-
公开(公告)号：CN113959447B
公开(公告)日：2023-06-27
申请号：CN202111224203.5
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种相对导航高噪声量测量识别方法、装置、设备和存储介质；方法包括：基于多无人机相对导航任务，确定Kalman滤波的状态序列和量测序列；建立与状态序列和量测序列对应的Kalman滤波模型；采用Kalman滤波模型进行滤波；在Kalman滤波过程中，计算量测序列中量测量关于Kalman滤波的置信度；当置信度低于置信阈值时，则判定所述量测量为高噪声量测量，标识所述量测量的Kalman滤波结果无效。本发明通过在卡尔曼滤波计算过程中判定出高噪声量测量数据，提升了卡尔曼滤波计算结果准确性。
-
公开(公告)号：CN112417447A
公开(公告)日：2021-02-26
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN109274943A
公开(公告)日：2019-01-25
申请号：CN201811295141.5
申请日：2018-11-01
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于GIS视频处理技术领域，具体涉及一种基于GIS地图的视频快速调用系统，用于快速精准地定位视频点，提高查看和管理视频的效率。本发明系统包括：坐标点选取模块、视频图形绘制模块、视频图形分析模块、视频信号搜索模块、视频点定位模块；其在地理信息系统GIS地图上选取一坐标点：以所述坐标点为中心，根据预设半径绘制视频图形；对所述视频图形进行分析获取所述视频图形中所有的视频点，并对所有视频点进行标号；搜索视频点所对应的视频信号，将所述标号和搜索到的所有视频信号刷新到视频列表；根据所述视频列表，在所述GIS地图上定位视频点。该方法能够快速地查看需要的视频，提高了查看效率。
-
公开(公告)号：CN113959447A
公开(公告)日：2022-01-21
申请号：CN202111224203.5
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种相对导航高噪声量测量识别方法、装置、设备和存储介质；方法包括：基于多无人机相对导航任务，确定Kalman滤波的状态序列和量测序列；建立与状态序列和量测序列对应的Kalman滤波模型；采用Kalman滤波模型进行滤波；在Kalman滤波过程中，计算量测序列中量测量关于Kalman滤波的置信度；当置信度低于置信阈值时，则判定所述量测量为高噪声量测量，标识所述量测量的Kalman滤波结果无效。本发明通过在卡尔曼滤波计算过程中判定出高噪声量测量数据，提升了卡尔曼滤波计算结果准确性。
-
公开(公告)号：CN111144714A
公开(公告)日：2020-05-12
申请号：CN201911261600.2
申请日：2019-12-10
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于装备试验鉴定技术领域，具体涉及一种针对装备保障能力的基于信息熵的层次分析评估方法。与现有技术相比较，本发明在进行试验评估时，针对装备保障能力的试验数据的不确定性造成的影响不可忽视，通过将其试验数据的不确定性进行量化表示，在进行层次化方法评估时，通过增加数据定量化信息，获取试验数据的可信度，为其赋相应的不确定性权重，增加层次分析法的数据定量信息，可有效提高评估准确性。
-
Patent Agency Ranking
公开(公告)号：CN113932815B
公开(公告)日：2023-07-18
申请号：CN202111217468.2
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种稳健性优化Kalman滤波相对导航方法、装置、设备和存储介质；方法包括：确定Kalman滤波的状态序列和观测序列；建立与状态序列和观测序列对应的Kalman滤波模型；采用建立的Kalman滤波模型进行滤波；在Kalman滤波过程中，采用Kalman增益矩阵用于提高Kalman滤波的稳健性；其中，为第k个时间点的Kalman滤波估计的后验预测误差协方差矩阵；I为单位矩阵；Hk为观测转移矩阵；Vk为观测噪声矩阵；λ1为第一稳健性参数，λ2为第二稳健性参数。本发明与传统的卡尔曼滤波算法相比，提升对量测数据误差的鲁棒性，减少了计算结果与真实值的偏差。
-
公开(公告)号：CN113917938A
公开(公告)日：2022-01-11
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
公开(公告)号：CN113917938B
公开(公告)日：2024-04-19
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
IPC: G05D1/49 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
公开(公告)号：CN112417447B
公开(公告)日：2021-07-20
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN112418289A
公开(公告)日：2021-02-26
申请号：CN202011286164.7
申请日：2020-11-17
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.034 seconds)
