公开(公告)号：CN116954522A

公开(公告)日：2023-10-27

申请号：CN202311089522.9

申请日：2023-08-28

申请人： 哈尔滨工程大学 ,  哈尔滨工程大学三亚南海创新发展基地 ,  海南俊码数据研究院有限公司

发明人： 徐东 ,  武秋燕 ,  孟宇龙 ,  卢中玉 ,  赵佳媛 ,  刘芳玮 ,  杨梓韵 ,  蔡成涛 ,  王巍 ,  赵伟 ,  王小芳 ,  李承国 ,  李冰洋 ,  吕宏武 ,  吕继光 ,  谢晓芹 ,  郑丽颖 ,  王红滨 ,  李熔盛 ,  初妍

IPC分类号： G06F3/06 ,  G06F21/62

摘要： 本发明公开了一种基于IPFS的区块链存储优化方法，包括：构建区块安全性判定模型，获取高安全性区块和低安全性区块；上传UTXO集结合所述高安全性区块，通过压缩所述高安全性区块生成摘要块并更新所述UTXO集，将所述摘要块广播给其他节点存储，其他节点将接收到的所述摘要块进行安全性验证后进行存储；所述低安全性区块直接存储本地节点；所述摘要块通过首尾链接形成摘要链，利用所述本地节点存储所述摘要链代替完整高安全性区块，完成区块链存储优化。本发明能够一定程度缓解区块膨胀问题，减轻节点存储开销的效果，能有效响应交易验证和提高交易处理速度。

公开(公告)号：CN118967482A

公开(公告)日：2024-11-15

申请号：CN202411151068.X

申请日：2024-08-21

申请人： 哈尔滨工程大学

发明人： 何鸣 ,  李洪瑞 ,  陈升 ,  王红滨 ,  饶银辉 ,  周连科 ,  王勇 ,  王念滨 ,  梁英飞 ,  孙彧 ,  景智伟

IPC分类号： G06T5/50 ,  G06F17/11

摘要： 一种法兰点云数据处理及融合技术，属于工业生产技术领域。本发明解决了现有技术识别法兰中心线准确性、可靠性不高的问题。本发明以点云数据为基础，通过预处理技术、数据融合技术和RANSAC算法的应用，对噪声和干扰数据的处理能力得到显著提升，能够更精确地识别法兰的中心线，从而提高了法兰装配过程的准确性和可靠性，提升了装配效率，降低了生产成本，使装配过程中的自动化程度得到显著提升。

公开(公告)号：CN114547418B

公开(公告)日：2024-10-22

申请号：CN202210180955.4

申请日：2022-02-25

申请人： 哈尔滨工程大学 ,  中国船舶重工集团公司第七一四研究所

发明人： 王红滨 ,  杨永恒 ,  江洋 ,  史腾飞 ,  李仲铀 ,  孙孟阳 ,  谢祥生 ,  何鸣 ,  孙彧 ,  周连科 ,  王念滨 ,  肖伟

IPC分类号： G06F16/951 ,  G06F30/27 ,  G06N3/0442

摘要： 基于疲劳仿真模型的拟人爬虫方法，涉及信息获取领域。解决了现有爬虫方法，爬取效率低的问题。本发明方法包括：S1、利用m个个体均对任意目标网站下的n个目标文章依次进行采集，获得初始数据集；S2、对初始数据集进行预处理；S3、构建疲劳仿真模型；S4、将预处理后的数据集划分为两部分，一部分作为训练集，另一部分作为验证集；利用训练集对疲劳仿真模型进行训练，获得训练后的疲劳仿真模型；S5、利用验证集和训练后的疲劳仿真模型，获得进行当前爬虫任务所需的休眠时间间隔后，将休眠时间间隔与爬虫程序进行整合，获得整合后的爬虫程序，再利用整合后的爬虫程序进行网络爬虫，从而实现拟人爬虫。主要用于信息采集。

