-
公开(公告)号:CN110147393B
公开(公告)日:2021-08-13
申请号:CN201910435269.5
申请日:2019-05-23
Applicant: 哈尔滨工程大学
IPC: G06F16/2458
Abstract: 面向数据空间的实体解析方法,本发明涉及实体解析方法。本发明的目的是为了解决现有在数据空间中进行实体解析时,要对记录进行对比,对于不同领域的记录对,匹配概率很小,成对对比会浪费资源的问题。过程为:步骤一、构建记录图:步骤二、采用剪枝方法简化记录图;步骤三、对剪化后的记录图进行分块处理;步骤四、建立属性映射集群;步骤五、计算属性映射集的优度;步骤六、得到属性映射集群中各个映射集的优度后,在块内进行实体解析。本发明用于数据实体解析领域。
-
公开(公告)号:CN107609488A
公开(公告)日:2018-01-19
申请号:CN201710717199.3
申请日:2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G06F17/14 , G10L21/0208
Abstract: 本发明公开了一种基于深度卷积网络的舰船噪声识别分类方法,属于水下舰船噪声识别的领域。本发明主要是针对BP神经网络处理的文件数量少,提取特征不明显以及易陷入局部最优解的问题提出的解决方案。该发明首先根据MFCC将原始声音中的噪声去掉,提取出相应有效的特征,这个过程主要是去除干扰性大的噪声。将经过MFCC处理的声音文件转换成深度卷积网络可以接收的格式。通过深度卷积神经网络多层次的提取有效的特征,这样提取的特征的有效性更强,更具有普适性。针对现实中的大量声音数据进行识别分类,减少了人为的干预度,可以更好的区分出不同的舰船噪声,从而达到识别的目的。
-
公开(公告)号:CN107609488B
公开(公告)日:2020-11-03
申请号:CN201710717199.3
申请日:2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G06F17/14 , G10L21/0208
Abstract: 本发明公开了一种基于深度卷积网络的舰船噪声识别分类方法,属于水下舰船噪声识别的领域。本发明主要是针对BP神经网络处理的文件数量少,提取特征不明显以及易陷入局部最优解的问题提出的解决方案。该发明首先根据MFCC将原始声音中的噪声去掉,提取出相应有效的特征,这个过程主要是去除干扰性大的噪声。将经过MFCC处理的声音文件转换成深度卷积网络可以接收的格式。通过深度卷积神经网络多层次的提取有效的特征,这样提取的特征的有效性更强,更具有普适性。针对现实中的大量声音数据进行识别分类,减少了人为的干预度,可以更好的区分出不同的舰船噪声,从而达到识别的目的。
-
公开(公告)号:CN107908807A
公开(公告)日:2018-04-13
申请号:CN201710599154.0
申请日:2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法,包括以下步骤:(1)系统初始化,输入验前信息;(2)对验前信息进行分类;(3)对相似系统信息的现有折算方法进行了分析,采用D-S证据理论和基于F-HS算法并进行分别分析;(4)使用混合验前分布模型;(5)确定现场试验信息的贝叶斯可靠性模型;(6)通过贝叶斯方法将现场试验信息与验前信息进行整合,得到有效的分布模型;(7)采用Gibbs采样算法获取验后分布函数的样本值;(8)对可靠性参数的进行评定估计,得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法,在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号:CN107562778A
公开(公告)日:2018-01-09
申请号:CN201710599251.X
申请日:2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于偏离特征的离群点挖掘方法,包括以下步骤:(1)将数据集的各个维度划分为h个等间距的间隔,则整个数据集被划分为hd个网格;(2)将每个数据点与网格索引做一个关联,如果一个网格中不包含数据点,则不考虑该网格;(3)对于划分形成的空间中的各个网格,求出网格的质心,并计算质心的局部离群因子;(4)计算每个数据对象的局部离群因子,数据集中对象的局部离群因子等于所属网格质心的离群因子。本发明在检测数据集中的离群点时,采用F_LOF检测算法将数据空间划分为网格,基于网格的质心来计算数据点的局部离群因子,降低了计算时间,提高检测效率,表现出了其优越性。
-
公开(公告)号:CN107194468A
