-
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
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：CN113312058A
公开(公告)日：2021-08-27
申请号：CN202110690580.1
申请日：2021-06-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于区块链智能合约安全检测技术领域，具体涉及一种智能合约二进制函数的相似性分析方法。本发明包括反编译的字节码，生成EVM指令及相应的参数；根据反编译后的EVM指令重建控制流图CFG；将一个合约的CFG划分为若干二进制函数，并且为CFG中的边确定时序关系；提取特征值和图结构；设计了一种基于时序聚合图结构的模型，比较聚合后的图结构可以得出两个二进制函数的相似性。本发明直接对合约的字节码进行研究，不仅能处理大部分缺少源代码的合约，也能使用一些源码层面没有的隐藏信息。
-
公开(公告)号：CN113222960A
公开(公告)日：2021-08-06
申请号：CN202110584110.7
申请日：2021-05-27
Applicant: 哈尔滨工程大学
Abstract: 基于特征去噪的深度神经网络对抗防御方法、系统、存储介质及设备，属于基于图像的深度学习对抗样本防御领域。为了解决目前使用空间域滤波进行特征去噪的对抗样本防御方法存在去噪不彻底的问题，进而导致对抗样本防御效果不佳的问题。发明设计含有至少一个特征去噪模块的神经网络模型，所述的特征去噪模块包括1x1卷积、残差连接单元和去噪操作单元，去噪操作先对模型中间层特征图进行离散小波变换，将有用信息和噪声信息进行分离，然后对包含噪声信息的高频分量进行频率域滤波和空间域滤波相结合的去噪处理，最后再重构特征图。本发明的方法在对抗训练下，可以显著提升面对对抗样本攻击时的对抗鲁棒性。主要用于图形的深度神经网络对抗防御。
-
Patent Agency Ranking
公开(公告)号：CN111161089A
公开(公告)日：2020-05-15
申请号：CN201911405674.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
IPC: G06Q50/00
Abstract: 基于COPRA的重叠社区划分方法，涉及计算机领域，针对现有技术中社交网络划分算法存在划分结果不稳定，随机性强，导致算法结果的准确性低的问题，本发明针对COPRA算法的不稳定性和随机性进行了改进。首先引入信息熵概念，提出直接节点、间接节点概念，然后通过获取节点的节点熵，并根据每个节点熵总和对节点标签更新进行排序，减少标签更新的随机性。随后提出标签价值概念，主要从节点对标签的从属系数、拥有该标签节点的熵总和、节点的度三点进行综合考虑，提出了标签价值计算公式，并给出了算法的执行过程。本发明能够发现复杂的社会网络中的重叠社区结构，并且挖掘社区结果较好、准确性高。
-
公开(公告)号：CN110991728A
公开(公告)日：2020-04-10
申请号：CN201911191064.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种打车平台中补偿激励的任务分配方法领域。所述方法包括如下步骤：任务发布者向打车平台发布打车任务并提供打车任务酬金；打车平台预测以打车任务位置为圆心的半径内接受任务的司机人数期望；在任务发布范围内的司机收到任务后选择是否接受任务，接受任务的司机提交接受任务申请给平台；打车平台收到接受任务司机的申请后，将这些司机作为任务候选者发送给打车任务发布者；任务发布者可以根据自身的需求从平台提供的候选者中选择一个合适的司机接受任务；任务完成后，平台支付任务报酬。本发明能够将任务指定到接受任务意愿较高的司机人群中，打车任务会发布到离打车任务更近范围内的司机，使得任务能够在更近的范围内被接受。
-
公开(公告)号：CN110942473A
公开(公告)日：2020-03-31
申请号：CN201911214360.0
申请日：2019-12-02
Applicant: 哈尔滨工程大学
IPC: G06T7/246
Abstract: 本发明属于运动目标跟踪检测技术领域，具体涉及一种基于特征点网格化匹配的运动目标跟踪检测方法。本发明通过先提取运动目标和待检测目标的特征点进行匹配，然后划分网格并统计特征点落于网格的位置，再根据网格中的特征点找到运动目标在待检测图像中的位置。本发明将运动的平滑性限制转换成去除错误匹配的数据测量，利用特征点正确匹配对周围比错误对周围有更多的支持点对，筛选剔除错误点对，大大提高了特征点匹配的正确率，从而提升了目标检测的准确度。本发明可用于解决由于运动的平滑性限制而造成的运动目标检测困难问题，本发明能够迅速剔除错误的匹配，提高匹配的稳定性，从而迅速定位运动目标的位置。
-
公开(公告)号：CN106878174A
公开(公告)日：2017-06-20
申请号：CN201710168140.3
申请日：2017-03-21
Applicant: 哈尔滨工程大学
IPC: H04L12/721 , H04L12/24 , H04L12/58 , G06Q50/00
Abstract: 本发明提供的是一种基于中介中心性的网络传播节点影响力发现方法。遍历任意两点间的最短路径，获得路径集合δij；对路径P中的每一个节点u计算DBC(u)ij,以及Loc(u)ij；遍历所有路径结束后在遍历图中每一个节点u，计算DLBC，并将所有节点的DLBC值从大到小排列；输出整个DLBC排序后的数组。本发明充分发挥了传统中介中心性能够度量节点全局影响力的优势，并且通过对加入衰减因子以及节点重要程度因子，在节点全局影响里度量上的精度得以提高。通过将距离节点最短路径长度小于等于L的节点数量与总体节点数量的比值，作为节点在局部影响力的度量，作为对节点全局影响力的补充，形成了节点综合影响力。
-
公开(公告)号：CN103246706A
公开(公告)日：2013-08-14
申请号：CN201310121194.6
申请日：2013-04-09
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及的是道路网络空间中车辆对象移动轨迹聚类的方法。本发明包括：将移动对象的数据属性分为静态属性和动态属性；在离散时刻对移动对象的位置进行采样存储，并定义兴趣点、路网空间；在离散时刻对采样节点之间的轨迹进行还原；将移动对象轨迹作为一个点集进行刻画；计算两条轨迹间的距离；把描述对象相异性的区间标度变量的度量值转换为无单位的值；计算两条轨迹间的时间距离；对于车辆对象移动轨迹进行相似性转化；对进行过相似性转化的轨迹初始聚类；对经过初始聚类的轨迹聚类簇进行增量聚类。本发明提出的方法对移动对象进行处理，并和已有算法比较，在保证正确聚类结果的基础上，提高了算法的运行效率。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.066 seconds)
