-
公开(公告)号：CN117251645A
公开(公告)日：2023-12-19
申请号：CN202310900245.9
申请日：2023-07-21
Applicant: 哈尔滨工业大学
IPC: G06F16/9537 , G06F17/16 , G06F18/214 , G06N3/0455 , G06Q10/04 , G06Q50/26
Abstract: 一种基于分离注意力机制的海洋温度场时空数据生成方法，包括以下步骤：获取海洋温度场数据；根据所述海洋温度场数据，通过预先训练好的海洋温度场预测模型进行预测，得到海洋温度场预测结果；其中，所述海洋温度场预测模型的训练步骤包括：对所述海洋温度场数据进行预处理，得到层标准化的时空位置编码结果；采用分离注意力机制对所述预处理后的结果进行编码后解码；对解码后的数据进行汇总，输出海洋温度场预测结果；本发明采用分离的注意力的机制，能够更好的捕获时空的长程依赖关系，拥有比Conv‑TT‑LSTM等基于CNN和RNN的传统模型更快的训练速度，在计算资源和训练时间有限的情况下，能够实现更长周期的海洋温度场数据生成。
-
公开(公告)号：CN116861683A
公开(公告)日：2023-10-10
申请号：CN202310865004.5
申请日：2023-07-14
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F17/11 , G06F17/15 , G06F111/10
Abstract: 本发明公开了一种用于虚拟试验的环境自主服务方法，包括：试验组件通过中间件向联合试验平台发送环境服务请求；联合试验平台识别请求来源及目标，并基于请求来源及目标判断环境服务请求类型；联合试验平台基于得到的环境服务请求类型进行相应的操作，得到相应的处理数据；联合试验平台按照预设格式将处理数据发送给试验组件，完成环境自主服务过程。公开了一种用于虚拟试验的环境自主服务系统，包括依次顺序连接的：至少一个试验组件、中间件和联合试验平台。为参与装备试验的成员提供简便高效的环境自主识别服务。
-
公开(公告)号：CN116776591A
公开(公告)日：2023-09-19
申请号：CN202310725282.0
申请日：2023-06-19
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明涉及数据模拟技术领域，具体涉及一种基于ROMS的海洋环境数据生成方法及系统，方法包括：构建初始运行模型，形成ROMS模式；初始运行模型包括：地理环境模型、初始场模型、强迫场模型和边界条件模型；根据试验任务对海洋环境的需求，对试验任务进行时空拆分；自动调用运行脚本，控制ROMS模式运行，并生成相应试验任务下所需的海洋环境数据；实时显示ROMS模式的运行状态和海洋环境数据的生成进度。本发明针对虚拟装备试验对海洋数据的需求，以开源的区域海洋模式ROMS为基础，根据试验任务对环境的需求生成指定时空范围、时空分辨率的包括流场、温盐场、密度场等在内的海洋数据资源。
-
公开(公告)号：CN110717354B
公开(公告)日：2023-05-12
申请号：CN201810757826.0
申请日：2018-07-11
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/30 , G06V10/26 , G06V10/774 , G06V10/772
Abstract: 本发明公开了一种基于半监督K‑SVD与多尺度稀疏表示的超像元分类方法，首先，对高光谱图像的训练样本进行半监督K‑SVD字典学习，得到过完备字典；其次，将所述训练样本和所述过完备字典作为输入，进行超像元多尺度稀疏求解，得到训练样本的稀疏表示系数矩阵；最后，以求得的所述稀疏表示系数矩阵和所述过完备字典通过残差法和超像元投票机制得到超像元分类结果。本发明具有良好的去除椒盐噪声，丰富训练样本的能力。可以在各种样本数量条件下达到十分稳定的分类结果。本发明的提出对于解决高光谱图像分类领域的椒盐噪声问题，高维度小样本问题以及基于稀疏表示的分类算法如何有效利用空间信息上都有着十分重要的意义。
-
公开(公告)号：CN111950704B
公开(公告)日：2022-11-29
申请号：CN202010789766.8