公开(公告)日:2017-09-22
申请号:CN201710259763.1
申请日:2017-04-19
Applicant: 哈尔滨工程大学
IPC: G06N99/00
CPC classification number: G06N20/00
Abstract: 本发明提供的是一种面向情报大数据的决策树增量学习方法。在分裂结点之前,把结点中每个候选属性的多个属性值分别合并成两组,选择信息增益最大的候选属性将结点分为两个分支。在选择下一个将要分裂的结点方面,为所有候选分裂结点计算对应的结点分裂度量值,并且总是选择结点分裂度量值最大的候选结点作为下一个分裂结点。IID5R增加了评估分类属性质量的功能。本发明将NOLCDT与IID5R相结合,提出了一个混合分类器算法HCS,主要有两个阶段组成:构建初始决策树和增量学习。根据NOLCDT建立初始决策树,然后使用IID5R进行增量学习。HCS算法综合了决策树以及增量学习方法的优点,既便于理解又适于增量学习。
-
公开(公告)号:CN107562778B
公开(公告)日:2021-09-28
申请号:CN201710599251.X
申请日:2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06F16/26
Abstract: 本发明公开了一种基于偏离特征的离群点挖掘方法,包括以下步骤:(1)将数据集的各个维度划分为h个等间距的间隔,则整个数据集被划分为hd个网格;(2)将每个数据点与网格索引做一个关联,如果一个网格中不包含数据点,则不考虑该网格;(3)对于划分形成的空间中的各个网格,求出网格的质心,并计算质心的局部离群因子;(4)计算每个数据对象的局部离群因子,数据集中对象的局部离群因子等于所属网格质心的离群因子。本发明在检测数据集中的离群点时,采用F_LOF检测算法将数据空间划分为网格,基于网格的质心来计算数据点的局部离群因子,降低了计算时间,提高检测效率,表现出了其优越性。
-
公开(公告)号:CN110147393A
公开(公告)日:2019-08-20
申请号:CN201910435269.5
申请日:2019-05-23
Applicant: 哈尔滨工程大学
IPC: G06F16/2458
Abstract: 面向数据空间的实体解析方法,本发明涉及实体解析方法。本发明的目的是为了解决现有在数据空间中进行实体解析时,要对记录进行对比,对于不同领域的记录对,匹配概率很小,成对对比会浪费资源的问题。过程为:步骤一、构建记录图:步骤二、采用剪枝方法简化记录图;步骤三、对剪化后的记录图进行分块处理;步骤四、建立属性映射集群;步骤五、计算属性映射集的优度;步骤六、得到属性映射集群中各个映射集的优度后,在块内进行实体解析。本发明用于数据实体解析领域。
-
公开(公告)号:CN107908807B
公开(公告)日:2021-01-05
申请号:CN201710599154.0
申请日:2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法,包括以下步骤:(1)系统初始化,输入验前信息;(2)对验前信息进行分类;(3)对相似系统信息的现有折算方法进行了分析,采用D‑S证据理论和基于F‑HS算法并进行分别分析;(4)使用混合验前分布模型;(5)确定现场试验信息的贝叶斯可靠性模型;(6)通过贝叶斯方法将现场试验信息与验前信息进行整合,得到有效的分布模型;(7)采用Gibbs采样算法获取验后分布函数的样本值;(8)对可靠性参数的进行评定估计,得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法,在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号:CN2872297Y
公开(公告)日:2007-02-21
申请号:CN200520021749.0
申请日:2005-10-13
Applicant: 哈尔滨工程大学
Inventor: 苏畅
Abstract: 本实用新型属于一种基于图像法的大直径非接触式测量仪。它由图像传感器、金属传感器、处理器和显示器四部分构成,它们之间通过相应的接口电路相连接。由处理器完成图像传感器的上电初始化和测量数据的采集与处理,并用控制显示器实时地显示测量结果。该测量仪采用了现代高分辨率光学图像成像、图像处理和模式识别技术来实现周长/弧长的测量,巧妙地解决了大直径高精度、非接触式测量的问题。测量仪可以采用现有成熟的高精度(例如0.1um精度)测量仪器进行测量精度的标定;测量仪操作简单,现场安装方便,重复安装之后的测量误差小。可广泛适用于各种机械回转体大直径轴盘类工件的外径、内径测量和圆度的行位误差测量。
-
-
-
-
-
-
-
-
-