公开(公告)号：CN114326391B

公开(公告)日：2024-08-09

申请号：CN202111517862.8

申请日：2021-12-13

申请人： 哈尔滨工程大学

发明人： 王红滨 ,  劳振煜 ,  王勇 ,  何鸣 ,  周连科 ,  王念滨

IPC分类号： G05B13/04

摘要： 一种建筑能耗预测方法，属于能耗预测领域。本发明是为了解决现有的神经网络对能耗进行预测存在难以取得较好的预测效果的问题。本发明首先获取预测能耗指标历史数据并构建特征张量X＝[Xt,Xt‑1,...,Xt‑n]，其中Xt‑i表示t‑i时刻的特征向量，t表示当前时刻；特征向量中的元素为预测能耗指标；基于特征张量，根据时间粒度构建不同粒度对应的特征张量；所述的建筑能耗预测模型包括多粒度特征提取网络、注意力机制LSTM网络和预测模块，多粒度特征提取网络的输出作为注意力机制LSTM网络的输入，注意力机制LSTM网络的输出作为预测模块的输入，预测模块输出建筑能耗。主要用于建筑的能耗预测。

公开(公告)号：CN115035912B

公开(公告)日：2024-04-26

申请号：CN202210644380.7

申请日：2022-06-08

申请人： 哈尔滨工程大学

发明人： 王红滨 ,  张帅 ,  张政超 ,  何鸣 ,  王勇 ,  周连科 ,  孙彧 ,  王念滨

IPC分类号： G10L25/30 ,  G06N3/0464 ,  G10L25/03 ,  G10L25/18

摘要： 基于MOC模型的水声信号样本自动标注方法，具体涉及一种基于MOC模型的水下声音信号样本的自动标注方法，本发明为解决传统水声信号样本标注采用人工方法，不仅费时费力，经济效益低，还受专业性限制，标注准确性低的问题，它包括采集水声信号作为样本，利用声学模型计算所述水声信号样本的声学特征；建立MOC模型，MOC模型依次包括卷积层一、优选卷积残差层、卷积层二、注意力机制层、全连接层和分类层，将水声信号样本的声学特征输入MOC模型内进行训练，输出已标注的水声信号样本，直到loss收敛，得到训练好的MOC模型；将待标注的水声信号样本上述操作，得到已标注的水声信号样本。属于水下声音信号标注领域。

公开(公告)号：CN113988201B

公开(公告)日：2024-04-26

申请号：CN202111294685.1

申请日：2021-11-03

申请人： 哈尔滨工程大学

发明人： 王红滨 ,  邢浩 ,  王勇 ,  周连科 ,  何鸣 ,  王念滨

IPC分类号： G06F18/2415 ,  G06F18/243 ,  G06F18/25 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 一种基于神经网络的多模态情感分类方法，具体涉及一种基于多模态情感分类的神经网络模型的分类方法，本发明为了解决传统的情感分类方法大多针对单一类型的数据，并不能处理社交网络坏境下多模态的混合信息的问题，它包括提取待预测情感图片中的多模态数据；提取多模态数据中各单模态的原始向量；根据各模态的原始向量计算各模态的指导向量；获得各模态的重构特征向量；利用注意力机制对得到的各模态的重构特征向量进行加权平均，生成融合特征向量；将得到的融合特征向量输入至情感分类模型中，输出分类结果。本发明用于对社交网络坏境下多模态的混合信息进行情感分类，属于自然语言处领域。

