-
公开(公告)号：CN118354392B
公开(公告)日：2024-10-29
申请号：CN202410631447.2
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子绡蝶机制的可扩展层次路由方法。该方法包括：建立无线传感器网络系统模型；设定无线传感器网络运行参数和初始化网络状态，网络运行开始；建立无线传感器网络簇首配置成本函数和适应度函数；初始化量子绡蝶群并设定相关参数；根据映射方程、适应度和感知函数计算所有量子绡蝶所分泌信息素量，并确定量子绡蝶群全局最优量子位置；量子绡蝶依同等概率执行确定性或随机性移动，并在移动过程中使用模拟量子旋转角来演化量子绡蝶的量子位置；应用贪心策略选择出下一代量子绡蝶量子位置；输出当前无线传感器网络簇首配置结果；建立当前无线传感器网络区长概率函数配置区长并进行数据传输；无线传感器网络运行终止。
-
公开(公告)号：CN117970233B
公开(公告)日：2024-10-25
申请号：CN202410158426.3
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/14 , G06F18/232 , G06F18/2433
Abstract: 本发明提供一种相干分布源的信源数与波达方向联合估计方法及系统，属于阵列信号处理领域。为解决现有方法在信源个数未知以及处于冲击噪声环境下时，利用谱峰搜索，无法同时保证低复杂度和高精准度的问题。本发明将聚类思想与量子优化理论引入吉萨金字塔建造机制中设计多峰量子吉萨金字塔建造机制，利用聚类环节和量子计算理论设计模拟量子旋转门，改进其演进策略，提升机制收敛速度与全局收敛性能；构造基于拉普拉斯核相关熵的低阶协方差矩阵，并通过对角加载技术对协方差矩阵修正，设计基于m‑Capon方法的空间谱函数；最后利用多峰优化机制对空间谱函数进行搜索，实现对信源数和波达方向的联合估计。
-
公开(公告)号：CN118334512B
公开(公告)日：2024-09-13
申请号：CN202410364298.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于SSIM及级联深度神经网络的SAR图像目标识别方法及系统。所述方法包括：对SAR图像进行预处理；利用结构相似衡量指标对SAR图像进行粗类别划分；利用卷积层、池化层、全连接层、批归一化层、空洞空间金字塔池化模块及幻想组块构成浅层网络，对SAR图像进行粗分类，利用卷积层和卷积块注意力模块构建级联模块，筛选粗类别特征，并对筛选后的特征进行权重划分；融合筛选并权重划分后的粗类别特征，利用多个幻想组块构建深层网络，对SAR图像进行细分类；将待识别SAR图像输入训练好的目标识别模型，获取目标识别结果。本发明提高了深度网络对SAR图像的识别性能同时改善了由于样本不足造成网络分类性能大幅度下降的问题。
-
公开(公告)号：CN117970233A
公开(公告)日：2024-05-03
申请号：CN202410158426.3
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/14 , G06F18/232 , G06F18/2433
Abstract: 本发明提供一种相干分布源的信源数与波达方向联合估计方法及系统，属于阵列信号处理领域。为解决现有方法在信源个数未知以及处于冲击噪声环境下时，利用谱峰搜索，无法同时保证低复杂度和高精准度的问题。本发明将聚类思想与量子优化理论引入吉萨金字塔建造机制中设计多峰量子吉萨金字塔建造机制，利用聚类环节和量子计算理论设计模拟量子旋转门，改进其演进策略，提升机制收敛速度与全局收敛性能；构造基于拉普拉斯核相关熵的低阶协方差矩阵，并通过对角加载技术对协方差矩阵修正，设计基于m‑Capon方法的空间谱函数；最后利用多峰优化机制对空间谱函数进行搜索，实现对信源数和波达方向的联合估计。
-
公开(公告)号：CN116842354A
公开(公告)日：2023-10-03
申请号：CN202310548465.X
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F18/211 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N10/60
Abstract: 本发明提供一种基于量子人工水母搜索机制的特征选择方法，将量子优化理论和人工水母搜索机制结合进而得到量子人工水母搜索机制，并将解决连续优化问题的人工水母搜索机制进行离散化处理，使其具有更高的鲁棒性，突破人工水母搜索机制的应用局限。采用同步优化方法的封装式特征选择可以有效的降低传统封装式特征选择的时间复杂度。利用群智能优化方法同时进行对支持向量机超参数的寻优和特征子集的选取对于所选用的智能优化方法的性能有较高的要求，而本发明的量子人工水母搜索机制拥有较优秀的收敛性和更短的用时。因此相较于一些基于已有传统群智能的特征选择方法，本发明拥有更快的收敛速度、更高的收敛精度、更低的时间复杂度和更好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116017737A
