-
公开(公告)号：CN120069166A
公开(公告)日：2025-05-30
申请号：CN202510058319.8
申请日：2025-01-14
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q10/0639 , G06F18/24 , G06F18/214 , G06N3/0475 , G06N3/0442 , G06N3/048 , G06N3/094 , G06N3/084 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于时空相关性的高准确率核电关键指标预测仪，由核电辐射站数据库、上位机、传感器阵列分别相连构成。所述核电辐射站数据库，存储核电辐射站监测数据历史记录。所述上位机，包括生成对抗模块以及核电关键指标预测模块两个模块，使用数据库中的数据对生成对抗模块中的生成器和判别器进行训练，然后将训练好的生成器作为核电关键指标预测模型保存在核电关键指标预测模块中。所述传感器阵列接收新的辐射相关数据，传入上位机的核电关键指标预测模块进行核电关键指标预测。本发明创新性地引入生成对抗注意力模型来充分挖掘核电辐射站数据的时间相关性和空间相关性，增强了预测仪的抗干扰能力，并显著提升了核电关键指标预测准确率。
-
公开(公告)号：CN119669951A
公开(公告)日：2025-03-21
申请号：CN202411495167.X
申请日：2024-10-24
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/2413 , G06F18/10 , G06N3/0442 , G06N3/0455 , G06N3/094 , G06N5/04
Abstract: 本发明公开了一种基于异常检测的无人机博弈决策系统，包括无人机传感器数据库、上位机和传感器实时数据接收器；所述无人机传感器数据库和传感器实时数据接收器分别与上位机相连；所述上位机包括数据预处理模块、预训练模块和异常检测模块。所述无人机传感器数据库，存储历史飞行过程中所积累的无人机飞行状态数据。所述传感器实时数据接收器采集飞行过程中无人机的实时状态数据，传入上位机的无人机异常检测模块进行异常检测。所述上位机，包括数据预处理、预训练、异常检测三个模块，对数据库和接收器传入的数据进行预处理操作，使用数据库中的正常数据进行对抗性预训练，训练好的模型用于对接收器实时数据进行异常检测。本发明创新性地引入对抗性训练框架异常检测模型来充分学习正常数据内在特征，增强正常数据和异常数据的差异性，克服了传统异常检测系统未能完全识别微小异常的问题，显著提升了无人机异常检测精度。
-
公开(公告)号：CN119646232A
公开(公告)日：2025-03-18
申请号：CN202411495177.3
申请日：2024-10-24
Applicant: 浙江大学
IPC: G06F16/36 , G06F16/3329 , G06F18/22 , G06F40/295 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高置信度无人机博弈决策智能感知系统，所述系统包括：用户对话及输入模块、多任务一体化智能代理模块、无人机辐射源识别知识图谱模块、无人机辐射源波形特征提取模块和识别结果博弈决策研判模块。通过用户对话及输入模块接收无人机辐射源识别的问题以及无人机辐射源波形数据；多任务一体化智能代理模块基于大语言模型技术进行综合智能分析，拆解任务并协调子任务执行，调用各个子模块完成自动化智能分析；无人机辐射源识别知识图谱模块构建动态知识库，实现结构化表示和快速检索；无人机辐射源波形特征提取模块对波形信号进行特征分析，生成特征描述文本并转换为嵌入向量；识别结果博弈决策研判模块评估辐射源特性和威胁等级，输出信息和威胁态势，用于博弈决策的研判分析，从而提升博弈决策效果。本发明的优点在于提高识别准确性和泛化能力，适应动态电磁环境，具备自学习和优化能力，有效支持电子对抗需求，增强指挥决策的信息支持能力，实现博弈决策效果提升。
-
公开(公告)号：CN119693820A
公开(公告)日：2025-03-25
申请号：CN202411495187.7
申请日：2024-10-24
Applicant: 浙江大学
IPC: G06V20/17 , G06V10/22 , G06V10/82 , G06N3/042 , G06N3/0455
Abstract: 本发明公开了一种基于高精度轨迹预测的无人机博弈决策系统，包括：数据采集子系统、飞行轨迹数据库和上位机子系统；所述数据采集子系统通过定位雷达、红外传感器和扫描式陀螺仪实时采集无人机的飞行数据，随后对飞行数据进行图结构化处理，得到图结构化处理后的飞行数据并存入飞行轨迹数据库；所述飞行轨迹数据库用于为上位机子系统提供图结构化处理后的飞行数据；所述上位机子系统用于输出图结构化处理后的飞行数据对应的下一时刻的飞行数据，随后进行可视化呈现并存入飞行轨迹数据库；所述上位机子系统包括依次相连的数据集预处理模块、VGAE嵌入生成模块、图神经网络建模模块、轨迹预测模块以及结果展示模块。本发明创新性地引入图结构化和图嵌入表示，充分捕捉无人机集群中的多层次依赖关系，显著提升了无人机博弈决策飞行轨迹预测的精度与适用性，最终结合博弈决策机制，为无人机集群博弈决策的协同任务提供一种高效可靠的博弈决策解决方案。
-
公开(公告)号：CN119671300A
公开(公告)日：2025-03-21
申请号：CN202411495176.9
申请日：2024-10-24
Applicant: 浙江大学
