-
公开(公告)号：CN105956012A
公开(公告)日：2016-09-21
申请号：CN201610251897.4
申请日：2016-04-21
Applicant: 哈尔滨工程大学
IPC: G06F17/30
CPC classification number: G06F17/30598
Abstract: 基于图划分策略的数据库模式抽象方法，本发明涉及数据库模式抽象方法。本发明是要解决忽略了表与表之间的结构紧密性、用户查询偏好信息以及现有方法对模式抽象结果中主题类簇的个数无法做出准确预测的问题，而提出的基于图划分策略的数据库模式抽象方法。该方法是通过一、构建关系数据库的拓扑紧密性矩阵T；二、计算得到表间相似性矩阵ADB；三、得到最终的数据表ti和数据表tj间的相似性计算结果；四、得到最终的表重要性度量结果；五、利用类簇代表检测算法得到结果集合R；六、将数据表ti和数据表tj划分到主题类簇等步骤实现的。本发明应用于数据库模式抽象领域。
-
公开(公告)号：CN105068045A
公开(公告)日：2015-11-18
申请号：CN201510447922.1
申请日：2015-07-28
Applicant: 哈尔滨工程大学
IPC: G01S5/02
CPC classification number: G01S5/02
Abstract: 本发明涉及一种基于正六边形的无线传感器网络递增式定位算法。本发明将WSN区域划分为n个同心正六边形；将锚节点放置到网络区域的中心，作为移动的起始点；锚节点每移了Rm长度，广播自己的位置信息；判断区域内的节点是否都已完成自定位，若是没完成，重复步骤(5)，否则，定位结束。该算法也缩短了传统的基于锚节点的策略的路径长度，计算复杂度不高，但定位精度较高。该算法选择高效的静态锚节点，降低网络系统的计算和通信开销，同时也降低递增式定位所带来的累计误差。
-
公开(公告)号：CN114510945B
公开(公告)日：2024-10-22
申请号：CN202210157121.1
申请日：2022-02-21
Applicant: 哈尔滨工程大学
IPC: G06F40/295 , G06N3/0442 , G06N3/045
Abstract: 基于偏旁特征嵌入的中文命名实体识别网络模型，涉及自然语言处理与中文命名实体识别领域。解决了现有中文命名实体识别算法的语义识别的准确率和F值低的问题。将字符拆分成其偏旁构成的形式，将其映射为偏旁特征向量、并与单词特征向量和字符特征向量，组合后输入到Bi‑LSTM编码层中进行编码中，编码后的特征经CRF解码层解码后得到输入文本的命名实体标签，从而实现对中文命名实体的识别。本发明主要用于对中文命名实体进行识别。
-
公开(公告)号：CN118053064A
公开(公告)日：2024-05-17
申请号：CN202410169717.2
申请日：2024-02-06
Applicant: 哈尔滨工程大学
IPC: G06V10/82 , G06V10/774 , G06V10/26 , G06V20/70 , G06V10/42 , G06V10/80 , G06V10/766 , G06N3/0464 , G06N3/09
Abstract: 基于深度学习的法兰中心点识别方法，本发明涉及法兰中心点识别方法。本发明的目的是为了解决现有传统视觉识别系统对法兰中心点的识别准确性低、效率低下、以及适应性不足的问题。过程为：步骤一、随机采样带法兰中心点坐标标签的法兰图片，作为训练集；步骤二、构建神经网络模型；具体过程为：神经网络模型包括：语义分割网络、全局特征提取网络和关键点识别网络；步骤三、基于训练集训练构建的神经网络模型，获得训练好的神经网络模型；步骤四、采集待测法兰图片，将待测法兰图片输入训练好的神经网络模型，训练好的神经网络模型输出待测法兰图片的法兰中心点。本发明用于法兰中心点的识别领域。
-
公开(公告)号：CN116913317A
公开(公告)日：2023-10-20
申请号：CN202310859687.3
申请日：2023-07-13
IPC: G10L25/51 , G06N3/084 , G06N3/0464 , G10L25/90 , G10L25/30 , G10L21/0208
Abstract: 基于声重组特征网络的水面航行器声信号基频提取方法，属于基频提取领域。本发明解决了现有基频提取任务的声信号特征提取方法存在处理方式复杂、鲁棒性差的问题。本发明将待进行基频提取的声信号按照LHS算法产生的最小帧长切割成等长的音频段；采用LHS算法对所述等长的音频段的基频进行标记；采用声重组特征网络提取音频段的声信号的基频特征；采用基频提取网络利用基频特征对对应的音频段进行基频提取。本发明适用于基频提取。
