-
公开(公告)号：CN118334512A
公开(公告)日：2024-07-12
申请号：CN202410364298.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于SSIM及级联深度神经网络的SAR图像目标识别方法及系统。所述方法包括：对SAR图像进行预处理；利用结构相似衡量指标对SAR图像进行粗类别划分；利用卷积层、池化层、全连接层、批归一化层、空洞空间金字塔池化模块及幻想组块构成浅层网络，对SAR图像进行粗分类，利用卷积层和卷积块注意力模块构建级联模块，筛选粗类别特征，并对筛选后的特征进行权重划分；融合筛选并权重划分后的粗类别特征，利用多个幻想组块构建深层网络，对SAR图像进行细分类；将待识别SAR图像输入训练好的目标识别模型，获取目标识别结果。本发明提高了深度网络对SAR图像的识别性能同时改善了由于样本不足造成网络分类性能大幅度下降的问题。
-
公开(公告)号：CN116559768A
公开(公告)日：2023-08-08
申请号：CN202310354436.X
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/23213 , G06N10/20
Abstract: 本发明公开了一种强冲击噪声下非相干分布源测向方法，步骤一、获取快拍采样数据，进行去冲击预处理后构造广义Capon空间谱函数；步骤二、初始化每支箭量子位置并设定参数，构造适应度函数；步骤三、将箭群分为子箭群，并对所有箭进行适应度函数评价，选择每个子箭群中具有最优适应度的箭的量子位置作为最优量子位置；步骤四、每支箭根据射箭机制更新量子位置；步骤五、将每支箭更新后量子位置映射为位置，计算更新后适应度函数值，更新每个子箭群最优量子位置；步骤六、返回步骤三，循环迭代至最大迭代次数，输出最优量子位置集合，经过映射变换为非相干分布源中心方位角和角度扩展估计值。本发明在强冲击噪声环境下具有鲁棒性和高性能。
-
公开(公告)号：CN115755971A
公开(公告)日：2023-03-07
申请号：CN202211467805.8
申请日：2022-11-22
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明公开了一种海空一体化无人智能设备协同对抗任务分配方法，包括步骤一、建立海空一体化无人智能设备协同对抗任务分配模型；步骤二，初始量子鱼量子位置并设定参数；步骤三，计算量子鱼位置适应度函数值；步骤四，使用自由搜索策略更新量子鱼量子位置，判断第i只量子鱼适应度值是否大于其经验位置适应度值，当大于时，执行步骤五；否则执行步骤六；步骤五，使用吸附鲸鱼策略更新量子鱼量子位置；步骤六，使用脱离宿主策略更新量子鱼量子位置；步骤七、迭代更新至最大迭代次数，将最优量子鱼位置映射为海空一体化无人协同对抗任务分配矩阵并输出。本发明降低了问题求解难度，克服容易陷入局部收敛的弊端，提升了寻优速率。
-
公开(公告)号：CN118096808B
公开(公告)日：2024-07-23
申请号：CN202410116941.5
申请日：2024-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于种群熵和柳絮漂移算子的天鹰搜索机制图像分割方法及系统，涉及图像处理技术领域。本发明的技术要点包括：基于二维Otsu图像分割方法对灰度图像进行图像分割，获取最优分割阈值；利用基于种群熵和柳絮漂移算子的天鹰优化算法对最优分割阈值进行寻优，获取寻优后的最优分割阈值；根据寻优后的最优分割阈值，基于二维Otsu图像分割方法对原始灰度图像进行分割，获取分割图像。本发明从两个方面对天鹰搜索机制进行了改进，有效避免了天鹰种群陷入局部最优解的困境，同时增强了天鹰种群局部开发的能力。本发明相比原始天鹰搜索机制和其他群体智能优化方法均体现了更为优秀的分割结果。本发明在图像分割领域具有较强的实用价值。
-
公开(公告)号：CN118112499A
公开(公告)日：2024-05-31
申请号：CN202410116933.0
申请日：2024-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子金鹰优化布局的动态目标TDOA定位方法及系统，涉及无人机集群信息交互技术领域。本发明的技术要点包括：建立多无人机定位系统的基于几何精度因子的优化布局模型和目标函数；其中多无人机定位系统包括一个主无人机和多个辅无人机；利用量子金鹰算法对多个无人机的排布方式进行优化，以选择最优排布方式；利用优化后的多无人机最优排布方式对动态目标进行观测，获得动态目标的观测位置。本发明解决了现有TDOA定位方法对空中动态目标定位不准的难题，所设计的量子金鹰机制可以对多无人机定位系统优化布局模型进行高精度的求解，提升了Chan算法对动态目标定位的精度。
-
Patent Agency Ranking
公开(公告)号：CN117993038A
公开(公告)日：2024-05-07
