-
公开(公告)号：CN111709301A
公开(公告)日：2020-09-25
申请号：CN202010435770.4
申请日：2020-05-21
Applicant: 哈尔滨工业大学
Abstract: 本发明的一种冰壶球运动状态估计方法，属于人工智能与图像处理领域。步骤一：建立冰壶球数据集，训练冰壶球目标检测网络和转角检测网络；步骤二：采用训练好的冰壶球目标检测网络对冰壶球比赛视频序列进行检测，获取冰壶球边界框信息；步骤三：将冰壶球边界框信息取出，初始化冰壶球目标跟踪网络，在后续视频帧中持续跟踪冰壶球目标，获得冰壶球的中心坐标；步骤四：根据冰壶球边界框信息，将该冰壶球从原始图像中截取出来，送入训练好的转角检测网络进行转角提取；步骤五：通过坐标转换，将图像坐标系下的冰壶球的中心坐标和转角转换为冰壶赛场上的冰壶球坐标和转角。本发明对冰壶球状态和把手转角的估计结果更为准确。
-
公开(公告)号：CN119834866A
公开(公告)日：2025-04-15
申请号：CN202510030858.0
申请日：2025-01-08
Applicant: 哈尔滨工业大学
IPC: H04B7/185 , H04L41/044 , H04L41/0895 , H04L41/122 , H04L41/16 , H04L41/40 , H04W28/24 , G06N3/092
Abstract: 本发明涉基于深度强化学习的SDN/NFV卫星网络动态SFC部署方法，所述方法包括如下步骤：S1、构建三层SDN/NFV卫星网络架构：搭建具有应用管理层‑控制层‑数据转发层的卫星网络架构，使用虚拟拓扑模式实现动态网络映射；S2、定义SFC部署问题建模：将SFC部署问题以MDP建模，同时在定义中加入对SFC约束的限制，部署面向SFC的QoS约束及QoE进行综合优化；S3、通过动态部署决策算法求解最优部署方法：针对SFC动态部署问题提出基于深度强化学习的编排方法，其具有捕捉网络环境状态变化序列能力，在满足SFC的QoS约束下最大化QoE，实现最优动态VNF部署。本发明将多种网络指标进行计算，同时在MDP建模中考虑到SFC链部署的资源约束性质，在传统的奖励机制中为不同的约束条件分配了惩罚项，实现了面向SFC的QoS约束以及QoE体验的综合优化。
-
公开(公告)号：CN119669933A
公开(公告)日：2025-03-21
申请号：CN202411736044.0
申请日：2024-11-29
Applicant: 哈尔滨工业大学
IPC: G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于注意力机制的小气候预测方法、系统、设备及介质，包括：获取待预测区域的气象数据，所述气象数据包括待预测区域的历史本地气象数据及周边气象站预报信息；将所述气象数据输入气候预测模型中进行预测分类，得到气候预测数据，其中，所述气候预测模型包括依次连接的特征提取模块、残差连接模块、归一化模块和预测模块，所述特征提取模块包括并行设置的长短期记忆网络模块和注意力模块。本发明所述技术方案能够扩展至其他气象要素的预测，且能够提升预测的准确率。
-
公开(公告)号：CN114966902B
公开(公告)日：2024-12-24
申请号：CN202210533045.X
申请日：2022-05-16
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于神经网络的降雨量自动估测方法及系统，其中，该方法包括利用算法提取雷达反射率与地面降雨观测站点的时空对应数据；利用神经网络算法对提取的数据进行训练，更新权重，估测降雨量；通过使用加权的损失函数优化神经网络算法，使模型提高对中雨、大雨、暴雨的估测能力；通过各节点权重计算输出，估测得到降雨量具体值；该方法有效解决了现有经验公式在多种假设下推导得出，导致降雨量的估计准确率低，以及对中雨、大雨、暴雨的估测准确率更低的技术问题，满足了自动化的要求，同时提高了降雨量的估测精度。
-
公开(公告)号：CN119087476A
公开(公告)日：2024-12-06
申请号：CN202411291267.0
申请日：2024-09-14
Applicant: 哈尔滨工业大学
Abstract: 本发明的基于多普勒定位的低轨道卫星分段误差补偿的定位解算方法，包括如下步骤：S1、将低轨道卫星时钟偏差作为未知数的、结合伪距和伪距率测量的多普勒定位模型，补偿无法估计的低轨道卫星时钟偏差；S2、利用分段误差补偿多普勒定位解算方法，为低轨道卫星定位方程提供误差补偿，消除低轨道卫星定位中的常见误差。本发明提出的多普勒测量定位模型，考虑了LEO卫星时钟偏差、接收机时钟偏差和接收机频率偏移的影响，结合了伪距和伪距率测量两种定位模型。本发明将LEO卫星的时钟偏差视为方程中的未知数，以补偿接收信号时无法估计时钟偏差对LEO卫星定位精度的影响。
-
Patent Agency Ranking
公开(公告)号：CN118883462A
公开(公告)日：2024-11-01
申请号：CN202410934247.4
申请日：2024-07-11
Applicant: 哈尔滨工业大学
