-
公开(公告)号：CN117313105A
公开(公告)日：2023-12-29
申请号：CN202311257110.1
申请日：2023-09-27
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Inventor： 冯光升 , 李冰洋 , 张熠哲 , 蔡成涛 , 王巍 , 陆蓓婷 , 蒋文创 , 王小芳 , 王一 , 杨玉东 , 董宇欣 , 郎大鹏 , 李思照 , 刘泽超 , 马志强 , 申林山 , 宋洪涛 , 王兴梅 , 王也
Abstract: 本发明公开了面向智能合约漏洞数据集的不平衡数据集处理系统及方法，系统包括：数据读取模块：用于依次读取不同类别的漏洞样本集，将所述不同类别的漏洞样本集输入子集划分模块中；子集划分模块：用于对所述不同类别的漏洞数据集中的少数类样本进行划分，获取若干样本子集，并将所述样本子集发送至数据生成模块；数据生成模块：用于分别对不同类别的所述样本子集进行处理，生成新数据；数据读取模块、子集划分模块、数据生成模块依次连接。本发明减小了边界模糊的问题，在一定程度上提升了样本的质量，同时对于多种样本进行了扩充，适用于多类数据的样本集。
-
公开(公告)号：CN116821238A
公开(公告)日：2023-09-29
申请号：CN202310770494.0
申请日：2023-06-28
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地
Inventor： 潘海为 , 周鑫玥 , 张可佳 , 蔡成涛 , 王巍 , 王一 , 王小芳 , 陈征平 , 毕晓燕 , 刘泽超 , 申林山 , 宋洪涛 , 王兴梅 , 王也 , 杨东梅 , 张立国
IPC: G06F16/27 , H04L67/1097 , G06F16/22 , G06F16/23 , G06F11/14 , G06F30/27 , G06F30/28 , G06N20/00 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的数值水池虚拟试验管理系统，包括，数据收集模块，用于获取数字虚拟水池试验中各种场景下的初始数据，随机生成模拟数据；模拟数据为实际水文环境中包括水流运动、水位变化、波浪的水动力学现象各种场景的待处理数据；中央存储模块，与数据收集模块连接，用于当接收到数据收集模块发送的存储任务后，对模拟数据进行处理并将处理后的模拟数据进行底层存储；自动化存储模块，与中央存储模块连接，用于根据预测分析结果自动调整存储资源配置，以及维护多个副本的数据一致性。本发明提高了系统对试验数据的存储容量以及试验的精度和效率，实现了对数值水池虚拟试验的自动化管理。
-
-
公开(公告)号：CN109800700A
公开(公告)日：2019-05-24
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN109637545A
公开(公告)日：2019-04-16
申请号：CN201910045664.2
申请日：2019-01-17
Applicant: 哈尔滨工程大学
Abstract: 基于一维卷积非对称双向长短时记忆网络的声纹识别方法，属于声纹识别技术领域。本发明首先对原始语音信号进行预处理；构建非对称双向长短时记忆网络ABLSTM模型，以7：3的比例分配正向传播的LSTM和反向传播的LSTM的隐藏层神经元个数和输出层权重，使识别结果更大程度取决于正向传播的LSTM，提高声纹识别的精度；采用1DCNN进行声纹特征提取，利用最大池化操作减少特征参数，保留特征语音的声纹特征，并采用Leaky ReLU激活函数处理特征提取结果；采用提取同一时刻的声纹特征作为提出的非对称双向长短时记忆网络模型一个时间步的输入，利用归一化指数函数实现较精确的声纹识别。本发明方法训练速度较快，能更好的提高声纹识别的正确率，有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN103176961A
公开(公告)日：2013-06-26
申请号：CN201310069560.8
申请日：2013-03-05
Applicant: 哈尔滨工程大学
IPC: G06F17/27
