-
公开(公告)号：CN105630882A
公开(公告)日：2016-06-01
申请号：CN201510955938.3
申请日：2015-12-18
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明针对现有近海环境监管技术存在的“发现不全面”、“缺乏对遥感数据的内容挖掘”的问题，基于多年来在卫星应用领域的研发和产业应用基础，提出了一个全面、系统、深入的基于遥感数据深度学习的近海污染物目标识别与跟踪的解决方案，该方案应用卫星遥感图像的深度学习模型、海量遥感数据分布式存储与并行处理技术和基于GPU加速的深度卷积网络并行模型，满足相关行业“全面、准确、快速”监控海洋污染物的应用需求。
-
公开(公告)号：CN103023653B
公开(公告)日：2017-03-29
申请号：CN201210524435.7
申请日：2012-12-07
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04L9/32
Abstract: 本发明公开一种低功耗的物联网安全组通信方法及装置，其方法包括：基于哈希函数和密钥树进行物联网安全组的组密钥的协商，使所述物联网安全组中的各个组员获取各自共享的组密钥；所述物联网安全组中的各个组员之间基于所述共享的组密钥进行通信并管理所述组密钥。本发明提出的一种低功耗的物联网安全组通信方法及装置，将哈希函数和密钥树结合起来，既能实现组密钥的协商通信，又能保证快速高效的实现组密钥的更新，采用黑名单技术并设计了基于投票机制的异常节点检测，提高了物联网安全组通信的灵活性和安全性。
-
公开(公告)号：CN106296425A
公开(公告)日：2017-01-04
申请号：CN201610630567.6
申请日：2016-08-03
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06Q50/01 , G06K9/6223
Abstract: 本发明提供了一种基于带权重联合非负矩阵分解的属性图聚类方法及系统，该属性图聚类方法包括构建融合拓扑关系与节点属性等特征统一目标函数及矩阵聚类：构建目标函数：该算法将拓扑关系和节点属性特征融合在统一目标函数中，并对每个属性特征进行加权；目标函数求解：通过对目标函数的求解，分解出包含拓扑关系和节点属性特征等信息的矩阵；矩阵聚类：对包含拓扑关系和节点属性特征等信息的矩阵进行聚类，然后把聚类后的结果返回给系统用户。本发明的有益效果是本发明的基于带权重联合非负矩阵分解的属性图聚类方法及系统，有效地融合了拓扑关系和节点属性等特征，并产生了更高的聚类性能。
-
公开(公告)号：CN105865613A
公开(公告)日：2016-08-17
申请号：CN201610392177.X
申请日：2016-06-03
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种海洋立体监测中的水下光学检测与成像传感方法及系统，采用光纤式多普勒弱相干干涉的水声传感器，利用声场对水折射率的改变来实现光学干涉系统中相位调控，高速线阵CCD提供的高光谱采集速度使得干涉仪对水声的实时响应得以实现；高速高分辨率的光谱解调模块对于干涉信息中的谱分析提供了有利条件，干涉解调光谱仪解调出干涉谱中的水声信息，而且0.05nm的光谱分辨率实质性地提高水声分辨率和成像效果；多尺度原位在线成像子系统能得到更为全面的水下信息，使得海洋生物的研究能取得突破性的进展。本发明的水下光学检测与成像传感系统的完善不仅为海洋研究提供极大便利，也能满足水质检测方面的产业化需求。
-
公开(公告)号：CN105488213A
公开(公告)日：2016-04-13
申请号：CN201510925927.0
申请日：2015-12-11
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明提出了一种面向LBS的基于马尔可夫预测算法的个性化推荐方法，使用Slope One算法进行数据填充，解决稀疏性问题，将Markov预测法与协同过滤推荐相结合利用对用户兴趣点的评分对情境进行分类，记录用户情境转移情况，并根据用户的情境转移情况形成一个时间观察序列，进而使用Markov预测法预测用户下一个时刻的用户的情境信息，在实际生活中，情境的地理位置对用户兴趣点的转移有着重要的影响，因此在使用协同过滤推荐相关技术计算用户情境的相似度的过程中，也充分结合地理位置对相似度的影响，从而大幅度提高了向用户推荐情景的质量，由此可见本发明改进的推荐算法相对于传统的推荐算法有着很大的优势，有助于提高推荐的质量。
-
Patent Agency Ranking
公开(公告)号：CN105578455B
公开(公告)日：2020-06-09
