-
公开(公告)号：CN113688571A
公开(公告)日：2021-11-23
申请号：CN202110983334.5
申请日：2021-08-25
Applicant: 哈尔滨工程大学
Abstract: 一种基于卷积相似度的水声环境参数分类方法，涉及水声环境参数反演领域。本发明是为了解决目前水声环境参数分类方法无法在保证网络性能的同时降低网络训练时间与网络参数规模，进而导致水声环境参数分类方法不适合低算力、低容量设备的问题。本发明包括：将待分类的水声信息矩阵输入到训练好的水声环境参数分类网络中获得分类好的水声环境参数；训练好的水声环境参数分类网络包括：利用水声信息矩阵训练超网络获取训练好的超网络和每个卷积输出的水声特征矩阵；对特征矩阵进行降维、拼接、利用高斯核卷积操作获得一维特征向量；获取特征矩阵相似度系数；对训练好的超网络裁剪，获取训练好的水声环境参数分类网络。本发明用于水声环境参数分类。
-
公开(公告)号：CN112511474A
公开(公告)日：2021-03-16
申请号：CN202011351885.1
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于卷积神经网络和迁移学习的智能设备振动通信方法。本发明涉及物联网振动通信技术领域，本发明对智能设备的发送端进行振动信号的比特流分组调制发送；对智能设备的接收端采用信标位检测算法确定振动起点；对三轴加速度计信号进行主成分特征提取，去除信号噪声；对主成分分析特征提取后的加速度信号进行卷积神经网络解码，得到比特位组对应的符号标签；当通信环境发生改变时，进行迁移学习，提高振动信号识别准确率。本发明采用的比特流分组编码结合卷积神经网络解码的方式无需关心组内符号间干扰对传输准确率影响，能加快振动通信速率。相对于振幅调制和频率调制技术，本发明能被当前各种商业化智能设备所通用。
-
公开(公告)号：CN112488181A
公开(公告)日：2021-03-12
申请号：CN202011357084.6
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于MIDS‑Tree的服务故障高响应匹配方法。对多元融合数据集进行选取和去噪；进行面向特定服务故障和降级类型的标签处理，得到多元数据集；对数据集进行故障类型分类，形成多元微服务故障数据集；通过Apriori方法进行面向多类型服务故障的特征和属性提取；根据提取后的特征属性进行特征属性敏感度计算，得出最优特征属性并进行态势分析，得出服务故障特征属性的波动范围；根据态势分析以及服务故障类型信息，进行MIDS‑Tree的建立,并进行服务故障的预测，使得服务的资源利用率最大化。本发明提出的轻量级架构模型，为解决已有服务故障预测方法，存在的模型庞杂、冗余；同时该模型能够快速高响应的进行面向服务故障策略匹配，提高现有模型的响应时间。
-
公开(公告)号：CN112488180A
公开(公告)日：2021-03-12
申请号：CN202011356846.0
申请日：2020-11-27
Applicant: 哈尔滨工程大学
Abstract: 基于RealifF的特征选择方法，涉及数据挖掘技术领域，针对传统的去冗余方法是将一组冗余特征保留一个，这样会造成损失信息的问题，本申请通过距离相关性系数找出冗余特征，解决冗余问题。传统的简单去冗余方法是将一组冗余特征保留一个，本申请通过自编码器融合这些冗余特征而不是直接丢掉，解决了损失信息的问题。自编码器是一种黑盒的结构，无法保证最后可以得到想要的特征，本申请通过多任务的方式，加上一路分类的任务，可以迫使自编码器学到这一组冗余信息中更利于分类的特征，提升自编码器学习到特征的质量。
-
公开(公告)号：CN111815468A
公开(公告)日：2020-10-23
申请号：CN202010498851.9
申请日：2020-06-04
Applicant: 哈尔滨工程大学
IPC: G06Q50/00 , G06F16/9536 , G06K9/62
