-
公开(公告)号：CN105634897A
公开(公告)日：2016-06-01
申请号：CN201610195056.6
申请日：2016-03-30
Applicant: 哈尔滨工业大学
CPC classification number: H04L12/40 , H04L43/18 , H04L2012/40215
Abstract: 一种应用于串行总线分析仪器的CAN总线协议解码IP核，解决现有的协议解码技术对传输的数据进行协议解码的准确性和可靠性低的问题。输入接口控制模块中内嵌一个AXI8位内存映射型从端口模块和一个数据输入缓冲FIFO模块，将写入AXI8位内存映射型从端口模块的CAN总线数据读取出来，并存储到数据输入缓冲FIFO模块中；CAN总线协议解码核心控制模块，将读取的CAN总线数据进行解码后，发送至输出接口控制模块；输出接口控制模块中内嵌一个AXI8位内存映射型从端口模块和一个数据输出缓冲FIFO模块，将写入到数据输出缓冲FIFO模块中的解码结果通过AXI8位内存映射型从端口模块读出。用于对CAN总线数据解码。
-
公开(公告)号：CN110413791A
公开(公告)日：2019-11-05
申请号：CN201910718426.3
申请日：2019-08-05
Applicant: 哈尔滨工业大学
IPC: G06F16/35
Abstract: 基于CNN-SVM-KNN组合模型的文本分类方法，本发明涉及基于组合模型的文本分类方法。本发明的目的是为了解决现有方法文本分类准确率低的问题。具体过程为：1：文本预处理；2：对步骤一预处理后后的文本进行特征提取，得到特征提取后的文本；3：基于步骤2建立CNN模型；4：建立CNN-SVM模型；5：建立CNN-KNN模型；6：设定区分阈值d；7：计算距离：计算待分类的样本点到CNN-SVM分类器最优的分类面距离tmp；8：比较距离：当tmp＞d时，选择CNN-SVM分类器；否则，选择CNN-KNN分类器；9：重复执行步骤6至步骤9，寻找评价指标最优的d值。本发明用于文本分类领域。
-
公开(公告)号：CN109859525A
公开(公告)日：2019-06-07
申请号：CN201910266700.8
申请日：2019-04-03
Abstract: 本发明提供基于A星算法的车位导航方法，属于停车位管理技术领域。本发明将停车场划分为网格，每一个网格视为一个顶点；将起点放入集合A中，集合B置空；然后将A中的各顶点按照代价值升序排列，并将第一个顶点Vi放入B中；判断Vi是否为终点，如果是，导航结束；如果不是，扩展Vi的子顶点Vj；如果A、B中都没有Vj，那么将Vj放置到A中并将指针指向它的父级顶点Vi；如果A中存在Vj，则更新集合A中Vj的代价值，并将指针指向Vi；如果B中存在Vj，则该顶点不需考虑；重复上述操作直至导航结束。本发明解决了现有车位导航不能快速有效找到最短路径的问题。本发明可用于停车位管理。
-
公开(公告)号：CN107024505A
公开(公告)日：2017-08-08
申请号：CN201710263347.9
申请日：2017-04-19
Applicant: 哈尔滨工业大学
Abstract: 一种基于热量变化及微流控芯片技术的COD检测方法，涉及一种COD检测方法，具体涉及在微流控芯片上进行热量检测来实现COD检测的方法。本发明为了解决当前的COD检测方法存在的周期较长、易造成二次污染的问题。本发明首先基于微流控芯片进行热量变化检测，分别在微流控芯片中装载反应试剂和水样进行放热反应，采集温度数据峰值，并将采集到的温度数据峰值作为反应温度，根据反应温度得到反应电压数据及反应电压数据差值；根据反应电压数据差值与被测水样COD的线性关系实现对被测水样COD的检测。本发明适用于被测水样的COD检测。
-
公开(公告)号：CN106886843A
公开(公告)日：2017-06-23
申请号：CN201710183533.1
申请日：2017-03-24
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进粒子群算法的数字微流控芯片故障检测方法及系统，属于微数字微流控芯片故障检测领域，为了解决现有技术的数字微流控芯片故障检测方法故障定位时间较长的缺点，而提出一种基于改进粒子群算法的数字微流控芯片故障检测方法，包括：获取测试液滴的起始位置和终点位置；构建禁忌表；构建至少一个粒子群，为每个粒子群构建与其对应的位置矩阵；确定粒子群算法中每个粒子的速度向量，直至所有相邻电极均被遍历；根据公式更新粒子的位置序列；计算每个粒子的位置向量的适应度，并分别确定每个种群当前最短路径以及全局最短路径；重复上述步骤，直至达到预定的迭代次数，输出全局最短路径。本发明适用于数字微流控芯片的故障检测。
-
Patent Agency Ranking
公开(公告)号：CN106126973A
公开(公告)日：2016-11-16
申请号：CN201610452114.9
申请日：2016-06-21
