-
公开(公告)号：CN118938999A
公开(公告)日：2024-11-12
申请号：CN202411005423.2
申请日：2024-07-25
Applicant: 东南大学 , 北京京航计算通讯研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明提出了一种无人机集群通信与决策针对链路动态性的智能目标任务分配方法，以应对链路动态性带来的挑战。随着无人机网络结构日趋复杂，链路的不稳定性对智能体间的交互稳定性造成影响。本方法通过分组、分层策略，将受动态性因素影响的任务迁移给其他智能体，减少任务接收次数，降低动态性因素传播风险，更好更智能地完成目标任务分配工作。具体操作包括将无人机建模为智能体，将不同层次的无人机群建模为网络层，对智能体任务进行三类分组，并根据智能体接受和任务完成的风险与成本，选择迁移智能体。与传统集中式任务迁移方法相比，本发明有效减轻了动态性因素影响，提高了任务完成率。
-
公开(公告)号：CN117332923B
公开(公告)日：2024-03-26
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN112417447A
公开(公告)日：2021-02-26
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN113917938B
公开(公告)日：2024-04-19
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
IPC: G05D1/49 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
公开(公告)号：CN117332923A
公开(公告)日：2024-01-02
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
Patent Agency Ranking
公开(公告)号：CN112417447B
公开(公告)日：2021-07-20
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN112418289A
公开(公告)日：2021-02-26
申请号：CN202011286164.7
申请日：2020-11-17
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。
-
公开(公告)号：CN115576721B
公开(公告)日：2023-07-18
申请号：CN202211349762.3
申请日：2022-10-31
Applicant: 北京京航计算通讯研究所
IPC: G06F11/00
Abstract: 本发明涉及一种基于不确定性量化的多源数据融合评估试验方法及设备，属于可靠性试验技术领域；该方法包括：基于至少一类验前替代试验的可信度与成功概率，通过加权计算得到总的验前替代试验的成功概率估计值；根据成功概率估计值，基于不确定度加权的粗糙熵算法，得到总的验前替代试验的等效现场试验次数；并进一步得到现场试验的先验分布；对评估对象进行现场试验；利用现场试验的试验结果对先验分布进行修正，得到后验估计结果；将后验估计结果作为待评估对象的现场试验的试验结果，以对待评估对象的真实成功概率进行评估。本发明解决了现有技术中成败型试验的评估准确性不高的问题。
-
公开(公告)号：CN115576721A
公开(公告)日：2023-01-06
申请号：CN202211349762.3
申请日：2022-10-31
Applicant: 北京京航计算通讯研究所
IPC: G06F11/00
Abstract: 本发明涉及一种基于不确定性量化的多源数据融合评估试验方法及设备，属于可靠性试验技术领域；该方法包括：基于至少一类验前替代试验的可信度与成功概率，通过加权计算得到总的验前替代试验的成功概率估计值；根据成功概率估计值，基于不确定度加权的粗糙熵算法，得到总的验前替代试验的等效现场试验次数；并进一步得到现场试验的先验分布；对评估对象进行现场试验；利用现场试验的试验结果对先验分布进行修正，得到后验估计结果；将后验估计结果作为待评估对象的现场试验的试验结果，以对待评估对象的真实成功概率进行评估。本发明解决了现有技术中成败型试验的评估准确性不高的问题。
-
公开(公告)号：CN113932815A
公开(公告)日：2022-01-14
申请号：CN202111217468.2
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种稳健性优化的Kalman滤波方法、装置、电子设备和存储介质；方法包括：确定Kalman滤波的状态序列和观测序列；建立与状态序列和观测序列对应的Kalman滤波模型；采用建立的Kalman滤波模型进行滤波；在Kalman滤波过程中，采用Kalman增益矩阵用于提高Kalman滤波的稳健性；其中，为第k个时间点的Kalman滤波估计的后验预测误差协方差矩阵；I为单位矩阵；Hk为观测转移矩阵；Vk为观测噪声矩阵；λ1为第一稳健性参数，λ2为第二稳健性参数。本发明与传统的卡尔曼滤波算法相比，提升对量测数据误差的鲁棒性，减少了计算结果与真实值的偏差。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.039 seconds)
