-
公开(公告)号：CN109728955A
公开(公告)日：2019-05-07
申请号：CN201910007600.3
申请日：2019-01-04
Applicant: 电子科技大学
IPC: H04L12/24
Abstract: 本发明属于复杂网络技术领域，涉及一种基于改进k-shell的网络节点排序方法。在给定网络邻接矩阵的情况下，本发明基于k-shell和节点熵提出一种优化的关键节点识别方法。这种方法考虑了网络的邻居节点的传播影响，原k核值相同的两个节点也可以区分开重要程度。不同核层之间核值越高越重要，相同核层之间通过考虑邻居节点对其的重要程度，节点熵越大的节点越重要。该方法计算复杂度与k-shell相同，故可以适用于大型网络。实验结果表明该方法在对真实网络USAir(美国航空网络)的节点重要性评价中性能比度中心性(DC)、介数中心性(BC)、接近度中心性(CC)更好，本发明的方法可以有效地识别出关键节点，算法简单，效果良好。
-
-
公开(公告)号：CN110472581A
公开(公告)日：2019-11-19
申请号：CN201910758331.4
申请日：2019-08-16
Applicant: 电子科技大学
Abstract: 本发明提供一种基于深度学习的细胞图像分析方法，包括以下步骤：步骤S1：构建细胞图像的参考标准数据集；步骤S2：构建细胞图像分析模型；步骤S3：构建细胞图像样本数据集；步骤S4：更新细胞图像参考标准数据集；步骤S5：优化细胞图像分析模型；步骤S6：更新细胞图像样本数据集。其优点在于，使用模型对细胞图像原始数据进行细胞的分类检测，生成细胞图像样本数据集；再通过细胞图像参考标准数据集的更新，对数据集和模型进行迭代训练，提高细胞图像样本数据集的分类检测准确率；有效提高细胞图像数据集的构建效率，解决实际应用中构建细胞图像数据集工作量大，工作时间过长的问题。
-
公开(公告)号：CN113359100A
公开(公告)日：2021-09-07
申请号：CN202110643158.0
申请日：2021-06-09
Applicant: 电子科技大学
Abstract: 本发明属于雷达信号处理技术领域，具体涉及一种用于跟踪目标雷达辐射源的属性数据关联方法。本发明首先建立关于属性特征固定雷达参数的关联门判别函数，之后结合蚁群算法的蚁周模型，调整被动多传感器系统中获取的测量数据向量，使其以最优顺序进行属性数据关联，并且在关联过程中，将未关联数据视为一个新的雷达辐射源目标，完对所有测量数据的处理，实现其与目标辐射源特征信息的关联。本发明的有益效果为充分利用了被动多传感器系统获取的丰富目标辐射源属性信息，通过蚁群算法得到了访问属性信息的最短回路，有效改善了属性信息与目标辐射源特征信息的关联性能。
-
-
Patent Agency Ranking
公开(公告)号：CN110208790B
公开(公告)日：2022-11-04
申请号：CN201910598071.9
申请日：2019-07-04
Applicant: 电子科技大学
Abstract: 本发明属于多传感器跟踪技术领域，涉及一种基于MGEKF的多传感器目标跟踪方法。本发明首先根据观测模型，列出扩展卡尔曼滤波器的一步预测方程，并计算出目标状态的一步预测结果；然后对目标的状态向量进行更新，计算出扩展卡尔曼滤波的增益矩阵，并更新目标状态向量；最后根据本文提出的计算修正增益矩阵的方法更新状态估计自相关矩阵。计算机仿真表明本发明经过一定时间迭代，较传统多传感器EKF有更好的性能。
-
公开(公告)号：CN113359099A
公开(公告)日：2021-09-07
申请号：CN202110642834.2
申请日：2021-06-09
Applicant: 电子科技大学
Abstract: 本发明属于雷达信号处理技术领域，具体涉及一种用于多目标雷达辐射源跟踪的属性数据关联方法。本发明首先基于高斯模型建立关于属性特征固定雷达参数的关联门判别函数，同时结合模拟退火算法(Simulated Annealing，SA)，调整传感器获取信息向量的顺序，令传感器数据按最优顺序参与BSAS算法进行属性数据关联，并且在关联过程中，将未关联数据视为一个新的雷达辐射源目标，提高了数据利用率并且能够有效解决增批问题，完成对目标的特征信息的关联，能够有效解决传感器测量数据和目标辐射源的映射问题。本发明的有益效果为可以利用模拟退火算法调整所有测量数据参与属性数据关联至最优顺序，解决了BSAS算法对测量数据参与运算顺序敏感的缺点，改善了关联性能。
-
公开(公告)号：CN110208790A
公开(公告)日：2019-09-06
申请号：CN201910598071.9
申请日：2019-07-04
Applicant: 电子科技大学
Abstract: 本发明属于多传感器跟踪技术领域，涉及一种基于MGEKF的多传感器目标跟踪方法。本发明首先根据观测模型，列出扩展卡尔曼滤波器的一步预测方程，并计算出目标状态的一步预测结果；然后对目标的状态向量进行更新，计算出扩展卡尔曼滤波的增益矩阵，并更新目标状态向量；最后根据本文提出的计算修正增益矩阵的方法更新状态估计自相关矩阵。计算机仿真表明本发明经过一定时间迭代，较传统多传感器EKF有更好的性能。
-
公开(公告)号：CN109581359A
公开(公告)日：2019-04-05
申请号：CN201811607966.6
申请日：2018-12-27
Applicant: 电子科技大学
IPC: G01S13/86
Abstract: 本发明属于信息融合技术领域，涉及一种ESM无源信息与雷达有源信息关联的方法。本发明首先使用线性内插法，将ESM数据对准到雷达测量时刻；然后使用1NN最近邻分类建立关联判别函数，并利用类似纽曼-皮尔逊准则，建立判别门限；再使用Dempster-Shafer证据理论融合不同时刻的信息；最后使用硬判决确定关联矩阵。计算机仿真表明本发明经过一定时间积累具有较好的性能。
-
公开(公告)号：CN109581359B
公开(公告)日：2023-04-28
申请号：CN201811607966.6
申请日：2018-12-27
Applicant: 电子科技大学
IPC: G01S13/86
Abstract: 本发明属于信息融合技术领域，涉及一种ESM无源信息与雷达有源信息关联的方法。本发明首先使用线性内插法，将ESM数据对准到雷达测量时刻；然后使用1NN最近邻分类建立关联判别函数，并利用类似纽曼‑皮尔逊准则，建立判别门限；再使用Dempster‑Shafer证据理论融合不同时刻的信息；最后使用硬判决确定关联矩阵。计算机仿真表明本发明经过一定时间积累具有较好的性能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
