-
公开(公告)号：CN102680071B
公开(公告)日：2013-11-20
申请号：CN201210157595.2
申请日：2012-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种采用振速测量和局部近场声全息法的噪声源识别方法。测量位于近场的有限孔径测量面H上的法向质点振速，对其进行补零扩展，计算测量面与声源面之间的传递矩阵，最后求解得到声源面S上的声压和法向质点振速。本发明采用法向质点振速作为输入量进行声场重建，可以获得更高精度的声场信息。本发明采用局部近场声全息法，与传统迭代局部近场声全息法相比，本发明具有计算简单、计算时间短及计算效率高等优点。用于噪声源识别定位和声场重建。
-
公开(公告)号：CN114511739A
公开(公告)日：2022-05-17
申请号：CN202210089412.1
申请日：2022-01-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明属于计算机技术领域，具体涉及一种基于元迁移学习的任务自适应的小样本图像分类方法。本发明通过结合元迁移学习，弥补MAML模型采用4Conv浅层网络提取特征不充分的问题；增加可训练的参数来学习平衡元知识在每个任务中的使用，解决现实场景下小样本学习的任务不平衡，类别不平衡，分布不平衡问题。本发明挑选每个任务中准确率低的样本，并重新组合它们的数据，使其成为更困难的任务，使元学习器在学习更加困难的任务的过程中提高模型的准确率。本发明提出的困难任务挖掘算法在线的收集分类效果差的样本组成困难任务，让学习器在困难任务中学习得更快、效果更好。
-
公开(公告)号：CN114511905B
公开(公告)日：2024-11-05
申请号：CN202210066025.6
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06V40/16 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明属于人脸聚类技术领域，具体涉及一种基于图卷积神经网络的人脸聚类方法。本发明首先对人脸数据做特征提取，把人脸特征看成节点，计算所有节点的局部密度值；然后，基于局部密度值将数据划分为高密度节点和低密度节点两部分，高密度节点连接最近邻中同为高密度的节点，形成多个聚类中心；为低密度节点构造自适应子图，作为图卷积神经网络的输入，预测节点间的连通性；最后，将两部分合并后使用伪标签传播将不符合要求的边切除，获取最终的聚类结果。本发明基于密度将数据划分为两部分，仅对低密度部分构建子图进行推理，提高了聚类的效率，同时自适应子图能够提取更为丰富的上下文信息，使得对子图的推理更为准确，提高了聚类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114511739B
公开(公告)日：2024-11-05
申请号：CN202210089412.1
申请日：2022-01-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0985
Abstract: 本发明属于计算机技术领域，具体涉及一种基于元迁移学习的任务自适应的小样本图像分类方法。本发明通过结合元迁移学习，弥补MAML模型采用4Conv浅层网络提取特征不充分的问题；增加可训练的参数来学习平衡元知识在每个任务中的使用，解决现实场景下小样本学习的任务不平衡，类别不平衡，分布不平衡问题。本发明挑选每个任务中准确率低的样本，并重新组合它们的数据，使其成为更困难的任务，使元学习器在学习更加困难的任务的过程中提高模型的准确率。本发明提出的困难任务挖掘算法在线的收集分类效果差的样本组成困难任务，让学习器在困难任务中学习得更快、效果更好。
-
公开(公告)号：CN102901559A
公开(公告)日：2013-01-30
申请号：CN201210374317.2
申请日：2012-09-27
Applicant: 哈尔滨工程大学
IPC: G01H17/00
Abstract: 本发明涉及噪声领域，具体涉及一种适用于大型声源的声场分离和重建的声场分离和重构方法。本发明包括如下步骤：获取测量面上声压和法向质点振速；对位于两个声源之间的测量面进行补零扩展；获取扩展测量面与两个声源表面即声源面之间的传递矩阵；建立测量面上声压和法向质点振速之间的传递关系；获取第一声源面和第二声源面上的声压和法向质点振速。本发明采用单测量面和局部近场声全息法进行声场分离和重构，具有方法简单、计算时间短、计算效率高的特点。可以广泛应用于大尺寸声源声场的近场声全息测量、材料反射系数的测量、散射声场的分离等。
-
公开(公告)号：CN114511905A
公开(公告)日：2022-05-17
申请号：CN202210066025.6
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06V40/16 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于人脸聚类技术领域，具体涉及一种基于图卷积神经网络的人脸聚类方法。本发明首先对人脸数据做特征提取，把人脸特征看成节点，计算所有节点的局部密度值；然后，基于局部密度值将数据划分为高密度节点和低密度节点两部分，高密度节点连接最近邻中同为高密度的节点，形成多个聚类中心；为低密度节点构造自适应子图，作为图卷积神经网络的输入，预测节点间的连通性；最后，将两部分合并后使用伪标签传播将不符合要求的边切除，获取最终的聚类结果。本发明基于密度将数据划分为两部分，仅对低密度部分构建子图进行推理，提高了聚类的效率，同时自适应子图能够提取更为丰富的上下文信息，使得对子图的推理更为准确，提高了聚类的准确度。
-
公开(公告)号：CN102901559B
公开(公告)日：2014-08-06
申请号：CN201210374317.2
申请日：2012-09-27
Applicant: 哈尔滨工程大学
IPC: G01H17/00
Abstract: 本发明涉及噪声领域，具体涉及一种适用于大型声源的声场分离和重建的声场分离和重构方法。本发明包括如下步骤：获取测量面上声压和法向质点振速；对位于两个声源之间的测量面进行补零扩展；获取扩展测量面与两个声源表面即声源面之间的传递矩阵；建立测量面上声压和法向质点振速之间的传递关系；获取第一声源面和第二声源面上的声压和法向质点振速。本发明采用单测量面和局部近场声全息法进行声场分离和重构，具有方法简单、计算时间短、计算效率高的特点。可以广泛应用于大尺寸声源声场的近场声全息测量、材料反射系数的测量、散射声场的分离等。
-
公开(公告)号：CN102680071A
公开(公告)日：2012-09-19
申请号：CN201210157595.2
申请日：2012-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种采用振速测量和局部近场声全息法的噪声源识别方法。测量位于近场的有限孔径测量面H上的法向质点振速，对其进行补零扩展，计算测量面与声源面之间的传递矩阵，最后求解得到声源面S上的声压和法向质点振速。本发明采用法向质点振速作为输入量进行声场重建，可以获得更高精度的声场信息。本发明采用局部近场声全息法，与传统迭代局部近场声全息法相比，本发明具有计算简单、计算时间短及计算效率高等优点。用于噪声源识别定位和声场重建。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
