-
公开(公告)号：CN111460147A
公开(公告)日：2020-07-28
申请号：CN202010214338.2
申请日：2020-03-24
Applicant: 哈尔滨工程大学
IPC: G06F16/35 , G06F16/33 , G06F40/216 , G06F40/126
Abstract: 一种基于语义增强的标题短文本分类方法，它属于文本分类技术领域。本发明解决了现有方法对情报数据挖掘中的标题短文本分类的精确度低的问题。本发明对采集的标题短文本以及标题短文本对应的文章内容进行预处理后，将预处理后的文章内容作为样本数据的扩充语料，另外还通过特征检索的方式获得了标题短文本的扩充语料，并且利用验证集对模型参数寻优时获得的优质数据集对训练集进行更新，即本发明对标题短文本进行了CSE编码语义增强和ASE自主语义增强，通过语义增强技术对标题短文本进行分类，可以有效提高FastText分类器在短文本分类上的精确度，分类精度将有近30％的大幅度提升。本发明可以应用于短文本分类。
-
公开(公告)号：CN111001161A
公开(公告)日：2020-04-14
申请号：CN201911351336.1
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于二阶反向传播优先级的游戏策略获得方法，它属于智能化决策获取技术领域。本发明解决了在游戏策略的指挥决策过程中存在的数据利用率低以及策略质量低的问题。本发明方法结合了DPSCRM方法和BPTM方法，通过样本序列的累计奖赏值构建第一级奖赏值，可以获得高质量的策略；基于TD-error构建优先级可以反向衰减传播的第二级优先级，可以提升数据利用率。本发明可以应用于游戏策略的获取。
-
公开(公告)号：CN110919659A
公开(公告)日：2020-03-27
申请号：CN201911351334.2
申请日：2019-12-24
Applicant: 哈尔滨工程大学
IPC: B25J9/16
Abstract: 一种基于DDGPES的机器人控制方法，涉及一种机器人的控制方法，属于控制领域。本发明是为了解决现有的机器人控制方法中存在策略参数调整和均匀采样“无效”动作问题，以及Agent容易陷入局部最优的问题。本发明将机器人的控制决策系统记为智能体Agent；针对Agent，利用DQN网络进行决策，进而实现机器人进行控制。DQN网络应用中，结合DDES策略和GPES策略，GPES策略通过计算difference的值，根据Agent学习的过程动态的调整ε-greedy策略中的ε参数，以1-ε的概率执行argmaxa∈A Q(s,ai)动作，Agent以ε的概率进行探索。同时，采用DDES探索利用策略确定损失函数LD＝L-Eπ′∈Π′[αD(π,π′)]。主要用于机器人的控制。
-
公开(公告)号：CN105868336B
公开(公告)日：2019-11-29
申请号：CN201610182802.8
申请日：2016-03-28
Applicant: 哈尔滨工程大学
IPC: G06F16/242 , G06F16/2453
Abstract: 路网中面向集合的空间关键词查询方法，属于空间关键词查询技术领域。本发明的提出是为了实现对于用户的提出的空间关键词查询能够快速返回多条最佳路线供用户选择。技术要点：本发明所提出的路网中面向集合受查询方向约束的空间关键词查询给出了两种情况，即面向无主关键词的查询和主关键词优先的查询。无主关键词的查询即从查询点出发按照道路网在可查询范围内扩展查询。主关键词优先的查询，首先在可查询范围内以一种迭代替换的方式进行扩展查询直到查询到主关键词对象，若还有关键词没有被已查询到的空间对象所覆盖，则以面向无主关键词的查询方式继续进行扩展查询。分别对以上两种查询进行了实验，证明了所提方法的有效性。
-
公开(公告)号：CN110378489A
公开(公告)日：2019-10-25
申请号：CN201910695772.4
申请日：2019-07-30
Applicant: 哈尔滨工程大学
Abstract: 基于实体超平面投影的知识表示学习模型，本发明涉及知识表示学习模型。本发明的目的是为了解决现有现有的知识表示学习模型大部分都只关注知识图谱的结构化信息，仅仅利用知识三元组来学习实体以及关系的表示，却忽略了实体的文本描述中可能蕴含的一些有用信息，导致处理任务时准确率低的问题。过程为：步骤一、将实体的描述文本处理成矩阵形式；步骤二、将步骤一得到的矩阵形式的文本输入到卷积神经网络中，得到实体描述文本的特征向量；步骤三、利用步骤二得到的特征向量建立EHP模型，得到实体以及关系的最终向量表示。本发明用于自然语言处理领域。
-
Patent Agency Ranking