IPC: G06Q10/0637 , G06N5/04 , G06N3/0442 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种地空协同的无人机动态博弈决策管理规划系统，所述系统包括：位于空中的无人机阵列状态传感器群、位于地面的决策管理中心和规划执行器；所述位于地面的决策管理中心包括传感器数据库、数据预处理模块、时空图模块和动态博弈决策模块。将历史飞行数据进行预处理输入时空图模块中，利用图卷积神经网络分析空间位置变化，并结合门控循环单元捕捉时间动态特性，从而生成预训练后博弈决策模型。当前飞行数据经过预处理后，输入预训练后博弈决策模型，生成的状态预报经过人工确认调整生成决策指令。规划执行器中的执行模块接收决策指令并发送相应的操作指令。本发明创新性地在无人机动态博弈决策过程中引入时空图模块，精准模拟无人机个体之间的协同效应及其个体的时间动态关系；通过地面控制决策中心的预训练模型与空中无人机阵列实时飞行数据实现地空协同，完成动态博弈决策的自适应调整与规划。
-
Patent Agency Ranking
公开(公告)号：CN120070953A
公开(公告)日：2025-05-30
申请号：CN202510058356.9
申请日：2025-01-14
Applicant: 浙江大学
IPC: G06V10/764 , G06V20/13 , G06V10/774 , G06V10/77 , G06V10/82 , G06T5/80 , G06F17/11 , G06F17/18 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络特征编码的舰船图像分类装置，所述装置包括SAR图像数据采集模块，多源SAR图像数据库模块，图像编码器模块，深度残差神经网络分类器模块，舰船目标分类显示模块。本发明所涉及的舰船图像分类系统，采用所述的设备实现SAR舰船图像的特征编码，进一步输入到深度残差神经网络分类器模块中，使深度学习模型能够灵活地适应舰船图像的多样性，提高对不同舰船类型的识别能力。本发明克服目前基于深度学习的SAR舰船图像识别系统对舰船变体多样性识别不准确，对图像的干扰与噪声不鲁棒等不足，利用Transformer编码器强大的特征提取能力与深度残差神经网络精确的分类能力，对SAR舰船图像进行精准分类。
-
公开(公告)号：CN119600854A
公开(公告)日：2025-03-11
申请号：CN202411495189.6
申请日：2024-10-24
Applicant: 浙江大学
IPC: G08G5/70 , G06Q10/047 , G06F16/215
Abstract: 本发明提供了一种基于时间序列分解重构模型的空中目标轨迹预测系统，所述系统包括：传感器、数据库和轨迹预测单元。传感器用于实时采集空中目标的轨迹数据并传输至数据库进行存储和管理，确保数据的完整性和实时性。轨迹预测单元由数据预处理模块、在线分解模块、分量预测模块和数据重构模块组成。数据预处理模块对轨迹数据进行清洗、异常值检测和归一化处理，在线分解模块将数据分解为趋势项、季节项和残差项，分量预测模块通过深度学习模型对分解后的数据进行预测，数据重构模块则将各分量加权组合以生成最终的预测结果。通过对空中目标轨迹数据进行清洗、分解、预测和重构，实现对空中目标未来轨迹的高精度、实时性预测。本发明具有预测精度高、实时处理能力强等优点，适用于复杂空中环境下的轨迹预测。
-
公开(公告)号：CN120071128A
公开(公告)日：2025-05-30
申请号：CN202510063906.6
申请日：2025-01-15
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/25 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06V10/774 , G06T5/40 , G06F17/10 , G06N3/048
Abstract: 本发明公开了一种基于变分模态分解的SAR海上舰船识别装置，包括SAR雷达、数据库以及上位机。SAR雷达、数据库、上位机依次相连，所述SAR雷达对海域进行实时监测，并将SAR雷达获得的图像数据存储到所述的数据库中，所述的上位机包括图像预处理模块、变分模态分解模块、分类模块、决策融合模块以及结果显示模块。本发明利用SAR雷达的合成孔径技术获取高分辨率图像，通过二维变分模态分解获得图像的多模态表示，利用卷积神经网络对各个模态进行分类并输出概率分布，然后基于贝叶斯理论融合各个模态的概率分布并判定目标，最终达到高精度的舰船目标识别。
-
公开(公告)号：CN120070952A
公开(公告)日：2025-05-30
申请号：CN202510058289.0
申请日：2025-01-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多尺度图注意力的舰船目标识别装置，包括多频段SAR雷达、数据库及上位机；多频段SAR雷达、数据库和上位机依次相连，所述多频段SAR雷达对所监测海域进行扫描，并将SAR雷达SAR图像储存到所述的数据库中，所述的上位机包括数据预处理模块、多尺度图数据重建模块、特征向量聚合模块以及目标识别模块。本发明提供了一种基于图结构数据重建与图注意力网络的多尺度SAR雷达海上舰船目标识别装置及方法，融合多频段、多角度的特性，具备了高精度和高智能化的优势，有效提升海上舰船目标识别的准确性与效率。
-
公开(公告)号：CN120069169A
公开(公告)日：2025-05-30
申请号：CN202510060436.8
申请日：2025-01-15
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/048
Abstract: 本发明公开了一种基于多通道空洞卷积注意力模型的关键核素预测装置，所述装置依次由碘化钠谱仪数据采集模块、数据库和上位机组成；所述上位机包括数据划分模块、多通道空洞卷积注意力预测模型建模模块、多通道空洞卷积注意力预测模块和预测结果输出模块。本发明实现了智能性强、高精度、高准确率的关键核素电离室剂量率在线预测，解决了关键核素电离室剂量率人工预测精度低、效率低，特征提取不完善的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.015 seconds)
