-
公开(公告)号：CN110110796B
公开(公告)日：2020-12-18
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：CN111627419A
公开(公告)日：2020-09-04
申请号：CN202010387814.0
申请日：2020-05-09
Applicant: 哈尔滨工程大学
IPC: G10L13/047 , G10L13/08 , G10L25/30 , G06N3/04 , G06N3/08
Abstract: 一种基于水下目标及环境信息特征的声音生成方法，它属于水声信号生成研究领域。本发明解决了利用传统特征提取方法构造出的水下目标声音信号特征字典和环境声音信号特征字典进行水声信号生成时会导致生成的水声信号的效果差，以及现有TTS声音生成模型在水声信号生成上的应用受到限制的问题。本发明结合听觉注意机制的特点，对水下目标声音信号和环境声音信号进行特征提取时将其特征显著化，提高水下目标声音信号和环境声音信号特征字典的特征准确度。将特征字典作为声音生成模型的发声字典，嵌入声音生成模型，提升了生成的水声信号的效果，本发明使TTS的应用领域从对人类语音的生成扩展到对水声信号的生成。本发明方法可以应用于水声信号的生成。
-
公开(公告)号：CN111553389A
公开(公告)日：2020-08-18
申请号：CN202010271181.7
申请日：2020-04-08
Applicant: 哈尔滨工程大学
Abstract: 一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。
-
公开(公告)号：CN110147393A
公开(公告)日：2019-08-20
申请号：CN201910435269.5
申请日：2019-05-23
Applicant: 哈尔滨工程大学
IPC: G06F16/2458
Abstract: 面向数据空间的实体解析方法，本发明涉及实体解析方法。本发明的目的是为了解决现有在数据空间中进行实体解析时，要对记录进行对比，对于不同领域的记录对，匹配概率很小，成对对比会浪费资源的问题。过程为：步骤一、构建记录图：步骤二、采用剪枝方法简化记录图；步骤三、对剪化后的记录图进行分块处理；步骤四、建立属性映射集群；步骤五、计算属性映射集的优度；步骤六、得到属性映射集群中各个映射集的优度后，在块内进行实体解析。本发明用于数据实体解析领域。
-
公开(公告)号：CN109858506A
公开(公告)日：2019-06-07
申请号：CN201810519569.7
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卷积神经网络分类结果的可视化算法，属于计算机视觉与数字图像处理技术领域。本发明在全连接层使用相关性传播算法，得到最后一层卷积层中每个神经元对最终输出结果的贡献的大小，根据其贡献计算出该卷积神经网络的类激活映射图。在得到类激活映射图之后，也就获得了最后一层卷积层中对分类结果有贡献的神经元的位置，根据提出的基于位置信息的传播算法，将卷积层中支持分类的神经元位置逐层向前重定向，直到输入层，从而得到输入图像中对输出结果有贡献的像素位置集合，最终得到可以解释卷积神经网络分类依据的可视化图像，本发明在解释卷积神经网络的分类方面具有更高的准确性，且在解释分类决策时能区分类别之间的特征。
-
Patent Agency Ranking
公开(公告)号：CN109269547A
公开(公告)日：2019-01-25
申请号：CN201810765019.3
申请日：2018-07-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于线谱的水下目标舰船检测方法，属于水下舰船的检测领域。本发明包括：初始阶段：使用卷积神经网络作为目标检测的算法，将声音文件转换成LOFAR图；在LOFAR图中进行线谱的提取，提取过程时用到的方法是动态规划的算法和多步频移的算法；检测阶段：对提取到的线谱图进行打标签并且转换成LMDB的格式；将处理好的数据送入到级联卷积的网络中，使用其中的70％进行模型的训练，其余的30％作为测试。
-
公开(公告)号：CN108876012A
公开(公告)日：2018-11-23
申请号：CN201810519625.7
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种空间众包任务分配方法，属于互联网技术领域，本发明分别设计了用于计算任务处理优先级的TPC方法、用于选择工人的WFC方法以及用于任务地点选择的MLS方法，基于这三个方法提出了一种空间众包任务分配方法，目标是在满足各种约束的条件下，保证任务分配总数以及平台收益，并最大化任务分配的总收益。
-
公开(公告)号：CN108846029A
公开(公告)日：2018-11-20
申请号：CN201810519637.X
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于知识图谱的情报关联分析方法，属于RDF知识图谱条件下情报相关性检索领域。本发明包括：数据的预处理过程，对下载的情报数据TXT文档进行解析；构建三元组情报知识库；利用IDF和信息熵加权方法，计算每一个三元组和其关键词的权重，并存储到数据库中；通过三元组相似度计算公式来计算每个三元组的相似三元组，并根据相似度进行排序；对RDF三元组进行有效存储；采用Jena TDB提供的API实现基本的SPARQL查询操作，并根据基于三元组相似度的查询方法进行查询扩展；生成查询样例，对检索结果集中根据三元组和关键词的权重进行有效排序，返回top-k结果。
-
公开(公告)号：CN105307265A
公开(公告)日：2016-02-03
申请号：CN201510523131.2
申请日：2015-08-24
Applicant: 哈尔滨工程大学
CPC classification number: H04W64/006 , H04W84/18
Abstract: 本发明属于无线传感器网络研究中的定位技术领域，具体涉及一种基于直线扫描事件及移动锚节点的定位算法。本发明包括每轮定位产生两个事件，两个事件的光束扫描角度相差90度，分别对两个事件进行一次定位；按照感知到光束的先后顺序将所有节点的ID排成一个序列称为节点序列，从节点序列中提取出锚节点序列；未知节点将每个事件得到的位置区域取交集，对得到的交集区域用质心法求未知节点的位置坐标，定位结束。本发明要求两次移动之间只取两个事件，且这两个事件的扫描角度相差π/2。LLSEMA是利用少量的外部代价换取了更加高效，更加精确的定位结果。所以LLSEMA算法相对于LLSE算法总体性能上更优。
-
公开(公告)号：CN118967482A
公开(公告)日：2024-11-15
申请号：CN202411151068.X
申请日：2024-08-21
Applicant: 哈尔滨工程大学
Abstract: 一种法兰点云数据处理及融合技术，属于工业生产技术领域。本发明解决了现有技术识别法兰中心线准确性、可靠性不高的问题。本发明以点云数据为基础，通过预处理技术、数据融合技术和RANSAC算法的应用，对噪声和干扰数据的处理能力得到显著提升，能够更精确地识别法兰的中心线，从而提高了法兰装配过程的准确性和可靠性，提升了装配效率，降低了生产成本，使装配过程中的自动化程度得到显著提升。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.038 seconds)