公开(公告)号：CN110147843A
公开(公告)日：2019-08-20
申请号：CN201910430437.1
申请日：2019-05-22
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供基于度量学习的语音时序数据相似性度量方法，属于数据分类技术领域。本发明首先获取语音时序数据；结合马氏距离和斯皮尔曼线性相关性系数计算语音时序数据的局部距离，然后使用动态时间弯曲算法得到动态时间弯曲距离的表达式；再根据PGDM度量学习框架建立以马氏矩阵为参数的损失函数；求解损失函数计算出针对当前训练集样本的马氏矩阵；最后将步骤四中求得的马氏矩阵代入动态时间弯曲距离的表达式，得到每两个语音时序数据样本的相似性度量。本发明解决了现有语音时序数据相似性度量不准确的问题。本发明可用于语音时序数据的相似性度量。
-
公开(公告)号：CN108932528A
公开(公告)日：2018-12-04
申请号：CN201810589956.8
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明公开了变色龙算法中相似性度量及截断方法，属于凝聚型层次聚类算法技术领域。变色龙在稀疏图上运行，其中节点表示数据项，加权边表示数据项之间的相似性，变色龙通过使用两阶段算法找出数据集中的簇，在第一阶段，根据数据集构造出一个k-最近邻图Gk，使用图分区算法将数据项分为几个相对较小的子集群，在第二阶段，它使用一种算法，通过重复组合这些子集群来找到真正的集群；该改进算法通过引入递归二分法、flood fill漫水填充法以及第一跳截断等对传统的变色龙聚类算法进行了改进，还提出了一种能够从修改的变色龙树状图中自动选择最佳聚类结果的方法。
-
公开(公告)号：CN108920503A
公开(公告)日：2018-11-30
申请号：CN201810519638.4
申请日：2018-05-28
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于社交网络信任度的微视频个性化推荐算法，属于计算机算法领域。步骤如下：1.利用全局信任度和局部信任的差值计算用户偏差度；2.在传统相似度的计算方法中加入置信度因素；3.利用信任对时间的依赖性，信任网络发生动态地演化；4.创建用户的相似网络和信任络组成的双网络时域演化模型；5.根据DNTDEM的建立，得到一个全新的用户信任网络；6.利用LDA模型对推荐内容进行补充；7.预测的用户应该与其的情感邻居相似，然后通过最小化误差平方值对其进行优化。本发明可以有效识别高质量的新形式的用户生成内容(UGC)，并向适当的用户进行推荐；还可以减轻其他用户主观偏见对推荐内容的影响，从而更加客观的向对象用户提供更优质的推荐内容。
-
公开(公告)号：CN108875592A
公开(公告)日：2018-11-23
申请号：CN201810519139.5
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于注意力模型的卷积神经网络优化方法。首先对水下目标的噪声数据进行分段，针对每段噪声数据提取其MFCC，其目的是将目标噪声数据变成定长的矢量化数据。然后，将得到的定长的矢量化数据按实验过程中水听器的排布位置以及其时序关系进行拼接，形成一个完整的时段水听阵特征，继而再将形成的水听阵特征转成对应的图片以作为输入数据集输入到训练网络中。本发明通过试验对模型在使用情况的结果分析以及对模型进行修改与优化，深度学习对水下目标识别识别率的得到10％‑15％的提升。
-
公开(公告)号：CN107194411A
公开(公告)日：2017-09-22
申请号：CN201710237933.6
申请日：2017-04-13
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6257 , G06K9/6269
Abstract: 本发明提供的是一种改进的分层级联的支持向量机并行化方法。通过改进的Cascade SVM算法得到了优化：首先，改进算法中c的引入，用于在层级训练过程中，衡量每一层训练中得到的模型支持向量个数的变化情况。其次，通过调整模型训练过程中的合并策略和层次结构，每层训练得到的支持向量的合并方式由两两合并，优化调整为全部合并之后再进行平均切分，这样避免了两两进行合并方式中存在过滤非边界样本不足的缺点。本发明可以保证不失分类精度的前提下，同时借助当前主流的Spark并行框架，有效地缩短模型训练时间，提高模型的训练和分类效率。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.038 seconds)
