-
公开(公告)号：CN111460932A
公开(公告)日：2020-07-28
申请号：CN202010188704.1
申请日：2020-03-17
Applicant: 哈尔滨工程大学
Abstract: 基于自适应卷积的水声信号分类识别方法，本发明涉及水声信号分类识别方法。本发明的目的是为了解决现有模型对特征提取能力不足导致分类准确率低的问题。过程为：一、建立自适应卷积神经网络模型；二、将带标签的水声信号分为训练集和测试集；将训练集输入模型，对模型进行训练，得到预训练好的自适应卷积神经网络模型；将测试集输入预训练好的模型，若测试准确率大于等于85％，则认为模型为最终训练好的模型；否则对模型参数进行调整，并再次利用训练集进行模型训练；直到获得训练好的模型。三、将待测试的水声信号输入训练好的自适应卷积神经网络模型，完成对水声信号的分类识别。本发明用于水声信号分类识别领域。
-
公开(公告)号：CN110134803A
公开(公告)日：2019-08-16
申请号：CN201910415146.5
申请日：2019-05-17
Applicant: 哈尔滨工程大学
IPC: G06F16/51 , G06F16/583
Abstract: 基于哈希学习的图像数据快速检索方法，涉及图像数据快速检索方法，属于数据检索技术领域。为了解决现有模型在哈希码生成阶段使用多次松弛会使模型在训练阶段负反馈过程出现偏差的问题。本发明的深度哈希模型包含五个卷积-池化层、两个全连接层、特征层、哈希层和输出层；并基于三元组约束进行训练，得到训练好的深度哈希模型后，利用深度哈希模型建立样本库，样本库由图像样本及对应的哈希码构成；针对查询图像，利用训练好的深度哈希模型生成查询图像的哈希码；利用查询图像的哈希码与图像样本库进行检索。本发明适用于图像数据检索。
-
公开(公告)号：CN112464673B
公开(公告)日：2023-05-26
申请号：CN202011431776.0
申请日：2020-12-09
Applicant: 哈尔滨工程大学
IPC: G06F40/30 , G06F40/216
Abstract: 融合义原信息的语言含义理解方法，属于语言信息处理技术领域。为了解决现有的语言建模方法存在复杂度较高的问题和不能兼顾效果的问题。本发明所述方法首先将语言以每个单词为单位，按照两条路径进行处理；左路径：单词编码器+RNN+单词解码器，左路径输出记为wl；右路径：义原编码器+RNN+义原解码器+词语解码器+sigmoid，右路径输出记为wr；然后将两个路径的输出进行融合。主要用于语言含义理解。
-
公开(公告)号：CN111766901B
公开(公告)日：2022-10-04
申请号：CN202010713170.X
申请日：2020-07-22
Applicant: 哈尔滨工程大学
IPC: G05D1/12
Abstract: 多无人机协同目标分配攻击方法，属于多无人机协同目标分配的技术领域，解决了现有多无人机协同目标分配作战时，由于环境影响，造成目标攻击准确率低的问题，本发明针对多个无人机在复杂的约束条件下对多个目标进行攻击作战任务，将模型分为两个作战阶段，第一部分无人机从同一地点出发到达已知无人机攻击区域，考虑时间代价和航程代价。到达指定攻击地点后，根据建立的优势攻击函数，以及考虑航程、时间、威胁、收益等代价综合考虑，合理分配目标，以寻找最佳的攻击位置，达到理想的攻击效果。本发明适用于多无人机协同攻击多目标。
-
公开(公告)号：CN113298184A
公开(公告)日：2021-08-24
申请号：CN202110687034.2
申请日：2021-06-21
Applicant: 哈尔滨工程大学
Abstract: 用于小样本图像识别的样本抽取、扩充方法及存储介质，属于图像处理技术领域。为了解决针对于小样本图像识别过程中采用生成新样本的方式中存在的可能导致的生成错误样本的问题。本发明首先提出了一种基于特征重构的样本抽取方法来解决小样本数据集特征缺失的问题，从数据特征的角度实现了大样本数据集中抽取出一个典型小样本数据集。该方法将大样本数据的质心作为抽取度量的标准，使得抽取出的典型小样本数据集具有更全面的特征，效果更稳定。本发明还提出了基于变形信息的样本扩充方法，利用最优划分中同类异簇的数据间变形信息实现了将抽取出的典型小样本数据集扩充成新的大样本数据集。主要用于小样本图像识别的样本抽取及扩充。