Abstract: 本发明的目的在于提供一种基于潜在语义分析的迁移学习方法，包括以下步骤：对训练数据做去停用词、词干化处理，分别计算源领域与目标领域词汇权重，得到词汇-文本矩阵M，对矩阵M进行奇异值分解，将M中词汇与文本映射到低维潜在语义空间，去除源领域中同义词噪音影响，调整矩阵M结构，从源领域中找出与目标领域文本关联度较大的词汇作为迁移词，再对矩阵M结构进行调整，分析调整后的矩阵M中目标领域词汇，得到目标领域数据新的特征表示，在训数据集中得到最终分类器，对测试数据集S进行分类。
-
公开(公告)号：CN101286229B
公开(公告)日：2010-06-02
申请号：CN200810064436.1
申请日：2008-05-05
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明提供的是一种基于分层MRF的声呐图像自适应分割方法。包括如下步骤：(1)用块方式的k-均值聚类算法确定声呐图像的初始三类分割；(2)基于空间邻域MRF的三类分割；(3)基于分层MRF的三类分割。本发明根据声呐设备接收目标区反射回的放大信号常常引起接收器的饱和，而导致属于目标区的灰度值都较大这一特点，提出了一个简单的正比例函数来描述目标区的分布。同时根据各向异性的二阶邻域系统模型建立新的声呐图像三类分割MRF模型参数，并将分层MRF理论应用到声呐图像三类分割中，提高了复杂海底声呐图像中目标的实时探测效率，并为后续水下目标的识别精度提供了更好的前提条件。
-
公开(公告)号：CN119538772A
公开(公告)日：2025-02-28
申请号：CN202411558359.0
申请日：2024-11-04
Applicant: 哈尔滨工程大学
IPC: G06F30/28 , G06F30/27 , G06F30/15 , G06N3/045 , G06N3/084 , G06F119/14 , G06F113/08
Abstract: 基于自适应物理神经网络的舱室浸水流场预测方法和装置，涉及神经网络在复杂流场预测领域。解决了现有技术中舱室浸水流场具有高度的非线性和动态变化，自由液面水动力现象复杂且难以预测的问题。所述方法包括：构建低速流场的船舶模型；将将船舶舱室模型导入STAR‑CCM+软件进行流体仿真，并生成流场的网格数据；对所生成的流场的网格数据按时间步进行处理；将处理后的网格数据通过Pytorch框架进行处理与保存，构建用于神经网络训练的数据集；使用Pytorch框架对神经网络训练的数据集进行动态训练；上述步骤用于舱室浸水流场预测，完成基于自适应物理神经网络的舱室浸水流场预测。适用于舱室浸水流场的自适应领域。
-
公开(公告)号：CN118691742A
公开(公告)日：2024-09-24
申请号：CN202410736167.8
申请日：2024-06-07
Applicant: 哈尔滨工程大学
IPC: G06T17/00 , G06V10/30 , G06V10/774 , G06V10/776 , G06V10/77 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/0895
Abstract: 本发明涉及一种基于自训练条件扩散模型的三维点云重建方法，包括：获取待重建图像和高斯噪声；构建三维点云重建网络模型，引入条件聚合模块和特征一致性损失，获取条件扩散的三维点云重建网络模型，将所述条件扩散的三维点云重建网络模型作为教师子模型和学生子模块，结合形状自然度模块及重建一致性损失，获取自训练条件扩散的三维点云重建网络模型；将所述待重建图像和所述高斯噪声输入所述自训练条件扩散的三维点云重建网络模型，获取点云重建结果。本发明能够有效利用图像信息，提升三维点云重建性能，同时降低对大规模标注数据依赖。
-
公开(公告)号：CN118396112A
公开(公告)日：2024-07-26
申请号：CN202410498629.7
申请日：2024-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于深度强化学习的智能空战决策方法及系统，包括以下步骤：构建基于深度强化学习的多机空战博弈框架；在MAPPO算法的基础上引入双中心网络策略、延迟更新优化策略和分步训练策略，获得MAPPO_LDDC算法；基于所述MAPPO_LDDC算法，构建空战决策模型；利用所述多机空战博弈框架，训练所述空战决策模型；利用训练好的所述空战决策模型，完成智能空战决策。本发明能有效地从环境中获得奖励，取得高胜率。同时在获得奖励的过程中表现出较好的稳定性，进一步提升了空战中无人机的决策能力，具有一定的有效性。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.028 seconds)