Applicant: 哈尔滨工业大学
CPC classification number: G06F19/18 , G06K9/6269
Abstract: 基于R‑SVM和TPR规则的基因功能预测方法，涉及一种基因功能的预测方法。本发明可以实现对基因功能的预测，能够解决采用分类算法实现基因功能预测时所存在的多标签问题以及层级约束问题。本发明首先将已知功能的基因作为训练样本，构成训练集；针对GO注释方案中的每个节点，构造正样本集和负样本集；针对GO注释方案中的每个节点，选择对该节点的功能进行分类时贡献较大的属性；通过训练得到一组R‑SVM分类器并对未知样本进行分类预测，得到一组初步R‑SVM分类结果；将分类结果转化为后验概率值，使用针对有向无环图层级结构的带权重的TPR集成算法，实现基因功能的预测。本发明适用于基因功能的预测。
-
公开(公告)号：CN113740736B
公开(公告)日：2024-04-02
申请号：CN202111009944.1
申请日：2021-08-31
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明提出一种基于深度网络自适应的电动汽车锂电池SOH估算方法，先对数据进行预处理，数据预处理后在原有的电压、电流、时间曲线的基础上构建SOC曲线和容量增量IC曲线，并根据这些曲线进行了特征提取；利用皮尔逊相关系数PCC计算提取出的特征与SOH的相关性，验证特征提取是否有效；再构建SOH估算模型；通过在深度网络中添加自适应层结合深度学习和领域自适应，实现迁移学习，建立出基于深度自适应网络的SOH估算模型；本发明能够有效的将电池老化信息从实验数据中迁移到工况数据下，有效的弥补了工况下电池老化信息不足的问题，提高了工况下SOH估算的精度，使其能够满足SOH估算的需求，可以应用于车载电池管理系统中。
-
公开(公告)号：CN112034356B
公开(公告)日：2023-03-28
申请号：CN202010941138.7
申请日：2020-09-09
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/392 , G01R31/396
Abstract: 基于GP‑UKF的电动汽车动力电池在线SOH估算方法，涉及一种电动汽车动力电池的在线SOH估算技术，为了解决现有的电动汽车电池健康状态离线评估耗时耗力以及测算周期较长的问题。本发明将利用历史全充数据，对电动汽车上动力电池日常充电数据进行补全，利用安时积分法得到当SOC估计值；利用高斯过程回归进行回归拟合，建立无迹卡尔曼滤波的状态方程和量测方程；以当前车辆动力电池容量的SOC估计值为卡尔曼滤波观测值，结合无迹卡尔曼滤波的状态方程和量测方程，进行无迹卡尔曼滤波迭代，得到动力电池当前容量值的最优估计；利用当前动力电池总容量与出厂时总容量作商得出本次充电循环的SOH估计值；有益效果为实时提供电池健康状态分析结果。
-
公开(公告)号：CN109190259B
公开(公告)日：2022-04-29
申请号：CN201811044287.2
申请日：2018-09-07
Applicant: 哈尔滨工业大学
IPC: G06F30/367 , G06F30/392 , G06F111/06
Abstract: 基于改进Dijkstra算法和IPSO结合的数字微流控芯片故障修复方法，涉及数字微流控芯片故障修复领域，为了解决现有的数字微流控芯片故障修复方法的用时长、效率低的问题。该方法包括：步骤一、基于改进Dijkstra算法计算两个待混合液滴之间的最短路径；改进Dijkstra算法为在现有Dijkstra算法中引入代价函数，代价函数引导现有Dijkstra算法向到起点距离最短、到终点距离最短和到故障点距离最长的方向进行搜索；步骤二、基于IPSO计算移动路径，实现在保证混合完成的条件下，液滴移动距离最短，完成故障修复。本发明适用于修复数字微流控芯片的故障。
-
公开(公告)号：CN106126972A
公开(公告)日：2016-11-16
申请号：CN201610452113.4
申请日：2016-06-21
Applicant: 哈尔滨工业大学
Abstract: 一种用于蛋白质功能预测的层级多标签分类方法，涉及生物信息学及数据挖掘领域，尤其涉及一种用于蛋白质功能预测的层级多标签分类方法。本发明要为解决现有分类方法用于预测蛋白质功能时，存在数据集不平衡问题、多标签问题和层级约束问题。本发明所述方法按以下步骤进行：一、训练阶段：在训练阶段针对类标签层级结构中的每个节点的数据集采用一个SVM分类器进行训练，得到一组基础分类器；二、预测阶段：在预测阶段首先使用训练阶段获得的这组基础分类器得出未知样本的初步结果，而后采用带权重的TPR算法对结果进行处理，得到满足层级约束条件的最终结果，实现对蛋白质功能的预测。本发明应用于生物信息学及数据挖掘领域。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