-
Patent Agency Ranking
公开(公告)号：CN110134803B
公开(公告)日：2020-12-11
申请号：CN201910415146.5
申请日：2019-05-17
Applicant: 哈尔滨工程大学
IPC: G06F16/51 , G06F16/583
Abstract: 基于哈希学习的图像数据快速检索方法，涉及图像数据快速检索方法，属于数据检索技术领域。为了解决现有模型在哈希码生成阶段使用多次松弛会使模型在训练阶段负反馈过程出现偏差的问题。本发明的深度哈希模型包含五个卷积‑池化层、两个全连接层、特征层、哈希层和输出层；并基于三元组约束进行训练，得到训练好的深度哈希模型后，利用深度哈希模型建立样本库，样本库由图像样本及对应的哈希码构成；针对查询图像，利用训练好的深度哈希模型生成查询图像的哈希码；利用查询图像的哈希码与图像样本库进行检索。本发明适用于图像数据检索。
-
公开(公告)号：CN111476321A
公开(公告)日：2020-07-31
申请号：CN202010420676.1
申请日：2020-05-18
Applicant: 哈尔滨工程大学
Abstract: 基于特征加权贝叶斯优化算法的空中飞行物识别方法涉及一种空中飞行物识别方法。本发明是为了解决现有的空中飞行物的识别方法存在的准确率较低的问题。本发明通过对空中飞行物的特征数据分布情况进行分析，将特征重叠部分的分布情况中分布跨度和分布密度作为特征的权值计算依据，将其作为朴素贝叶斯识别模型的输入特征的权重，进而基于特征加权贝叶斯优化算法的结果实现空中飞行物的识别。主要用途飞行物的识别。
-
公开(公告)号：CN111008674A
公开(公告)日：2020-04-14
申请号：CN201911351335.7
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于快速循环单元的水下目标探测方法，涉及水下声纹特征提取技术领域，针对现有技术中的水下目标探测技术存在探测精度低的问题，本发明在对水声信号样本分帧后的片段完成特征提取和特征选择后，将这些特征按时间顺序排列，从而得到由特征组成的时序数据，并利用循环神经网络对时序数据进行处理，以此提高了水下目标探测的准确率并减少了误报率。
-
公开(公告)号：CN111460932B
公开(公告)日：2022-06-21
申请号：CN202010188704.1
申请日：2020-03-17
Applicant: 哈尔滨工程大学
Abstract: 基于自适应卷积的水声信号分类识别方法，本发明涉及水声信号分类识别方法。本发明的目的是为了解决现有模型对特征提取能力不足导致分类准确率低的问题。过程为：一、建立自适应卷积神经网络模型；二、将带标签的水声信号分为训练集和测试集；将训练集输入模型，对模型进行训练，得到预训练好的自适应卷积神经网络模型；将测试集输入预训练好的模型，若测试准确率大于等于85％，则认为模型为最终训练好的模型；否则对模型参数进行调整，并再次利用训练集进行模型训练；直到获得训练好的模型。三、将待测试的水声信号输入训练好的自适应卷积神经网络模型，完成对水声信号的分类识别。本发明用于水声信号分类识别领域。
-
公开(公告)号：CN111865932B
公开(公告)日：2022-04-12
申请号：CN202010611789.X
申请日：2020-06-30
Applicant: 哈尔滨工程大学
Abstract: 基于上下文关联注意力机制和简化LSTM网络的入侵检测方法，涉及网络安全技术领域，针对现有技术中入侵检测系统检测准确率低的问题，由于网络入侵流量数据具有一定的时序性和特征冗余性，因此本发明采用上下文关联注意力机制(CCAM，Contextual Connection Attention Mechanism)和简化LSTM网络(SLSTM，Simplify Long Short‑Term Memory Network)的入侵检测方法，不仅能够过滤或弱化检测数据的冗杂信息，增加数据的上下文联系，还能提取关键数据信息，提高训练速度，增强入侵行为检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.031 seconds)