公开(公告)号：CN113011093B

公开(公告)日：2022-09-30

申请号：CN202110277082.4

申请日：2021-03-15

申请人： 哈尔滨工程大学

发明人： 何鸣 ,  褚慈 ,  王念滨 ,  王红滨 ,  周连科 ,  张毅 ,  湛浩旻

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/10

摘要： 基于LCWaveGAN的船舶航行噪声仿真生成方法，本发明涉及船舶航行噪声仿真生成方法。本发明的目的是为了解决现有船舶航行水下辐射噪声信号准确率低，获得方式繁琐的问题。过程为：一、获取真实的船舶水下辐射噪声；二、得到连续谱；三、生成时域的连续谱噪声信号；四、生成仿真的船舶水下辐射噪声连续谱的时域信号；五、生成仿真的连续谱时域信号；六、提取调制参数；七、合成调制信号；八、提取真实的船舶水下辐射噪声的线谱；九、生成连续谱；十、通过调制信号和连续谱，叠加形成静止状态下的消声水池的目标仿真水下辐射噪声；十一、对水下辐射噪声进行运动修正，得到仿真船舶航行水下辐射噪声。本发明用于船舶航行数据生成领域。

公开(公告)号：CN113298184B

公开(公告)日：2022-09-02

申请号：CN202110687034.2

申请日：2021-06-21

申请人： 哈尔滨工程大学

发明人： 王红滨 ,  张政超 ,  张耘 ,  王念滨 ,  周连科 ,  张毅 ,  湛浩旻

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 用于小样本图像识别的样本抽取、扩充方法及存储介质，属于图像处理技术领域。为了解决针对于小样本图像识别过程中采用生成新样本的方式中存在的可能导致的生成错误样本的问题。本发明首先提出了一种基于特征重构的样本抽取方法来解决小样本数据集特征缺失的问题，从数据特征的角度实现了大样本数据集中抽取出一个典型小样本数据集。该方法将大样本数据的质心作为抽取度量的标准，使得抽取出的典型小样本数据集具有更全面的特征，效果更稳定。本发明还提出了基于变形信息的样本扩充方法，利用最优划分中同类异簇的数据间变形信息实现了将抽取出的典型小样本数据集扩充成新的大样本数据集。主要用于小样本图像识别的样本抽取及扩充。

公开(公告)号：CN114580478A

公开(公告)日：2022-06-03

申请号：CN202210203998.X

申请日：2022-03-02

申请人： 哈尔滨工程大学

发明人： 何鸣 ,  薛垚 ,  王红滨 ,  孙彧 ,  王勇 ,  周连科 ,  王念滨

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G01D21/02

摘要： 一种基于神经网络的环境参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，它包括S1、采集各时段的水下目标辐射噪声及对应的环境参数，将水下目标辐射噪声分为低频信号和高频信号；S2、对采集的各时段的水下目标辐射噪声进行预处理；S3、建立网络模型，将S2中预处理后的各时段的水下目标辐射噪声及对应的环境参数输入网络模型中进行训练，直到loss损失不变，得到训练好的网络模型；S4、采集待确定环境参数的水下目标辐射噪声，经过S2的预处理后，输入S3中得到的训练好的网络模型内，得到环境参数。属于环境参数确定领域。

公开(公告)号：CN114548180A

公开(公告)日：2022-05-27

申请号：CN202210175705.1

申请日：2022-02-24

申请人： 哈尔滨工程大学

发明人： 何鸣 ,  薛垚 ,  王红滨 ,  孙彧 ,  周连科 ,  王勇 ,  王念滨

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 基于特征强化模型的特征提取方法，涉及水下声音特征提取技术领域，针对现有技术中对特征进行集成的时候会丢失特征位置信息的问题，步骤一：设定损失阈值，然后获取训练数据集，并利用训练数据集训练卷积神经网络，当卷积神经网络误差小于等于损失阈值时，提取卷积神经网络池化后的特征矩阵；步骤二：对特征矩阵进行仿射变换；步骤三：针对仿射变换后的特征矩阵，将特征矩阵中局部位置的抗特征变化能力进行加强，得到特征矩阵N；步骤四：将特征矩阵N输入到卷积神经网络的全连接层中再次训练，得到最终特征。本申请有效的解决了现有技术中对特征进行集成的时候会丢失特征位置信息的问题。