申请号：CN202410172822.1
申请日：2024-02-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于离散量子电磁场优化机制的分布式阵列布局结构优化方法、系统及存储介质，涉及阵列信号处理技术领域，为解决现有方法多以最大旁瓣电平为优化目标，在小采样快拍、冲击噪声等恶劣条件下，分布式阵列性能衰减严重的问题。包括如下过程：设置空间中的辅助信源信息和噪声信息，以模拟测试分布阵列，将信源方位均方误差作为优化目标方程；初始化量子电磁场中的量子电磁粒子信息，获得局部和全局最优测量位置；分别采用基于量子编码的演进策略和基于量子旋转门的演进策略对每个电磁粒子的量子旋转角和量子位置进行更新并获得测量位置；对粒子的局部和全局最优测量位置进行更新；将最终得到的全局最优解转化为所需的阵列布局结构信息。
-
公开(公告)号：CN115932714A
公开(公告)日：2023-04-07
申请号：CN202211467804.3
申请日：2022-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于双曲正切核相关熵的单快拍波达方向估计方法，建立单快拍采样信号模型；构造基于双曲正切核相关熵的低阶矩阵；构造正交投影矩阵，获得基于双曲正切核相关熵的单快拍加权信号子空间拟合方程；初始化量子蝗虫种群并设定参数；计算量子蝗虫映射态位置适应度值，记录适应度值最大的映射态位置对应量子位置；更新量子蝗虫社交位置和自适应权重系数，产生斐波那契权重；根据蝗虫和斐波那契搜索策略，使用模拟量子旋转门更新量子蝗虫量子位置和量子蝗虫全局最优位置；计算迭代至最大迭代次数，输出最后一代全局最优量子蝗虫的映射态位置作为单快拍测向的波达方向估计结果输出。本发明在冲击噪声下对独立源和相干源均能进行有效测向。
-
公开(公告)号：CN118112499B
公开(公告)日：2025-03-11
申请号：CN202410116933.0
申请日：2024-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子金鹰优化布局的动态目标TDOA定位方法及系统，涉及无人机集群信息交互技术领域。本发明的技术要点包括：建立多无人机定位系统的基于几何精度因子的优化布局模型和目标函数；其中多无人机定位系统包括一个主无人机和多个辅无人机；利用量子金鹰算法对多个无人机的排布方式进行优化，以选择最优排布方式；利用优化后的多无人机最优排布方式对动态目标进行观测，获得动态目标的观测位置。本发明解决了现有TDOA定位方法对空中动态目标定位不准的难题，所设计的量子金鹰机制可以对多无人机定位系统优化布局模型进行高精度的求解，提升了Chan算法对动态目标定位的精度。
-
公开(公告)号：CN117993038B
公开(公告)日：2024-12-17
申请号：CN202410172822.1
申请日：2024-02-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于离散量子电磁场优化机制的分布式阵列布局结构优化方法、系统及存储介质，涉及阵列信号处理技术领域，为解决现有方法多以最大旁瓣电平为优化目标，在小采样快拍、冲击噪声等恶劣条件下，分布式阵列性能衰减严重的问题。包括如下过程：设置空间中的辅助信源信息和噪声信息，以模拟测试分布阵列，将信源方位均方误差作为优化目标方程；初始化量子电磁场中的量子电磁粒子信息，获得局部和全局最优测量位置；分别采用基于量子编码的演进策略和基于量子旋转门的演进策略对每个电磁粒子的量子旋转角和量子位置进行更新并获得测量位置；对粒子的局部和全局最优测量位置进行更新；将最终得到的全局最优解转化为所需的阵列布局结构信息。
-
公开(公告)号：CN117992807B
公开(公告)日：2024-11-22
申请号：CN202410172704.0
申请日：2024-02-07
Applicant: 哈尔滨工程大学
IPC: G06F18/23 , G06F18/2413 , G06F18/214 , G06N10/60 , G06Q50/18
Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质，涉及数据处理领域，为解决现有的特征选择方法分类正确率不高以及时间复杂度高，选择的特征子集精度不够的问题。包括：步骤一：对数据集进行归一化处理，采用K近邻分类器对训练集样本进行聚类，对测试集样本进行分类，构建特征选择的目标函数；步骤二：初始化量子警察群体中每个成员的量子位置，计算量子警察个体的适应度，确定初始全局最优量子位置；步骤三：分别对调查组和追捕组每个成员的量子位置进行更新；步骤四：更新调查组和追捕组以及量子警察群体的全局最优量子位置；步骤五：对调查组和追捕组中的部分成员进行交换，继续演化；步骤六：最终迭代得到选取的最优特征子集。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