公开(公告)日：2023-04-25
申请号：CN202211544352.4
申请日：2022-12-04
Applicant: 哈尔滨工程大学
IPC: H04W72/53 , H04W72/0453 , H04W72/044 , H04W52/34 , H04W52/18 , H04W16/14
Abstract: 本发明公开了一种异构网络多目标资源联合分配方法，在Macro‑Femtocell双层异构蜂窝网络环境下，综合考虑频谱效率和相对能耗这两个系统评价指标，构建多目标优化函数，并通过量子政治优化机制快速得到多目标资源联合分配结果，在确保频谱效率的同时又能实现相对能耗的最大化。本发明可以解决实际生活中的多目标资源联合分配问题，所设计的方法性能稳定，可以短时间内求出最优多目标资源联合分配方案，在保证频谱效率的同时又能保证网络相对能耗的最大化，实现绿色通信，节省硬件资源，避免造成资源浪费。
-
公开(公告)号：CN118354392A
公开(公告)日：2024-07-16
申请号：CN202410631447.2
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子绡蝶机制的可扩展层次路由方法。该方法包括：建立无线传感器网络系统模型；设定无线传感器网络运行参数和初始化网络状态，网络运行开始；建立无线传感器网络簇首配置成本函数和适应度函数；初始化量子绡蝶群并设定相关参数；根据映射方程、适应度和感知函数计算所有量子绡蝶所分泌信息素量，并确定量子绡蝶群全局最优量子位置；量子绡蝶依同等概率执行确定性或随机性移动，并在移动过程中使用模拟量子旋转角来演化量子绡蝶的量子位置；应用贪心策略选择出下一代量子绡蝶量子位置；输出当前无线传感器网络簇首配置结果；建立当前无线传感器网络区长概率函数配置区长并进行数据传输；无线传感器网络运行终止。
-
公开(公告)号：CN118096808A
公开(公告)日：2024-05-28
申请号：CN202410116941.5
申请日：2024-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于种群熵和柳絮漂移算子的天鹰搜索机制图像分割方法及系统，涉及图像处理技术领域。本发明的技术要点包括：基于二维Otsu图像分割方法对灰度图像进行图像分割，获取最优分割阈值；利用基于种群熵和柳絮漂移算子的天鹰优化算法对最优分割阈值进行寻优，获取寻优后的最优分割阈值；根据寻优后的最优分割阈值，基于二维Otsu图像分割方法对原始灰度图像进行分割，获取分割图像。本发明从两个方面对天鹰搜索机制进行了改进，有效避免了天鹰种群陷入局部最优解的困境，同时增强了天鹰种群局部开发的能力。本发明相比原始天鹰搜索机制和其他群体智能优化方法均体现了更为优秀的分割结果。本发明在图像分割领域具有较强的实用价值。
-
公开(公告)号：CN115765847B
公开(公告)日：2024-05-17
申请号：CN202211467828.9
申请日：2022-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种量子物质生成机制的多无人机协作通信中继选择方法，包括建立多无人机协作通信中继选择模型；初始化量子物质量子位置并设定参数；计算量子物质位置适应度函数值；使用量子失去、获得、共享电子策略更新量子物质量子位置；使用量子化合反应策略更新量子物质量子位置；使用量子复分解反应策略更新量子物质量子位置，对第i个量子物质的量子位置进行赋值，选择三种更新策略中最优量子位置赋值给量子结构更改策略中第i个量子物质量子位置；使用量子结构更改策略更新量子物质量子位置；更新量子位置至最大迭代次数，将最优量子物质位置映射为中继选择方案并输出。本发明降低了问题求解复杂度，克服易陷入局部收敛的弊端，提升寻优速率。
-
公开(公告)号：CN117992807A
公开(公告)日：2024-05-07
申请号：CN202410172704.0
申请日：2024-02-07
Applicant: 哈尔滨工程大学
IPC: G06F18/23 , G06F18/2413 , G06F18/214 , G06N10/60 , G06Q50/18
Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质，涉及数据处理领域，为解决现有的特征选择方法分类正确率不高以及时间复杂度高，选择的特征子集精度不够的问题。包括：步骤一：对数据集进行归一化处理，采用K近邻分类器对训练集样本进行聚类，对测试集样本进行分类，构建特征选择的目标函数；步骤二：初始化量子警察群体中每个成员的量子位置，计算量子警察个体的适应度，确定初始全局最优量子位置；步骤三：分别对调查组和追捕组每个成员的量子位置进行更新；步骤四：更新调查组和追捕组以及量子警察群体的全局最优量子位置；步骤五：对调查组和追捕组中的部分成员进行交换，继续演化；步骤六：最终迭代得到选取的最优特征子集。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
