公开(公告)号：CN103745117B

公开(公告)日：2017-01-18

申请号：CN201410029323.3

申请日：2014-01-22

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  贾韧锋 ,  杜雪 ,  刘厂 ,  宋凯 ,  吴迪 ,  常帅 ,  李旺

IPC: G06F19/00

Abstract: 本发明属于信息处理技术领域，具体涉及一种用于目标识别的决策概率转换方法。本发明包括：确定识别框架，获得框架下识别目标的基本概率分配；计算出每个识别目标Xi的决策概率P1(Xi)，i＝1,2,...,n：计算出每个识别目标Xj的决策概率P2(Xj)，j＝1,2,...,n；按照D-S证据融合规则对P1(Xi)和P2(Xj)进行融合，得出每个识别目标Xp最终的决策概率P(Xp)。本发明利用单目标命题在多目标命题中的信度比和似然度比分配不确定信息，分配依据比较客观，能够合理地分配不确定信息。通过D-S证据融合规则对基于信度比和似然度比计算出的决策概率进行融合，使转换态度既不乐观也不保守，得到的结果更加合理有效。本发明不涉及复杂的高阶运算，计算量小，便于操作。

公开(公告)号：CN103745118B

公开(公告)日：2017-01-11

申请号：CN201410029324.8

申请日：2014-01-22

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  常帅 ,  李旺 ,  杜雪 ,  贾韧锋 ,  吴迪 ,  张靖靖 ,  万程程

IPC: G06F19/00

Abstract: 本发明属于地磁异常数据处理领域，具体涉及一种基于磁偶极子等效源法的地磁异常数据网格化方法。本发明包括：确定磁偶极子产生磁场的有效区域；在磁源平面上布置磁偶极子；利用布置的磁偶极子描述磁场观测值；求解磁偶极子的磁矩；利用磁偶极子求解观测面上目标网格点的磁场值。本发明过对磁偶极子在磁场观测平面上设定有效区域，有效的降低了对大量数据处理过程中的复杂度过高问题，也避免了传统等效源方法中对数据进行分块带来的运算精度降低的现象。

公开(公告)号：CN104050508A

公开(公告)日：2014-09-17

申请号：CN201410293347.X

申请日：2014-06-25

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  杜雪 ,  贾韧锋 ,  夏庚磊 ,  何立晖 ,  吴迪 ,  李旺 ,  常帅

IPC: G06N3/08

Abstract: 本发明公开了一种基于KLMS的自适应小波核神经网络跟踪控制方法。包括以下几个步骤：初始化小波核神经网络；将预定值和由控制对象输出的实际观测值进行比较，得到误差信号，输入给小波核神经网络，求解代价函数；调节隐含层——输出层权值的自适应学习率，更新隐含层——输出层权值；调节输入层——隐含层权值的自适应学习率，更新输入层——隐含层权值；更新小波核函数的收缩因子；求解隐含层的诱导局部域及输出；求解输出层的诱导局部域及输出，将输出作为控制信号输送给控制对象的执行机构。本发明减少了迭代过程中的记忆内存和计算复杂度，并提高了控制系统的准确性和快速性。

公开(公告)号：CN103746703A

公开(公告)日：2014-04-23

申请号：CN201310714095.9

申请日：2013-12-23

Applicant: 哈尔滨工程大学

Inventor： 郝燕玲 ,  吴迪 ,  陈立娟 ,  常帅 ,  杜雪 ,  李旺 ,  贾韧锋 ,  李杰 ,  张瑶

IPC: H03M7/30

Abstract: 本发明属于压缩感知技术领域，具体涉及一种基于阈值的分段自适应正则化匹配追踪重构方法。包括：设定稀疏信号重构过程中各参数的初始状态值；计算迭代余量r与传感矩阵Φ每一列的内积即相关系数；找出满足条件的传感矩阵中原子；存入角标集J中；对角标集J中角标对应原子的相关系数从大到小排序；更新表示原信号的支撑集；采用最小二乘法进行信号逼近并更新余量；迭代判定。本发明提出的一种基于阈值的分段自适应正则化匹配追踪重构方法融合了分段自适应选择原子及正则化思想。该方法在信号重构过程中不需要以稀疏度作为先验条件，能够自适应逼近稀疏度信息并准确构建支撑集，完成信号的精确重构且精确重构率高于现有同类方法，具有较高的实际应用性。

公开(公告)号：CN103745117A

公开(公告)日：2014-04-23

申请号：CN201410029323.3

申请日：2014-01-22

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  贾韧锋 ,  杜雪 ,  刘厂 ,  宋凯 ,  吴迪 ,  常帅 ,  李旺