申请号：CN201610054770.3
申请日：2016-01-27
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明在分析了机会网络中自私节点和恶意节点异常行为的基础上，并根据机会网络非全连通、自组织等特点提出了动态信任模型。节点通过动态信任模型中的监测机制记录与其它节点的交互信息，并将记录的信息量化为节点间的直接信任度，包括满意度、健康度、连通度等。为更准确地衡量节点之间的信任程度，节点考虑自身偏好，选择性地接收其它节点的推荐信任。针对恶意节点的共谋攻击，该模型通过统计反馈消息的发送方和确认方，且不断收集其它节点推荐的反馈消息，根据反馈消息的发送方所占比例对共谋攻击节点进行检测。本发明用于处理机会网络的安全问题，同时能够降低网络高延迟，提高传输成功率。
-
公开(公告)号：CN105630882B
公开(公告)日：2019-09-20
申请号：CN201510955938.3
申请日：2015-12-18
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明针对现有近海环境监管技术存在的“发现不全面”、“缺乏对遥感数据的内容挖掘”的问题，基于多年来在卫星应用领域的研发和产业应用基础，提出了一个全面、系统、深入的基于遥感数据深度学习的近海污染物目标识别与跟踪的解决方案，该方案应用卫星遥感图像的深度学习模型、海量遥感数据分布式存储与并行处理技术和基于GPU加速的深度卷积网络并行模型，满足相关行业“全面、准确、快速”监控海洋污染物的应用需求。
-
公开(公告)号：CN106073708A
公开(公告)日：2016-11-09
申请号：CN201610387255.7
申请日：2016-06-01
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61B5/00 , A61B5/0476
CPC classification number: A61B5/72 , A61B5/0476
Abstract: 本发明提出了一种脑电信号特征提取及解释方法，采用联合流形学习在提取脑电信号特征时可以同时实现通道选择，即联合学习仅从对识别比较重要的通道提取特征。这样的特征有两方面优点：一方面可以增强特征实际意义的解释，另一方面利用联合学习对特定脑电信号进行通道选择，所得到的结果也有助于神经生物学的发展，可以帮助研究人员确认相关电位，与神经生物学的研究成果进行相互验证等。另外，本发明的通道选择与特征提取可以应用到未来的BCI系统中，克服现有BCI系统识别率低等问题，对于BCI技术的发展具有重要意义。
-
公开(公告)号：CN105740366A
公开(公告)日：2016-07-06
申请号：CN201610053718.6
申请日：2016-01-26
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种建立微博用户兴趣推理模型的方法，包括兴趣标签的模型计算、微博文本内容提取兴趣模型和博主社交关系提取博主兴趣点模型，通过模型融合策略将三个模型融合在一起，即成为最终的微博用户兴趣推理模型。本发明的方法将个人信息、微博内容和社交关系相结合，针对微博内容稀疏性问题，采用将同一个博主的所有微博进行混合的USER策略，利用LDA发掘微博隐主题，基于博主关注形成的网络提出了社会化标签传播算法，计算各种兴趣标签对博主的影响力。本发明的方法具备很好的识别能力和信息过滤能力，在推荐之前过滤掉虚假的消息，识别出虚假博主，这样即可提高了推荐系统推荐的质量和准确率，也给博主带来更好的体验。
-
公开(公告)号：CN105488213B
公开(公告)日：2019-05-24
申请号：CN201510925927.0
申请日：2015-12-11
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F16/9535
Abstract: 本发明提出了一种面向LBS的基于马尔可夫预测算法的个性化推荐方法，使用Slope One算法进行数据填充，解决稀疏性问题，将Markov预测法与协同过滤推荐相结合利用对用户兴趣点的评分对情境进行分类，记录用户情境转移情况，并根据用户的情境转移情况形成一个时间观察序列，进而使用Markov预测法预测用户下一个时刻的用户的情境信息，在实际生活中，情境的地理位置对用户兴趣点的转移有着重要的影响，因此在使用协同过滤推荐相关技术计算用户情境的相似度的过程中，也充分结合地理位置对相似度的影响，从而大幅度提高了向用户推荐情景的质量，由此可见本发明改进的推荐算法相对于传统的推荐算法有着很大的优势，有助于提高推荐的质量。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.027 seconds)
