-
公开(公告)号：CN109376848A
公开(公告)日：2019-02-22
申请号：CN201811017375.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种简化的门控单元神经网络，属于深度学习领域。本发明包括：对输入数据集进行数据清洗，选择经典数据集，如Iris数据集，此过程处理数据不平衡问题、归一化以及冗余数据处理问题；利用数据预处理后的数据集训练OGRU神经网络，建立预测模型；获取数据集，进行数据预处理过程，然后输入所获得的OGRU预测模型进行模型预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用OGRU建立精确高效的预测模型，解决传统方法训练时间过长问题。
-
公开(公告)号：CN109218391A
公开(公告)日：2019-01-15
申请号：CN201810778796.1
申请日：2018-07-16
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于区块链的分布式存储系统审计与去中心化的方法，属于分布式存储系统领域。提出了双链结构，所有核心节点共享数据特征链，所有超节点内部共享数据审计链：搭建采用带搅动的DHT拓扑结构的可扩展、高效率的分布式存储系统；用户利用同组织其他用户的公钥和自身私钥使用环签名算法对存储信息进行签名，对自身身份信息进行隐藏；分布式存储系统节点接收签名信息并进行验证，判断信息是否属于某一特定组织。带搅动的拓扑结构使得系统更安全，可靠。双链结构提高了扩展性、吞吐量，降低了延迟，实现了分布式存储系统的去中心化任务处理和数据一致性审计。
-
公开(公告)号：CN107632590A
公开(公告)日：2018-01-26
申请号：CN201710722267.5
申请日：2017-08-22
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于优先级的底事件排序方法，属于故障分析技术领域。包括以下步骤：对故障树进行预处理，得到简化的故障树；对已经简化的故障树进行底事件排序，将故障树转化为BDD结构之前，首先要确定底事件的排列顺序，采用本发明的基于优先级的底事件排序方法进行底事件排序；根据得到的底事件排列顺序，按照香农原理的If-Then-Else运算符将故障树转化为BDD结构；对BDD结构进行遍历，寻找BDD结构中以1为终节点的所有路径，这些路径即为故障树的割集。本发明提出一种基于优先级的底事件排序方法，通过减小BDD的规模来减小计算代价，有效降低了故障树分析方法的内存消耗，同时提高了计算效率。
-
公开(公告)号：CN107562074A
公开(公告)日：2018-01-09
申请号：CN201710607470.8
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种面向MAUVS围捕的任务分配方法；针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。
-
公开(公告)号：CN106339322A
公开(公告)日：2017-01-18
申请号：CN201610821508.7
申请日：2016-09-13
Applicant: 哈尔滨工程大学
CPC classification number: G06F11/3612 , G06N7/005
Abstract: 本发明涉及计算机软件技术领域，具体涉及一种基于HMM-ACO的软件行为预测的方法。本发明包括：(1)建立知识库；知识库包括模型参数集、可观测序列集对应的标准隐状态短序列集、判定待检测序列是否异常的阈值；(2)进行软件行为识别，得到软件运行过程中产生的待检测系统调用序列集；(3)进行软件行为预测。本发明通过研究HMM在软件行为预测方面存在应用上的缺陷，即HMM会因为参数B的问题而陷入局部最优，导致模型精度下降，建立了蚁群算法与HMM相结合的新模型HMM-ACO，有效地提高了模型的精度，进而提高了软件行为预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN106028278A
公开(公告)日：2016-10-12
申请号：CN201610289418.8
申请日：2016-05-04
Applicant: 哈尔滨工程大学
CPC classification number: H04W4/029 , H04W16/22 , H04W64/006
Abstract: 本发明公开了一种基于移动信标的分布式水下网络定位方法，属于水下无线传感器网络技术领域。1)AUV逐层移动，每隔相同时间广播发送信标信号，未知节点根据收到AUV发射信号的顺序，对其信号进行编码。2)未知节点收到的相邻路径上的信号覆盖范围的几何模型相交产生最内相交体，估计最内相交体的质心作为自身位置。本发明是一种三维分布式的定位方法，通过计算最内相交体的质心，来确定未知节点的位置。实验证明本发明有较高的节点定位准确率和节点定位覆盖率。
-
公开(公告)号：CN109491835B
公开(公告)日：2022-04-12
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
公开(公告)号：CN112434779A
公开(公告)日：2021-03-02
申请号：CN202011448649.1
申请日：2020-12-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器人任务分配技术领域，具体涉及一种基于改进蚁群算法的紧耦合任务分配方法。本发明针对现阶段蚁群算法在多机器人任务分配领域存在的问题，采用蚂蚁从任务出发寻找机器人的策略并结合随机搜索算法，为蚁群算法信息素的更新提供参考集，从而加速收敛速度并提高任务分配求解的准确性。本发明通过将随机搜索算法引入进传统蚁群算法提高了传统蚁群算法前期的收敛速度，优化了传统蚁群算法易陷入局部最优的情况，不仅有效的实现了多机器人任务分配，并且较好的避免了传统蚁群算法收敛慢、易陷入局部最优等缺点。
-
公开(公告)号：CN107609648B
公开(公告)日：2021-02-12
申请号：CN201710599192.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06N3/12
Abstract: 本发明设计了一种结合堆叠降噪稀疏自动编码器的遗传算法，主要包括堆叠降噪稀疏自动编码器部分、SOM神经网络部分和遗传算法。通过堆叠降噪稀疏自动编码器提取实时环境图像特征,同时消除环境噪声影响，经过SOM神经网络的映射拟合作为遗传算法中的适应度值，解决了传统遗传算法应用于复杂现实环境时，其固定适应度计算函数欠缺灵活性与准确性的问题，避免算法出现欺骗问题，提高了算法解的质量，同时SOM神经网络映射拟合能够有效避免其他神经网络的长时间迭代运算与输出误差问题。
-
公开(公告)号：CN107506676B
公开(公告)日：2020-11-03
申请号：CN201710722326.9
申请日：2017-08-22
Applicant: 哈尔滨工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于动态检测点和标签估计的RFID防碰撞方法，属于射频识别技术领域。其特征在于，采用样本时隙的计算方法得出部分时隙的大小，进而确定检测点在帧中的位置，使得检测点随着帧长动态的调整，同时采用采用空闲、成功和碰撞三种时隙的实际持续时间结合碰撞比率提前求出碰撞时隙与剩余标签数量的关系。具体步骤包括：阅读器激活标签然后发送选择命令选中与阅读器匹配的标签；阅读器发送请求问询命令，标签收到命令之后随机选择帧中时隙；阅读器盘存帧中时隙；在帧中检测点位置判断是否有剩余标签；判断当前帧长是否最优；继续盘存时隙直至帧的末尾，更新下一周期帧长。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.029 seconds)
