公开(公告)号：CN111008674B

公开(公告)日：2022-05-03

申请号：CN201911351335.7

申请日：2019-12-24

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  王勇军 ,  何鸣 ,  张耘 ,  王念滨 ,  周连科 ,  张毅

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

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：CN111553462A

公开(公告)日：2020-08-18

申请号：CN202010270530.3

申请日：2020-04-08

Applicant: 哈尔滨工程大学

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

IPC: G06N3/04

Abstract: 一种类激活映射方法，它属于类激活映射图生成研究技术领域。本发明解决了由于梯度的不稳定性，导致以梯度为权重生成的类激活映射图质量受到影响的问题。本发明将AlexNet模型中最后一层卷积层得到的激活图还原为输入图像大小，通过类似掩膜的处理方式，但不同的是将原始输入图像的像素值与还原同等尺寸大小的激活图中对应像素值进行点乘操作，再将生成的掩膜图像样本输入到AlexNet模型中，经过Softmax函数得到各个掩膜图像样本的值，将得到的掩膜图像样本的值作为对应激活图的权重值。再将还原同等尺寸大小的激活图与权重进行线性加权，得到最终的Acc-CAM类激活映射图。本发明可以应用于生成类激活映射图。

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

Inventor： 王红滨 ,  王勇军 ,  张耘 ,  何鸣 ,  王念滨 ,  周连科 ,  张毅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01S1/72

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。