IPC: G01N21/25 , G01N21/3563 , G01N21/359 , G01N21/95 , G06V20/17 , G06V10/20 , G06V10/10 , G06N20/20 , G06N5/01 , G06V10/764 , B64C39/02 , G01N21/17
Abstract: 本发明公开了一种农作物病虫害监测模型的构建方法，包括以下步骤：1)对农作物冠层进行无人机多视角多光谱影像数据采集；2)对采集到的所述无人机多视角多光谱影像数据分别进行预处理，包括影像拼接、几何校正、辐射校正和冠层提取；3)采用随机森林算法提取农作物区域；4)对步骤3)中提取得到的农作物区域，基于对农作物病虫害敏感的波段，采用不同代数组合的方式计算对病虫害敏感的光谱指数；5)采用随机森林算法，利用平均下降基尼系数评估步骤4)中的不同观测角度的各光谱指数在病虫害监测中的重要性；6)采用前向选择算法确定不同观测角度最优的光谱指数组合；7)采用随机森林算法构建农作物病虫害监测模型。
-
公开(公告)号：CN115022923B
公开(公告)日：2024-09-17
申请号：CN202210467159.9
申请日：2022-04-29
Applicant: 哈尔滨工业大学
IPC: H04W28/06
Abstract: 本发明是一种Wi‑Fi到ZigBee的高性能并发通信方法。本发明涉及无线通信技术领域，本发明通过建立WiFi发送端到不同ZigBee接收端的可用仿真帧，设计了WiFi到ZigBee的并行通信协议，不仅实现了较高的通信可靠性，而且大大提高了传输的并发性。本发明提出了两种先进的物理层CTC来提高现有解调质量，并从WiFi到ZigBee中选择候选仿真帧。然后，提出了一种从候选仿真帧中选择非干扰帧的算法，以便新协议可以使用此类代码进行并行通信。使用从WiFi到ZigBee的PCTC，WiFi发送器可以同时将多个信号传输到不同的ZigBee设备，并实现了高信噪比。
-
公开(公告)号：CN112580550B
公开(公告)日：2024-09-06
申请号：CN202011556291.4
申请日：2020-12-24
Applicant: 康佳集团股份有限公司 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06V40/20 , G06V40/10 , G06V20/52 , G06V10/764 , G06Q10/04 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种利用人机物时空交互关系的用户意图预测方法及装置，所述方法包括：获取图像数据，对所述图像数据进行检测，确定所述图像数据中包含的对象以及所述对象对应的边框信息和标签信息；根据所述对象以及所述对象对应的边框信息和标签信息确定人和对象间的交互关系信息以及人和对象间的空间关系信息；根据所述人和对象间的交互关系信息、所述人和对象间的空间关系信息分别对用户的动作和场景进行预测，以实现对用户意图的预测。本发明在实施时不需要对场景进行限定，可以应用于多个场景或者变化的场景下对下一步场景及人可能的动作进行预测，有效解决了现有技术中无法对多个场景下或者变化场景下的用户意图进行预测的问题。
-
公开(公告)号：CN116563706B
公开(公告)日：2024-05-17
申请号：CN202310508864.3
申请日：2023-05-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0442 , G06N3/049 , G06N3/08 , G06V10/74
Abstract: 一种针对多光谱图像反射率多特征的作物产量估计方法，涉及农作物生产技术领域，针对现有技术中产量估计方法不能充分的利用原有多光谱图像的信息，使得产量估计模型的能力受到限制，并直接导致最终产量估计的精准度低的问题，本申请通过利用多光谱图像各波段反射率的多种特征，能够更充分高效的利用多光谱图像数据的信息，也同时避免了植被指数公式选取难和植被指数公式选取不当导致的估产结果不准确的问题。提升产量估计的精准度。
-
公开(公告)号：CN111738298B
公开(公告)日：2023-09-12
申请号：CN202010461049.2
申请日：2020-05-27
Applicant: 哈尔滨工业大学
IPC: G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深宽可变多核学习的MNIST手写数字数据的分类方法。步骤1：MNIST手写数字数据集的准备；步骤2：数据集分类的算法结构；步骤3：将步骤2的DWS‑MKL算法使用SVM作为分类器进行数据第一次分类；步骤4：将步骤3中将数据进行第一次分类后，进行核参数学习；步骤6：利用上述步骤进行数据训练；步骤7：使用步骤6训练获得的分类模型处理测试集数据并获得算法的分类准确率。本发明充分发挥核方法的非线性映射能力，根据数据灵活改变结构并使用leave‑one‑out误差界优化参数，提高了方法的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.05 seconds)
