-
公开(公告)号：CN109102077A
公开(公告)日：2018-12-28
申请号：CN201810732705.0
申请日：2018-07-05
Applicant: 杭州电子科技大学
CPC classification number: G06K9/6267
Abstract: 本发明公开了一种在线高维不平衡流数据的学习方法，包括以下步骤：步骤S1：输入参数并初始化在线学习模型；步骤S2：将当前样本输入在线学习模型；步骤S3：利用在线不平衡流数据分类算法更新权值；步骤S4：对权值中特征权重进行截断并重新更新权值。采用本发明技术方案，通过截断算法将贡献量极小的特征权重进行截断，从而进一步优化了模型，即解决了传统在线分类方法无解解决的不平衡流数据分类问题，同时提高了分类精度。
-
公开(公告)号：CN108921286A
公开(公告)日：2018-11-30
申请号：CN201810694618.0
申请日：2018-06-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种免阈值设定的静息态功能脑网络构建方法，包括以下步骤：步骤S1：获取fMRI数据并提取各个脑区的BOLD信号矩阵；步骤S2：对BOLD信号进行信号处理并计算各个脑区间的皮尔森相关系数以此构建实数脑网络矩阵；步骤S3：将步骤S2中构建的实数脑网络矩阵输入神经网络并输出二值脑网络矩阵；步骤S4：采用遗传优化算法优化步骤S3输出的二值脑网络矩阵；步骤S5：如果步骤S4输出的二值脑网络矩阵符合优化条件，则获取最优二值脑网络矩阵；否则，重新配置神经网络参数，并重复步骤S2-S5；步骤S6：根据步骤S5中最优二值脑网络矩阵产生免阈值静息态脑功能网络。
-
公开(公告)号：CN108734725A
公开(公告)日：2018-11-02
申请号：CN201810320130.1
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于高斯过程的概率数据关联滤波扩展目标跟踪方法。该方法首先提出了基于高斯过程的联合跟踪门，以选择各个时刻测量中的有效测量，总结各个有效测量来源的情况，获得关于测量来源的相关事件。第二，以相关事件，当前时刻的有效测量和近似足够统计为条件，基于卡尔曼滤波，获得相关事件对应的目标状态估计。第三，基于贝叶斯概率理论，以所有时刻的有效测量为条件，求得相关事件的权重。最后，结合总体概率公式，将所有相关事件的条件估计与相对应的权重加以总结，获得融合的状态估计和协方差估计。
-
公开(公告)号：CN108647573A
公开(公告)日：2018-10-12
申请号：CN201810297353.0
申请日：2018-04-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的军事目标识别方法，属于基于图像的自动目标识别领域。本发明创造可以在军事目标识别，大规模军事目标检索，武器装备智能化，态势估计等领域应用。该方法针对传统的基于深度学习的目标识别网络各层单向连接，特征表达能力不足的问题，重新设计了一种稠密连接卷积等层的算法模型。使用稠密连接的方式，算法模型复用了每一层的特征，从而提高了算法模型的目标识别平均准确率；采用这种方式训练得到的算法模型更小；同时算法模型解决了梯度弥散、梯度膨胀的问题。
-
公开(公告)号：CN107064865A
公开(公告)日：2017-08-18
申请号：CN201710225331.9
申请日：2017-04-07
Applicant: 杭州电子科技大学
CPC classification number: G01S5/00 , G06K9/6221
Abstract: 本发明提出一种基于深度聚类的极坐标动态规划无源协同定位方法。该方法首先提出了环境变量学习过程，用以确定空间转移伸缩量，并结合误差传递理论求出非线性测量空间内有效转移范围。第二，首次在极值理论确定的回溯阈值内加入抗干扰因子，最终确定基于深度聚类的动态规划算法的回溯阈值。第三，提出一种基于深度聚类的动态规划算法，在测量空间进行目标检测与跟踪。最后，对目标状态进行扩维，从而包括辐射源状态，并提出一种基于关联预测协方差的扩展卡尔曼滤波算法，对扩维后的状态进行联合估计。
-
Patent Agency Ranking
公开(公告)号：CN107025386A
公开(公告)日：2017-08-08
申请号：CN201710174877.6
申请日：2017-03-22
Applicant: 杭州电子科技大学
