公开(公告)号：CN114254618A

公开(公告)日：2022-03-29

申请号：CN202111525656.1

申请日：2021-12-14

Applicant: 哈尔滨工程大学

Inventor： 董宇欣 ,  闫鹏超 ,  张立国 ,  印桂生 ,  王红滨 ,  杨东梅

IPC: G06F40/20 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 基于动态路由注意力机制的视觉问答方法、存储介质及设备，属于自然语言处理技术领域。为了解决现有的引入了多层注意力的问答模型由于参数量过多，从而导致了训练时长，甚至梯度消失的问题。本发明将图像I和文本问题Q输入视觉问答模型以获得问答答案；视觉问答模型包括：对图像和文本问题进行特征提取的特征提取单元、使用动态路由的方式分别以文本问题特征、视觉特征作为参考向量和特征矩阵在图像中进行注意力权重的更新，根据注意力权重分布获取到图像中的输出向量的动态路由注意力网络单元，以及将获取到的输出向量输入到两层全连接层进行特征转换，然后通过预测层对问题的答案进行预测的答案预测单元。本发明主要用于视觉问答。

公开(公告)号：CN113988201A

公开(公告)日：2022-01-28

申请号：CN202111294685.1

申请日：2021-11-03

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  邢浩 ,  王勇 ,  周连科 ,  何鸣 ,  王念滨

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于神经网络的多模态情感分类方法，具体涉及一种基于多模态情感分类的神经网络模型的分类方法，本发明为了解决传统的情感分类方法大多针对单一类型的数据，并不能处理社交网络坏境下多模态的混合信息的问题，它包括提取待预测情感图片中的多模态数据；提取多模态数据中各单模态的原始向量；根据各模态的原始向量计算各模态的指导向量；获得各模态的重构特征向量；利用注意力机制对得到的各模态的重构特征向量进行加权平均，生成融合特征向量；将得到的融合特征向量输入至情感分类模型中，输出分类结果。本发明用于对社交网络坏境下多模态的混合信息进行情感分类，属于自然语言处领域。

公开(公告)号：CN113688792A

公开(公告)日：2021-11-23

申请号：CN202111111837.X

申请日：2021-09-22

Applicant: 哈尔滨工程大学

Inventor： 邓子涵 ,  王红滨

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种人脸识别的方法，涉及一种基于图像识别与融合的人脸预测与溯源的方法及系统，本发明为解决已有的人脸识别系统中无法对长时间未更新的人脸图像进行准确快速识别的问题，S1、采集人脸图像和身份信息在人脸图像数据库中找到对应的人脸图像；S2、对S1中的人脸图像进行预处理；S3、利用人脸预测模型对S2中的人脸图像进行特征处理；S4、判断采集的人脸图像与预测的人脸图像是否一致。S1、采集人脸图像和身份信息在人脸图像数据库中找到对应的人脸图像；S2、对S1中的人脸图像进行预处理；S3、利用人脸溯源模型对S2中预处理后的人脸图像进行特征处理，将溯源的人脸图像存入人脸图像数据库。本发明用于预测和溯源人脸，属于深度学习计算机视觉领域。

公开(公告)号：CN107871140B

公开(公告)日：2021-10-01

申请号：CN201711085758.X

申请日：2017-11-07

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  张海彬 ,  宋奎勇 ,  王红滨 ,  周连科 ,  白云鹏 ,  原明旗 ,  王勇军 ,  陈田田 ,  何茜茜

IPC: G06K9/62

Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。

公开(公告)号：CN107562778B

公开(公告)日：2021-09-28

申请号：CN201710599251.X

申请日：2017-07-21

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  冯梦园 ,  何鸣 ,  王念滨 ,  尹新亮 ,  顾正浩 ,  苏畅 ,  童鹏鹏 ,  曾庆宇 ,  张海彬

IPC: G06F16/2458 ,  G06F16/26

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：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

Inventor： 周连科 ,  王红滨 ,  王念滨 ,  曾庆宇 ,  崔琎

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

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：CN111709251A

公开(公告)日：2020-09-25

申请号：CN202010537236.4

申请日：2020-06-12

Applicant: 哈尔滨工程大学 ,  牡丹江师范学院

Inventor： 王福刚 ,  王红滨 ,  周连科 ,  陈田田 ,  张梅恒

IPC: G06F40/30 ,  G06F40/289 ,  G06F40/216 ,  G06F16/35 ,  G06K9/62

Abstract: 兼具通用语义及领域语义的形式概念相似性快速度量方法，主要用于利用FCA方法进行文本信息检索中的形式概念相似性快速度量，属于信息检索技术领域。为解决现有形式概念相似性判断方法无法包含数据集所涵盖的领域信息问题以及计算内涵语义相似性的过程过于复杂等问题。本发明通过数据集的主题聚类，统计各个词共属类别的次数；利用概念格成员的属性频率和逆概念频率求取基于成员的重要性的两个概念相似性；内涵中每个属性使用基于公共语料的词向量表示，并取其均值作为内涵向量；使用各个词共属类别的次数修正内涵向量的相似性，获得两内涵包含通用和领域语义的相似性；综合基于成员重要性的相似性和内涵语义相似性，得到两个形式概念的相似性。

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

Inventor： 王红滨 ,  沙忠澄 ,  何鸣 ,  王念滨 ,  周连科 ,  张毅 ,  何茜茜

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：CN105868315B

公开(公告)日：2020-09-04

申请号：CN201610179681.1

申请日：2016-03-25

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  印桂生 ,  刘红丽 ,  陈晓龙 ,  冯梦园 ,  张玉鹏 ,  刘广强 ,  杨楠 ,  徐琳 ,  李华峰

IPC: G06F16/958 ,  G06Q50/00

Abstract: 一种基于遗忘规律的社会网络信息传播方法，本发明涉及基于遗忘规律的社会网络信息传播方法。本发明的目的是为了解决现有技术没有考虑到影响力会随时间而不断衰减、没有考虑到人们第一次接收信息与之后每次接收信息的不同反应的问题。具体过程为：一：设置初始的激活节点集合S；二：在时间tx时，激活态节点对未激活态邻居节点v进行激活；三：如果未激活态邻居节点v被激活成功，那么在tx+1时刻，未激活态邻居节点v转变为激活状态，并尝试激活其邻接的未激活节点x；否则未激活态邻居节点v不发生变化；四：重复执行二和三，直到不存在有未扩散的激活节点，传播过程结束。本发明应用于网络信息传播领域。

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

Inventor： 王念滨 ,  柳杨 ,  张耘 ,  王红滨 ,  周连科 ,  张毅 ,  厉原通

IPC: G06K9/62 ,  G06N5/00 ,  G06N3/04

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。