IPC: G06F19/00

Abstract: 本发明属于信息处理技术领域，具体涉及一种用于目标识别的决策概率转换方法。本发明包括：确定识别框架，获得框架下识别目标的基本概率分配；计算出每个识别目标Xi的决策概率P1(Xi)，i＝1,2,...,n：计算出每个识别目标Xj的决策概率P2(Xj)，j＝1,2,...,n；按照D-S证据融合规则对P1(Xi)和P2(Xj)进行融合，得出每个识别目标Xp最终的决策概率P(Xp)。本发明利用单目标命题在多目标命题中的信度比和似然度比分配不确定信息，分配依据比较客观，能够合理地分配不确定信息。通过D-S证据融合规则对基于信度比和似然度比计算出的决策概率进行融合，使转换态度既不乐观也不保守，得到的结果更加合理有效。本发明不涉及复杂的高阶运算，计算量小，便于操作。

公开(公告)号：CN102819663A

公开(公告)日：2012-12-12

申请号：CN201210246584.1

申请日：2012-07-17

Applicant: 哈尔滨工程大学

Inventor： 张振兴 ,  李旺 ,  赵玉新 ,  李刚 ,  沈志峰

IPC: G06F19/00

Abstract: 本发明提供了一种基于优化的支持向量回归参数的船舶航迹预测方法，该方法首先给定训练集，选择核函数类型，并利用学习集进行模型训练，得到预测函数，判读预测函数的均方误差是否达到精度要求；若达到则利用该函数预测船舶航迹，若没有，生成参数搜索路径图，利用智能水滴算法搜索最优参数，直至达到精度要求。在搜索最优参数时，智能水滴在寻优过程中具有正反馈机制，搜索过程迅速有效；在每代水滴搜索结束后，路径含沙量都会根据当代最优水滴含沙量情况改变，避免早熟现象出现，搜索能力较强，使得最终预测函数能快速得到，且可实现船舶航迹的快速有效地预测。

公开(公告)号：CN104134004B

公开(公告)日：2017-10-27

申请号：CN201410373172.3

申请日：2014-07-31

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  贾韧锋 ,  张靖靖 ,  陈立娟 ,  李旺 ,  吴迪 ,  杜雪 ,  常帅 ,  刘厂

IPC: G06F19/00

Abstract: 本发明属于信息处理技术领域，具体涉及一种基于D‑S证据理论对多种海洋环境要素数据进行融合，实现对海洋环境安全评估的基于D‑S证据理论的海洋环境安全评估方法。本发明包括：计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值；计算机应用D‑S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。本发明提出的基于D‑S证据理论的海洋环境安全评估方法，有效地解决了海洋环境安全评估问题，能够为决策者提供合理的决策支持，提高船舶在大海中航行的安全性和经济性。

公开(公告)号：CN103926832A

公开(公告)日：2014-07-16

申请号：CN201410158182.5

申请日：2014-04-18

Applicant: 哈尔滨工程大学

Inventor： 袁赣南 ,  杜雪 ,  吴迪 ,  夏庚磊 ,  常帅 ,  李旺 ,  贾韧锋 ,  张靖靖

IPC: G05B13/00

Abstract: 本发明一种神经网络跟踪控制的自适应学习率调节方法，包括以下几个步骤：建立控制系统；将神经网络的所有权值按层进行单位化；引入训练样本集得到误差信号e(n)和训练代价函数ε(n)；得到线性化后的活化函数s(x)；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数δj(n)及线性化表示δjL(n)；选择的自适应调整学习率；训练神经元突触权值；循环次数加1，直至满足停止准则，输出跟踪控制信号。本发明提出一种能够使步长迭代均值不受噪声影响，具有平滑迭代曲线，并可充分利用误差信号的一种基于活化函数及多误差信号的学习率自适应调节方法，从而可实时更新学习率，且减小计算复杂度。

公开(公告)号：CN103761567A

公开(公告)日：2014-04-30

申请号：CN201410023610.3

申请日：2014-01-20

Applicant: 哈尔滨工程大学

Inventor： 袁赣南 ,  杜雪 ,  赵玉新 ,  陈立娟 ,  李旺 ,  吴迪 ,  常帅 ,  贾韧锋 ,  陈嵩博 ,  韩自发

IPC: G06N3/02

Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种采用状态估计研究思想，基于贝叶斯估计的小波神经网络权值初始化方法。本发明包括：建立小波神经网络模型；权值单位化；输入与小波神经元权值优化；输出层神经元权值优化。本发明将小波神经网络权值参数与网络结构、小波类型、输入数据和输出目标值联系起来，同时将状态估计的思想和理论引入到权值参数的初始设置中，强化了小波网络学习训练能力，使小波网络在初始化阶段就具有一定的针对性，从而提高了权值在后续网络学习训练的适应能力。与传统权值初始化方法相比，能够有效地提高学习效率，减小网络输出振荡幅度，加快算法收敛速度，同时能够避免出现不合适权值导致的网络输出发散的情况。

公开(公告)号：CN103971163B

公开(公告)日：2017-02-15

申请号：CN201410195894.4

申请日：2014-05-09

Applicant: 哈尔滨工程大学

Inventor： 袁赣南 ,  杜雪 ,  张瑶 ,  夏庚磊 ,  吴迪 ,  李旺 ,  贾韧锋 ,  常帅

IPC: G06N3/08

Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。