IPC: G06F19/24
Abstract: 本发明公开了一种基于深度学习算法进行基因关联分析的方法。本发明基于SNP集分析的方法需要借鉴来自同一个体不同位置但是相关的SNP信息，根据现有生物学知识将个体的SNP分成多个单元。首先在整个染色体层面，根据生物学相关知识，如接近基因组特征的原则，将全体SNP划分成多个SNP集。划分结束后，每一个SNP集输入到搭建的双向LSTM网络中，该网络是一个循环神经网络，它的状态包含上一时刻的陈旧信息，同时又是下一时刻权值变化的依据。LSTM网络学习完成后，可以通过网络的计算，输出对输入数据所需关注程度。本发明具有更好的敏感度和特异度，为临床医学、遗传病学和预防医学的发展研究开拓了新的领域。
-
公开(公告)号：CN106997581A
公开(公告)日：2017-08-01
申请号：CN201710174894.X
申请日：2017-03-22
Applicant: 杭州电子科技大学
CPC classification number: G06T3/4076 , G06N3/04
Abstract: 本发明公开了一种利用深度学习重建高光谱图像的方法。本方法为：1)通过稀疏编码的方式对高光谱训练数据集进行训练并得到一神经网络；2)对目标场景原始的高光谱图像进行空间光谱调制获得一二维传感器图像；3)利用所述神经网络对步骤2)得到的二维传感器图像进行重建，得到该目标场景的重建后的高光谱图像。本发明可以解决高光谱成像速度较慢的问题，并获取分辨率更高的高光谱图像。
-
公开(公告)号：CN103760543B
公开(公告)日：2016-09-07
申请号：CN201410013104.6
申请日：2014-01-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多模式的恒虚警目标检测方法，其特征在于包括以下步骤：步骤1、建立均匀分布和非均匀分布杂波背景模型；步骤2、建立与杂波背景区域相应的模型集；步骤3、将多模式恒虚警参考窗划分为左右两个参考窗；步骤4、根据模型集M进行权值计算，根据权值比重大小进行相应的恒虚警处理；步骤5、计算门限系数、，根据CA‑CFAR和CMLD‑CFAR两者的权值得到检测概率表达式，得出检测概率。本发明用于多种杂波背景，分别利用了CA‑CFAR、CMLD‑CFAR在均匀背景下和非均匀背景下检测的优势；在杂波边缘背景下，与一般的有序统计恒虚警相比，检测概率得到很大的提高。
-
公开(公告)号：CN103777187B
公开(公告)日：2016-05-18
申请号：CN201410017844.7
申请日：2014-01-15
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于遍历随机Hough变换的弱目标检测前跟踪方法。本发明首先对所有帧雷达回波数据进行杂波抑制第一门限处理，并单独存储各帧超过第一门限数据；其次对所有超过第一门限的雷达回波数据叠加到数据空间，在对数据空间中所有点进行Hough变换时本发明提出了一种遍历配对的思想，对数据空间中所有不同点进行一一配对求取直线参数的方法；然后对数据空间中所有点进行遍历Hough变换，求取直线参数；接着对所求直线参数进行投票。最后提取投票值最大的直线参数，实现航迹回溯。本发明可以实现复杂背景环境下弱目标的检测与跟踪，同时具有较好的检测性能和跟踪精度。
-
公开(公告)号：CN103475534B
公开(公告)日：2016-04-13
申请号：CN201310334212.9
申请日：2013-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多通信模式的通用工业远程监控终端。目前多数生产部门一般选择数传电台、GPRS/CDMA、以太网等数据传输模式中的某一种，但却无法满足实际工业领域中对于数据变量采集的可靠性要求。本发明包括微处理器模块、串口扩展模块、电压监控与复位模块、GPRS模块、CDMA模块和电源模块。微处理器模块包括一片以ARM7为核心的第一微处理器U1，一片片外扩展内存SRAM和一片片外扩展闪存FLASH。微处理器模块选择GPRS、CDMA或数传电台三种通信模式与外界通信。利用本发明设计的通信终端设备构建的通用工业远程监控系统可以最大程度地适应不同网络的接入环境，其可应用于工业生产中的实时数据传输。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.037 seconds)