-
Patent Agency Ranking
公开(公告)号：CN112464673B
公开(公告)日：2023-05-26
申请号：CN202011431776.0
申请日：2020-12-09
Applicant: 哈尔滨工程大学
IPC: G06F40/30 , G06F40/216
Abstract: 融合义原信息的语言含义理解方法，属于语言信息处理技术领域。为了解决现有的语言建模方法存在复杂度较高的问题和不能兼顾效果的问题。本发明所述方法首先将语言以每个单词为单位，按照两条路径进行处理；左路径：单词编码器+RNN+单词解码器，左路径输出记为wl；右路径：义原编码器+RNN+义原解码器+词语解码器+sigmoid，右路径输出记为wr；然后将两个路径的输出进行融合。主要用于语言含义理解。
-
公开(公告)号：CN115861660A
公开(公告)日：2023-03-28
申请号：CN202211689077.5
申请日：2022-12-27
Applicant: 哈尔滨工程大学
IPC: G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于混合度量的特征分布度量方法，为解决在图像分类时深度迁移学习方法的迁移学习模型无法对目标域数据准确标注的问题。将图片分为源域和目标域；利用源域中的图片对迁移学习模型进行训练，得到模型；计算分类损失；计算域间特征边缘分布差异的一、二、三阶统计量距离，再加权组合得到域间特征边缘分布的混合度量；获取目标域软标签，利用软标签计算目标域特征的初始软质心，再使用余弦相似度得目标域特征的伪标签；计算域间特征的条件分布差异的一、二、三阶统计量距离，再加权组合得到域间特征条件分布的混合度量；将二者混合度量相加得域间特征统计量距离；计算迁移学习模型总体损失函数，更新模型；预测测试样本，得到种类预测概率。
-
公开(公告)号：CN112417760B
公开(公告)日：2023-01-17
申请号：CN202011309350.8
申请日：2020-11-20
Applicant: 哈尔滨工程大学
Abstract: 基于竞争混合网络的舰船控制方法，本发明涉及舰船控制方法。本发明的目的是为了解决现有舰船在复杂环境中控制精度低的问题。过程为：一、建立个体智能体网络模型；二、建立优势混合网络模型；三、建立状态值混合网络模型；四、将个体观测历史输入到个体智能体网络模型中得到个体优势值函数以及个体状态值函数；将个体优势值函数传给优势混合网络模型，优势混合网络模型输出联合优势函数值；将个体状态值函数传给状态值混合网络模型，状态值混合网络模型输出联合状态值混合值；通过将联合优势函数值与联合状态值混合值相加得到联合动作值函数。本发明用于舰船控制领域。
-
公开(公告)号：CN111766901B
公开(公告)日：2022-10-04
申请号：CN202010713170.X
申请日：2020-07-22
Applicant: 哈尔滨工程大学
IPC: G05D1/12
Abstract: 多无人机协同目标分配攻击方法，属于多无人机协同目标分配的技术领域，解决了现有多无人机协同目标分配作战时，由于环境影响，造成目标攻击准确率低的问题，本发明针对多个无人机在复杂的约束条件下对多个目标进行攻击作战任务，将模型分为两个作战阶段，第一部分无人机从同一地点出发到达已知无人机攻击区域，考虑时间代价和航程代价。到达指定攻击地点后，根据建立的优势攻击函数，以及考虑航程、时间、威胁、收益等代价综合考虑，合理分配目标，以寻找最佳的攻击位置，达到理想的攻击效果。本发明适用于多无人机协同攻击多目标。
-
公开(公告)号：CN115035912A
公开(公告)日：2022-09-09
申请号：CN202210644380.7
申请日：2022-06-08
Applicant: 哈尔滨工程大学
Abstract: 基于MOC模型的水声信号样本自动标注方法，具体涉及一种基于MOC模型的水下声音信号样本的自动标注方法，本发明为解决传统水声信号样本标注采用人工方法，不仅费时费力，经济效益低，还受专业性限制，标注准确性低的问题，它包括采集水声信号作为样本，利用声学模型计算所述水声信号样本的声学特征；建立MOC模型，MOC模型依次包括卷积层一、优选卷积残差层、卷积层二、注意力机制层、全连接层和分类层，将水声信号样本的声学特征输入MOC模型内进行训练，输出已标注的水声信号样本，直到loss收敛，得到训练好的MOC模型；将待标注的水声信号样本上述操作，得到已标注的水声信号样本。属于水下声音信号标注领域。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.027 seconds)
