方法使ELM具有更好的魯棒性。

            東北大學

            趙煜輝、崔金鐸、單鵬

            轉讓

            面議

            管理

            5

            基于增量偏最小二乘法的樣品成份測定方法

            2015104044588

            授權發明

            本發明公開了一種基于增量偏最小二乘法的樣品成份測定方法,包括以下步驟:S1,采集待測樣品的近紅外光譜數據、S2,通過增量偏最小二乘模型,獲得該近紅外光譜數據所對應的樣品中各成分的含量。本發明通過利用增量偏最小二乘模型對待測樣品的近紅外光譜數據進行處理,從而即可獲得該近紅外光譜數據所對應的樣品中各成分的含量,與采用傳統的偏最小二乘模型進行數據處理相比,節約了時間和空間,所得回歸系數基本相同,預測均方根誤差卻更小,可見,本發明中的增量偏最小二乘模型具有更高的預測精度和建模效率。此外,本發明采用梯度學習的方法尋找優化的回歸系數,從而可以更快速的更新模型,提高模型適應新數據的能力。

            東北大學

            趙煜輝、王巖、單鵬、于長永、馬海濤

            轉讓

            面議

            管理


            關閉窗口