-
公开(公告)号：CN117971963A
公开(公告)日：2024-05-03
申请号：CN202311495352.4
申请日：2023-11-04
Applicant: 哈尔滨工程大学 , 海南俊码数据研究院有限公司 , 哈尔滨工程大学三亚南海创新发展基地
Inventor： 王小芳 , 江源富 , 蔡成涛 , 王巍 , 吴艳霞 , 李承国 , 程雪蕾 , 陈征平 , 毕晓燕 , 向雅倩 , 江永佳 , 王宇华 , 潘海为 , 刘成刚 , 于金峰 , 张可佳
IPC: G06F16/27 , G06F16/25 , G06F16/23 , G06Q10/101 , G06Q10/0639 , H04L67/1095
Abstract: 本申请公开了一种私域分布式数据协同装备，其中，装备包括若干数据协同装置，包括：协同模型规约解析模块、协同数据包生成模块和协同数据包处理子系统；所述协同模型规约解析模块用于解析协同规则模型文件，读取协同组织、协同业务、协同系统和数据协同规则，并生成协同规则文件；所述协同数据包生成模块用于将单次协同数据打包，生成若干协同数据包，并将若干所述协同传输至另一个所述数据协同装置；所述协同数据包处理子系统用于对所述协同数据包进行验证、读写，得到具体数据项信息。本申请协同的全过程安全可控，可有效控制外部攻击、数据篡改、非授权访问等风险。
-
公开(公告)号：CN117539958A
公开(公告)日：2024-02-09
申请号：CN202311498308.9
申请日：2023-11-04
Applicant: 哈尔滨工程大学 , 海南俊码数据研究院有限公司 , 哈尔滨工程大学三亚南海创新发展基地
Inventor： 王小芳 , 江源富 , 蔡成涛 , 王巍 , 吴艳霞 , 李承国 , 程雪蕾 , 陈征平 , 毕晓燕 , 向雅倩 , 江永佳 , 王宇华 , 潘海为 , 刘成刚 , 于金峰 , 张可佳
IPC: G06F16/27 , G06F16/25 , G06F16/23 , G06Q10/101 , G06Q10/0639 , H04L67/1095
Abstract: 本申请公开了一种私域分布式数据协同方法与系统，方法包括：以不同组织为主体进行协同资源梳理；基于梳理后的组织间数据协同业务进行协同规则定制；根据协同规则实现协同绩效的定制，实现数据协同。本申请支持节点全异构系统间的数据按需协同建模；支持协同业务需求变化快速按需完成规则建模，实现协同业务需求日迭代响应；支持协同生态持续扩展，支持向多级协同主体深度拓展；支持可量化的协同绩效建模。
-
公开(公告)号：CN116152099A
公开(公告)日：2023-05-23
申请号：CN202310106734.7
申请日：2023-02-13
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G06T5/10 , G06T7/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种分割指导自监督型SAR图像去噪方法，获取待去噪SAR图像，输入预先训练的自监督去噪网络，其中自监督去噪网络由带有噪声SAR图像生成的训练数据训练得到，自监督去噪网络训练方法为：训练数据输入自监督去噪网络，输出去噪SAR图像并通过去噪‑分割连接网络输入SAR图像语义分割网络，输出语义分割标签；构建自监督去噪损失和语义分割损失构成的联合训练损失对自监督去噪网络、采用卷积小波变换的去噪‑分割连接网络和SAR图像语义分割网络进行联合训练，得到训练后的自监督去噪网络；输出去噪SAR图像。本发明实现自监督SAR图像去噪并同时通过感知语义信息而充分保留SAR图像的地物细节特征。
-
公开(公告)号：CN107203468B
公开(公告)日：2020-09-25
申请号：CN201710258269.3
申请日：2017-04-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于AST的软件版本演化对比分析方法。通过Unix的Diff命令对两个软件版本源码进行比对分析，将变化的源码分为三种源码块；通过语法分析器获取两个软件版本源码的AST信息，分析获取每一种源码块的每一行代码对应的AST信息；通过将获取的语法结点信息组合成一个组合信息，将标识一样的相邻代码行组合成模块；通过以模块为单位对比分析两个源码块的标识信息，根据模块演化情况进行分类分析，使用预处理、二次处理方法处理各种演化情况，并将演化信息存入数据库中，并转换成HTML代码。本发明和其他软件版本演化对比分析方法相比，能提高获取演化信息的准确率，并能提高软件版本演化分析的效率。
-
公开(公告)号：CN111398832A
公开(公告)日：2020-07-10
申请号：CN202010197415.8
申请日：2020-03-19
Applicant: 哈尔滨工程大学
IPC: G01R31/387 , G01R31/396 , G01R31/367 , G06K9/62
