-
公开(公告)号：CN113759323A
公开(公告)日：2021-12-07
申请号：CN202110815494.9
申请日：2021-07-19
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明公开了一种基于改进K‑Means联合卷积自编码器的信号分选方法，包括：获取不同PRI调制类型的雷达对应的若干TOA序列；构建卷积自编码器，并利用TOA序列对其进行训练，得到若干训练好的卷积自编码器；对不同PRI调制类型的雷达信号进行仿真，得到混合PDW序列；基于改进的K‑Means聚类算法对混合PDW序列进行预分选，得到预分选后的TOA序列；利用训练好的卷积自编码器对预分选后的TOA序列进行脉冲提取，得到信号分选结果。本发明提供的信号分选方法适用于复杂环境下的雷达信号分选，提高了信号分选准确率和分选效率。
-
公开(公告)号：CN112883201A
公开(公告)日：2021-06-01
申请号：CN202110307974.4
申请日：2021-03-23
Applicant: 西安电子科技大学昆山创新研究院
Abstract: 本发明揭示了一种基于智慧社区大数据的知识图谱构建方法，其包括S1）获取数据；S2）对半结构化数据与非结构化数据进行知识抽取，形成第二结构化数据；S3）对第一结构化数据进行数据整合，形成初步的智慧社区知识图谱；S4）知识表示：对第二结构化数据以及第一结构化数据进行知识表示；S5）知识融合：对所述第二结构化数据中的实体、关系以及实体的属性进行实体链接和知识合并；S6）解决智慧社区图谱构建过程中的冲突；S7）更新智慧社区知识图谱：数据模式层的更新和数据层的更新。本发明针对多类型数据、多人员、多类型行为特征以及多样本，构建了智慧社区大数据知识图谱，为智慧城市服务提供了重要的支持。
-
公开(公告)号：CN112883278A
公开(公告)日：2021-06-01
申请号：CN202110307968.9
申请日：2021-03-23
Applicant: 西安电子科技大学昆山创新研究院
IPC: G06F16/9535 , G06F16/9536 , G06F16/36 , G06Q50/00
Abstract: 本发明揭示了一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其包括：S1）构建基于智慧社区不良舆论传播抑制模型的知识图谱和社区网络；S2）采用社团检测算法将社区网络划分为多个社团，采用BGLL算法将社团检测问题转变为优化的问题；S3）选择对应节点得到一个候选免疫节点集；S4）利用改进Memetic算法优化传播阈值函数从候选免疫节点集中选择最终的免疫节点，抑制智慧社区中不良舆论的传播。本发明对智慧社区大数据知识图谱进行深层次的结构化分析，通过基于智慧社区的大数据知识图谱和人工智能的不良舆论抑制算法，可以实现低成本、小影响、高效率的不良舆论抑制，提升管理者的管理效果、减少管理负担。
-
Patent Agency Ranking
-
公开(公告)号：CN112925920A
公开(公告)日：2021-06-08
申请号：CN202110310416.3
申请日：2021-03-23
Applicant: 西安电子科技大学昆山创新研究院
Abstract: 本发明揭示了一种智慧社区大数据知识图谱网络社团检测方法，其包括以下步骤：S1）构建智慧社区大数据知识图谱；S2）对智慧社区大数据知识图谱进行重构，得到智慧社区知识图谱网络的低维编码；S3）使用深度学习方法构建深层次的模型进行训练，最终得到社团检测结果。本发明对智慧社区大数据知识图谱进行深层次的结构化分析，从复杂的大规模智慧社区知识图谱网络中获取清晰的知识节点社团结构；对社团检测算法进行优化，提高算法的效率，以实现智慧社区大数据知识图谱网络的社团检测的实时性要求。
-
公开(公告)号：CN113759323B
公开(公告)日：2024-02-06
申请号：CN202110815494.9
申请日：2021-07-19
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明公开了一种基于改进K‑Means联合卷积自编码器的信号分选方法，包括：获取不同PRI调制类型的雷达对应的若干TOA序列；构建卷积自编码器，并利用TOA序列对其进行训练，得到若干训练好的卷积自编码器；对不同PRI调制类型的雷达信号进行仿真，得到混合PDW序列；基于改进的K‑Means聚类算法对混合PDW序列进行预分选，得到预分选后的TOA序列；利用训练好的卷积自编码器对预分选后的TOA序列进行脉冲提取，得到信号分选结果。本发明提供的信号分选方法适用于复杂环境下的雷达信号分选，提高了信号分选准确率和分选效率。
-
公开(公告)号：CN113608172B
公开(公告)日：2023-12-29
申请号：CN202110700893.0
申请日：2021-06-23
Applicant: 西安电子科技大学
IPC: G01S7/02 , G01S13/88 , G06F18/2135 , G06F18/241
Abstract: 本发明公开了一种基于改进K近邻的机载多功能雷达工作模式识别方法，通过获取复合场景下多功能雷达信号的数据集；对数据集进行预处理，获得数据集中每个样本的多维特征表征；对每个样本进行一位编码获得样本标签；进一步获得标签样本集，然后随机选择组成训练集以及测试集；根据类间边界，使用1‑NN算法有效剔除训练集中界限模糊的样本，得到目标训练集；再进行PCA主成分贡献率分析，减少冗余特征对分类识别的影响，获得降维后的目标训练集。重复训练预设的k近邻算法模型，确定k的最优值；使用测试集测试确定k为最优值的k近邻算法模型进行识别。本发明可以降低分类识别时间，具有较好的鲁棒性和泛化性。
-
公开(公告)号：CN113608172A
公开(公告)日：2021-11-05
申请号：CN202110700893.0
申请日：2021-06-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进K近邻的机载多功能雷达工作模式识别方法，通过获取复合场景下多功能雷达信号的数据集；对数据集进行预处理，获得数据集中每个样本的多维特征表征；对每个样本进行一位编码获得样本标签；进一步获得标签样本集，然后随机选择组成训练集以及测试集；根据类间边界，使用1‑NN算法有效剔除训练集中界限模糊的样本，得到目标训练集；再进行PCA主成分贡献率分析，减少冗余特征对分类识别的影响，获得降维后的目标训练集。重复训练预设的k近邻算法模型，确定k的最优值；使用测试集测试确定k为最优值的k近邻算法模型进行识别。本发明可以降低分类识别时间，具有较好的鲁棒性和泛化性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