申请日：2020-08-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于合并长短时记忆网络的大气温度数据生成方法，包括以下步骤：S1.采集空气密度数据和水蒸气浓度数据作为测试数据；S2.将测试数据输入至训练后的M‑LSTM‑AH网络模型，输出大气温度数据；其中M‑LSTM‑AH网络模型包括M个LSTM模型。本发明基于大气环境中多种参数具有物理相关性的特点，利用与温度具有较强相关性的水蒸气浓度和空气密度作为调节参数，温度作为目标参数，将这三者作为深度学习网络的输入，有效提高了大气温度数据生成方法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110347375B
公开(公告)日：2022-11-29
申请号：CN201910543959.2
申请日：2019-06-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种用于虚拟试验的资源组合式虚拟综合自然环境架构与方法，包括包括资源存储与管理子系统、综合自然环境构建子系统以及综合自然环境运行服务子系统。能够通过任意组合的方式形成虚拟试验所需要的复杂自然环境，提高了虚拟综合环境资源的生成效率和利用率。虚拟综合自然环境架构的提出补充了现有技术中复杂环境条件下虚拟试验能力的不足，提高了虚拟试验的逼真度和可信度，对装备试验领域的发展起到重要的推进作用。
-
公开(公告)号：CN115308816A
公开(公告)日：2022-11-08
申请号：CN202210700588.6
申请日：2022-06-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种多参数大气数据同步预测系统及方法，包括数据预处理模块、输入模块、多任务模型和输出模块；数据预处理模块，用于对各大气参数数据进行标准化，输入模块用于将预处理后的大气参数输入所述多任务模型，多任务模型，用于将预处理后的数据进行进一步处理和优化，所述输出模块，用于输出多任务模型的大气预测结果；多任务模型包括：LSTM单元、不对称共享层、Repeat Vector层、GRU单元、Time Distributed层和损失处理层；本发明基于同方差不确定性和拉普拉斯损失分布假设改进加权损失的方法具有更好的性能及鲁棒性，可以提高多任务模型的表征能力和每个任务的性能；基于以上损失项加权处理方法推导的损失函数可以提高大气参数预测等回归任务的性能。
-
公开(公告)号：CN110503140B
公开(公告)日：2022-04-01
申请号：CN201910735414.1
申请日：2019-08-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度迁移学习与邻域降噪的分类方法，将在源数据集上预训练的CNN浅层网络权值参数迁移至目标数据集，通过网络微调，随机初始化目标数据集网络训练的CNN深层网络权值参数，并在目标数据集上重新训练，完成基于迁移学习的高光谱图像分类，然后，再对通过迁移学习输出的高光谱图像分类的图像标记结果进行基于八邻域点众数标签的最优邻域点降噪，最终输出降噪后的图像分类结果。
-
公开(公告)号：CN110458208A
公开(公告)日：2019-11-15
申请号：CN201910672230.5
申请日：2019-07-24
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了基于信息测度的高光谱图像分类方法，包括如下步骤：应用熵和颜色匹配函数对高光谱图像中的光谱带进行初步选择；计算初步选择后光谱带之间的互信息，选择互信息最小的光谱带，完成二次选择；提取二次选择后光谱带的空谱信息；将所述空谱信息输入至CNN模型，输出分类结果与图像。本发明基于信息测度的高光谱图像分类方法有良好的分类表现，对高度相似的地物信息分类准确率高，而在样本充足数据集上的分类性能更加突出。
-
公开(公告)号：CN106446936B
公开(公告)日：2019-07-02
申请号：CN201610805497.3
申请日：2016-09-06
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法，本发明涉及空谱联合数据转波形图的高光谱数据分类方法。本发明的目的是为了解决现有数据分类正确率低、分类时间长、计算量大的问题。基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的：步骤一、对高光谱原始数据进行逐层归一化，得到归一化后的高光谱数据；对归一化后的高光谱数据进行处理，得到高光谱空谱联合数据信息；步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据。本发明用于高光谱数据分类领域。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.039 seconds)