Abstract: 本发明的一种基于用户身份关联的多源社交网络构建方法，属于社交网络分析技术领域。首先定义伪超边的概念并构造伪超边超图模型，通过引入拓扑亲密值度量超图中节点间拓扑结构相似性，然后将超图中节点的用户名属性向量化进行相似度计算，进而提出基于联合锁定策略的用户身份关联方法实现跨社交网络用户匹配，最后基于用户匹配结果进行社交关系填补完成多源社交网络构建。本发明提出的基于用户身份关联的多源社交网络的构建方法最大化利用网络拓扑信息，综合利用结构特性和用户属性进行用户匹配，克服单一网络的局限性，构建的网络更加完备、精准，在种子节点有限的情况下也能获得较好地效果。
-
Patent Agency Ranking
公开(公告)号：CN109492776A
公开(公告)日：2019-03-19
申请号：CN201811393919.6
申请日：2018-11-21
Applicant: 哈尔滨工程大学
IPC: G06N99/00
Abstract: 本发明提供一种基于主动学习的微博流行度预测方法，包括如下步骤：利用新浪微博API爬取相关微博数据集；利用K-Means算法将未标记数据集初始化训练集L；对训练数据进行特征提取得到特征向量；根据提取的特征向量训练基于支持向量机的主动学习的改进的模型，根据训练的多分类模型从未标记的样本集中选择出既有不确定性又具有多样性和代表性的样本；将筛选出的样本称为信息向量，交给专家标记；将标记的训练数据加入到初始训练集L中，循环此过程直到模型的性能达到稳定状态为止得到微博流行度预测模型。本发明减少了冗余性问题并降低了异常值问题，减少了训练样本的标记数量，同时也使得在训练数据少的情况下也得到很好的预测效果。
-
公开(公告)号：CN103176961B
公开(公告)日：2017-02-08
申请号：CN201310069560.8
申请日：2013-03-05
Applicant: 哈尔滨工程大学
IPC: G06F17/27
Abstract: 本发明的目的在于提供一种基于潜在语义分析的迁移学习方法，包括以下步骤：对训练数据做去停用词、词干化处理，分别计算源领域与目标领域词汇权重，得到词汇-文本矩阵M，对矩阵M进行奇异值分解，将M中词汇与文本映射到低维潜在语义空间，去除源领域中同义词噪音影响，调整矩阵M结构，从源领域中找出与目标领域文本关联度较大的词汇作为迁移词，再对矩阵M结构进行调整，分析调整后的矩阵M中目标领域词汇，得到目标领域数据新的特征表示，在训数据集中得到最终分类器，对测试数据集S进行分类。
-
公开(公告)号：CN104905938B
公开(公告)日：2017-01-25
申请号：CN201510293442.4
申请日：2015-06-02
Applicant: 哈尔滨工程大学
IPC: A61H1/02
Abstract: 本发明提供一种卧式上下肢康复训练装置，包括驱动单元、机架、下肢康复单元、上肢康复单元，驱动单元包括驱动电机、减速器、离合器，下肢康复单元包括大腿支架、小腿支架、康复轮、曲柄杆、滑块导轨机构，上肢康复单元包括手把、平行四边形连杆机构，由电机驱动，减速器输出轴带动曲柄杆往复转动一个角度，往复转动的曲柄杆中的滑槽带动下肢康复机构中的滑块在滑轨中往复直线运动，从而使大腿支架和小腿支架构成的连杆机构转动带动双腿进行交替的屈伸康复训练。本发明结构简单可移动，可放在病床上使用，减轻传统康复机构带来的自身负重问题，康复形式多样，既可进行被动康复训练，也可以是主动康复训练。
-
-
公开(公告)号：CN105024751A
公开(公告)日：2015-11-04
申请号：CN201510400306.0
申请日：2015-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于编码的ACO-OFDM系统峰均比抑制方法。在发射端，对ACO-OFDM系统的输入比特流进行编码操作，然后对编码得到的信息流进行串并转换及映射，将得到的信号进行ACO-OFDM调制后发射出去；在接收端，对接收到信号进行OFDM的解调及信息位的提取，之后对信息流进行串并转换及解映射，最后对解映射得到的比特流进行译码操作得到输出比特流。本发明针对非对称限幅光OFDM通信系统内存在较高的峰均比这个问题，提出了一种简单有效的编、能够抑制系统峰均比的方法。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.052 seconds)