Abstract: 一种基于ANFIS模型的公交车电池SOC预测方法，它属于公交车电池SOC预测技术领域。本发明解决了现有方法对电池SOC预测的误差大，预测的准确率低的问题。本发明首先确定电压、电流、平均温度和电池组内最大电压差为模型输入，其次，采用密度函数对样本加权的方式优化FCM算法目标函数与聚类中心的计算，并通过模拟遗传退火算法得到FCM聚类结果，并最终建立ANFIS模型；然后采用基于粒子分布情况调整惯性权重的PSO算法进行ANFIS参数寻优；最后通过实际公交车的电池数据对模型进行评估。通过本发明方法可以有效减小电池SOC预测的误差，提高SOC预测的准确率。本发明可以应用于公交车电池SOC预测。
-
Patent Agency Ranking
公开(公告)号：CN110633285A
公开(公告)日：2019-12-31
申请号：CN201910917374.2
申请日：2019-09-26
Applicant: 哈尔滨工程大学
IPC: G06F16/22 , G06F16/2458 , G06F21/62
Abstract: 本发明公开了一种满足差分隐私的不确定数据频繁项集挖掘方法，所述方法包括以下步骤：步骤1：计算频繁1-项集候选集，去掉非频繁项，使事务中项按支持度降序排列；步骤2：根据预处理后数据集生成UFP-tree树形结构的同时将隐私预算分配到UFP-tree树形结构节点中；步骤3：采用递归与枚举结合的方式从UFP-tree树形结构中挖掘频繁项集，挖掘过程中回收被剪枝节点的隐私预算；步骤4：采用指数机制从挖掘出的项集中选择k个，打分函数为项集的期望支持度，对未被选中的频繁项集的隐私预算再次回收并分配给选中的1-项集。本发明通过降低匿名率，关联属性共同置换，在保证隐私保护强度的同时，提高数据的可用性。
-
公开(公告)号：CN105183532B
公开(公告)日：2019-02-26
申请号：CN201410177652.2
申请日：2014-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于Dalvik虚拟机JNI机制中接口函数GetFieldID以及GetStaticFieldID性能优化方法。本发明包括：在目标接口函数的适当位置植入数据索引机制；获取目标数据的标识常量并调用哈希函数计算该标识常量的哈希值；根据哈希值在内建哈希表查找目标表项，如存在则直接返回目标数据地址，否则下一步；根据目标数据常量标识，调用原系统函数查找目标数据，如找到则将目标数据以及其标识常量的哈希值插入内建哈希表中并正确返回；否则抛出异常并返回。采用本发明所提供的优化技术方案对JNI机制接口函数GetFieldID、GetStaticFieldID进行优化后，当Java类中字段数据规模达到一定程度后，其性能表现将优于原接口函数，性能提升幅度较大。
-
公开(公告)号：CN105159737B
公开(公告)日：2018-08-31
申请号：CN201510447925.5
申请日：2015-07-28
Applicant: 哈尔滨工程大学
IPC: G06F8/41
Abstract: 本发明涉及的是在可重构编译领域，基于LLVM的CPU‑FPGA异构体系结构面向C2VHDL的可重构编译器ASCRA中一种面向类仿射数组下标应用的参数化并行存储结构模版。面向类仿射数组下标应用的参数化并行存储结构模版，采用模块化设计思想的参数化并行存储结构模版在处理参与循环程序运算的数组下标为类仿射型时，为新数据自动生成基于RAM的多体交叉并行访存结构或单体串行访存结构。此模板结构不仅充分挖掘了输入数据重用和循环迭代间数据重用，还为了提高硬件执行频率，采用了寄存器平移策略，简化了硬件设计，保证Smart buffer缓存结构与计算单元的连接固定不变。
-
公开(公告)号：CN108052968A
公开(公告)日：2018-05-18
申请号：CN201711293976.2
申请日：2017-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种QSFLA‑SVM的感知入侵检测方法，设置相关参数；对青蛙种群的位置进行初始化；将每个青蛙个体的位置信息传入支持向量机异常序列检测模型，将计算出的测试集分类正确率作为每个青蛙个体适应度函数值，对青蛙种群进行降序排列并对排列后的种群进行子种群划分；利用量子粒子群更新机制对每个青蛙子种群最坏个体进行更新，直到达到局部最大迭代次数；进行全局信息交换，如果达到全局最大迭代次数，则返回全局最优青蛙个体，此时该个体位置信息为SVM异常序列检测模型对测试集分类取得最大正确率时参数最优值，输出最优测试集分类结果。本发明结合基于量子粒子群搜索机制的量子衍生混合蛙跳入侵检测算法和支持向量机来进行入侵检测。
-
公开(公告)号：CN105405125B
公开(公告)日：2018-05-18
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
