-
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。
-
公开(公告)号：CN112418289B
公开(公告)日：2021-08-03
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：CN112991394A
公开(公告)日：2021-06-18
申请号：CN202110416434.X
申请日：2021-04-16
Applicant: 北京京航计算通讯研究所
Abstract: 本发明就目标跟踪过程中的遮挡问题，提出一种基于三次样条插值和马尔科夫链的KCF目标跟踪方法。该方法的具体思路为，在目标跟踪过程中遇到遮挡问题时，停止更新KCF滤波模板，而根据遮挡前目标的运动特征，用离线训练的多个不同权重的三次样条多项式模拟遮挡后的目标运动轨迹，并且基于马尔科夫链中当前状态只与上一时刻状态有关的假设，认为跟踪过程中当前图像的权重只与上一帧图像的权重有关，从而实现对遮挡目标运动位置的预测跟踪。本发明不局限于图像中的特征，而是着眼于目标的运动轨迹，通过对物体运动轨迹的分析模拟，解决目标跟踪过程中的遮挡问题，具有跟踪准确率高，计算速度快的特点。
-
Patent Agency Ranking
公开(公告)号：CN109460478A
公开(公告)日：2019-03-12
申请号：CN201811314413.1
申请日：2018-11-06
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于软件工程技术领域，具体涉及一种基于细粒度特征语义网络的系统接口时序知识分析方法，其包括：构建嵌入式系统测试故障集；在嵌入式系统测试故障集中搜索接口关键问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集；在嵌入式系统测试故障集中搜索与时序关键的故障，分析提取与接口相关的故障，形成接口相关的时序故障集；两个故障集合并形成接口时序故障集；根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。由此得到的嵌入式系统接口时序知识可实现测试知识的继承，且具有可扩展性，便于测试知识的推送，提升测试效率。
-
公开(公告)号：CN112991394B
公开(公告)日：2024-01-19
申请号：CN202110416434.X
申请日：2021-04-16
Applicant: 北京京航计算通讯研究所
IPC: G06T7/246 , G06T3/4007 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明就目标跟踪过程中的遮挡问题，提出一种基于三次样条插值和马尔科夫链的KCF目标跟踪方法。该方法的具体思路为，在目标跟踪过程中遇到遮挡问题时，停止更新KCF滤波模板，而根据遮挡前目标的运动特征，用离线训练的多个不同权重的三次样条多项式模拟遮挡后的目标运动轨迹，并且基于马尔科夫链中当前状态只与上一时刻状态有关的假设，认为跟踪过程中当前图像的权重只与上一帧图像的权重有关，从而实现对遮挡目标运动位置的预测跟踪。本发明不局限于图像中的特征，而是着眼于目标的运动轨(56)对比文件张星.运动目标的稳定跟踪算法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2020,(第05期),I135-65.
-
公开(公告)号：CN113932815B
公开(公告)日：2023-07-18
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Kalman滤波相对导航方法、装置、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。
-
公开(公告)号：CN115563861A
公开(公告)日：2023-01-03
申请号：CN202211173079.9
申请日：2022-09-26
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种雷达导引头智能跟踪算法的性能综合评估及优化方法，属于软件测评与改进技术领域，解决了现有技术中针对复合雷达导引头智能跟踪算法，评估指标不全面、评估结果不准确以及无法基于评估结果对算法参数进行优化等问题。通过基于不同雷达导引头试验件下的算法的评估试验，获得评估试验数据；利用赋权优化算法和混合赋分机制，对评估试验数据进行三次加权融合，得到算法性能综合评估结果；构建多个参数评估用例，并进行三次加权融合，对算法的参数进行优化，获得优化后的雷达导引头智能跟踪算法。该方法针对具有复杂结构和参数的目标跟踪智能算法或软件的评价结果全面、可靠，准确性强，并能持续改进算法性能。
-
公开(公告)号：CN114677368A
公开(公告)日：2022-06-28
申请号：CN202210411363.9
申请日：2022-04-19
Applicant: 中国人民解放军32021部队 , 北京京航计算通讯研究所
Inventor： 喻夏琼 , 王佳佳 , 赵金贤 , 吴平安 , 董小环 , 侯健 , 马静 , 务宇宽 , 王亚锋 , 唐斌 , 李娜 , 单月晖 , 赵志远 , 杨鹏 , 师康钦 , 高琳 , 刘登
Abstract: 本发明提供一种图像显著性检测方法及装置，其中方法包括：步骤：S1：对待检测图像做超像素分割处理，得到超像素分割图像；S2：从超像素分割图像中提取出包含边界特征的背景超像素图像；S3：利用LASSO算法与背景超像素图像，对超像素分割图像做显著性检测处理，得到显著性检测处理的学习层处理结果；S4：判断学习层处理结果是否满足预设条件，若是，执行步骤S5；否则，执行步骤S6；S5：将学习层处理结果作为显著性检测处理结果；根据显著性检测处理结果，生成显著图；S6：将学习层处理结果，反向传播至超像素分割图像，得到更新的待检测图像，返回执行步骤S1。本发明提供的技术方案可有效处理对于背景较复杂的遥感图像，实现图像的显著性检测。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.041 seconds)
