-
公开(公告)号：CN111008674A
公开(公告)日：2020-04-14
申请号：CN201911351335.7
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于快速循环单元的水下目标探测方法，涉及水下声纹特征提取技术领域，针对现有技术中的水下目标探测技术存在探测精度低的问题，本发明在对水声信号样本分帧后的片段完成特征提取和特征选择后，将这些特征按时间顺序排列，从而得到由特征组成的时序数据，并利用循环神经网络对时序数据进行处理，以此提高了水下目标探测的准确率并减少了误报率。
-
公开(公告)号：CN110110796A
公开(公告)日：2019-08-09
申请号：CN201910392625.X
申请日：2019-05-13
Applicant: 哈尔滨工程大学
Abstract: 一种基于深度学习的海上船舶时序数据的分析方法，它属于时序信息分析技术领域。本发明解决了传统方法对海洋环境下船舶目标时序数据分析结果的准确率低的问题。通过信息融合方式使LSTM模型在迭代中获得更多样化的时序信息，对数据的表征能力更强；根据相邻音频分帧输入特征的相似度对dropout的参数进行调整，达到一种动态反馈的效果，避免过度学习；对音频时序数据的处理和特征提取采用了划分频段分解的思想，先通过二维小波变换进行分解，再通过四组反卷积网络训练卷积核，再按比例抽取卷积核构建新的反卷积神经网络做待测时序数据的特征提取。采用本发明方法对海上船舶的音频时序数据分析结果准确率达到87.8％。本发明可以应用于时序信息分析技术领域。
-
公开(公告)号：CN106067029B
公开(公告)日：2019-06-18
申请号：CN201610348890.4
申请日：2016-05-24
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 面向数据空间的实体分类方法，属于自然语言处理领域。演化环境下，存在无法通过假设实体为静止状态，而对实体进行分类的问题。一种面向数据空间的实体分类方法，首先，针对演化的数据空间实体，提出改进的、演化的K‑Means聚类框架，即定义基于轮廓值和KL‑散度的目标代价函数；其次，设计了一种新颖的数据空间实体相似性度量方法；然后，根据启发式规则，提出演化的K‑Means聚类算法。此外，进一步扩展本章提出的演化聚类框架，以处理簇数量随时间发生变化或者快照实体随时间加入或移除的情况。本发明不仅能高质量地捕获当前实体聚类结果，还能健壮地反映历史聚簇情况。
-
公开(公告)号：CN105956012B
公开(公告)日：2019-04-23
申请号：CN201610251897.4
申请日：2016-04-21
Applicant: 哈尔滨工程大学
IPC: G06F16/28
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：CN108875795A
公开(公告)日：2018-11-23
申请号：CN201810519640.1
申请日：2018-05-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于Relief和互信息的特征选择算法，属于计算机算法领域。本发明的步骤如下：(1)将最优特征子集设置成空集，设置最优特征子集权重；(2)选择一个数据中的所有特征中不属于最优特征子集中的特征，将其放入候选最优特征子集中，并通过复合特征评价准则计算当前候选最优特征子集的权重；(3)对此时候选最优特征子集的权重进行评价并更替；(4)去除不符合要求的待选特征；(5)若还有待选特征，则从返回(2)继续计算。否则，算法结束。本发明提供的方法针对Relief特征选择算法只能处理二分类问题而不能处理冗余特征的问题进行改进，提出了基于改进的Relief权重的特征选择算法，使该特征选择算法计算高效的同时具有更高的计算准确率。
-
Patent Agency Ranking
公开(公告)号：CN108846323A
公开(公告)日：2018-11-20
申请号：CN201810519571.4
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向水下目标识别的卷积神经网络优化方法，属于水下目标识别技术领域，本发明将原始声音数据通过短时傅里叶变换等操作转化为灰度声谱图像，之后将单层SAE判别式分类法和多层SAE重建式分类法分别添加到Alexnet模型当中，将灰度声谱图像进行打标签和训练，用灰度声谱图像的70％作为训练集，用其余的30％作为测试集，将训练集和测试集分别应用在改进前的Alexnet模型和改进后的Alexnet模型中进行准确率和训练时间对比实验，并对测试的结果进行分析。本发明对卷积神经网络中的目标分类层进行优化，解决了当前卷积神经网络在水下目标识别领域的分类准确率不高等问题，较改进之前更适用于水下目标识别领域，对水下目标领域取得了更好的分类效果。
-
公开(公告)号：CN107592622A
公开(公告)日：2018-01-16
申请号：CN201710599176.7
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于地理位置信息的机会型并行传输MAC协议，引入地理位置信息这一要素，对局部并行映射表和并行控制算法两方面进行改进，提出了基于地理位置信息的机会型并行传输MAC协议。在此基础上，对并行映射表和并行控制算法的相应部进行了改进；发送端节点通过局部并行映射表的记录检索到所有可能受到自身干扰的两跳范围内的节点，并依次比较其与每个节点的距离值和自身传输半径之间的关系，满足条件的记录进入映射表中，在最大程度上排除受干扰节点的数量；接收端节点通过与多个发送端节点的距离比较，选取其中最小的一个进行数据通信，在解决隐藏终端问题的同时，提高数据传输的成功率。
-
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：CN103902699B
公开(公告)日：2017-04-12
申请号：CN201410125840.0
申请日：2014-03-31
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及一种用于大数据环境下可支持多格式特性的数据空间检索方法。本发明包括：用户输入查询内容；判断用户查询类型；采用前缀扫描方式读取所建立的多级索引；进行链表合并操作；重写查询；遍历多级索引；将逆序压入栈中；首先弹出栈顶中两个元素；读取所建立的多级索引；根据索引链表右连接方案；弹出栈顶元素；输出满足条件的所有元素。本发明的方法由B‑树索引和二级索引共同构成多级索引，能够解决主索引在大数据环境下，路径查询索引连接代价过大的问题。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.032 seconds)
