-
公开(公告)号：CN108257194B
公开(公告)日：2021-06-01
申请号：CN201810062910.0
申请日：2018-01-23
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的人脸简笔画生成方法，包括如下步骤：步骤一：初始化I＝{I1，I2，……，IN}为人脸图像集；步骤二：构造训练数据集；步骤三：使用误差反传梯度下降算法，根据训练数据集T训练卷积神经网络；步骤四：生成人脸简笔画。本发明根据已有数据集，对原有数据集进行多尺度扰动，增大训练数据集，提高网络泛化能力，可以实现自动提取人脸特征，提取的人脸轮廓精确，系统鲁棒性强。
-
公开(公告)号：CN108257194A
公开(公告)日：2018-07-06
申请号：CN201810062910.0
申请日：2018-01-23
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的人脸简笔画生成方法，包括如下步骤：步骤一：初始化I＝{I1，I2，……，IN}为人脸图像集；步骤二：构造训练数据集；步骤三：使用误差反传梯度下降算法，根据训练数据集T训练卷积神经网络；步骤四：生成人脸简笔画。本发明根据已有数据集，对原有数据集进行多尺度扰动，增大训练数据集，提高网络泛化能力，可以实现自动提取人脸特征，提取的人脸轮廓精确，系统鲁棒性强。
-
公开(公告)号：CN104133897B
公开(公告)日：2017-07-11
申请号：CN201410374437.1
申请日：2014-08-01
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明属于话题溯源范畴语义社会网络中的数据挖掘领域，具体涉及一种基于话题影响力的微博话题溯源方法。本发明包括：根据信息检索领域的隐形语义查询扩展方法，对输入的话题词组tp进行语义扩展，得到与给定话题相关的前k个话题；确定微博网络中的用户关系及信息传播规律，确定话题影响力TIN；根据影响力计算公式，以1h为一个时间步计算话题的影响力，得到话题在传播过程中随着时间变化的影响力趋势，其影响力强度从话题初期的缓慢增长到急剧上升最后达到平稳状态，即话题成长为热点；推导话题溯源递推公式，并确定其溯源递推终止条件，输出引发话题的源头。本发明使话题溯源递推的终止条件更加准确，溯源更加准确有效。
-
公开(公告)号：CN103324708A
公开(公告)日：2013-09-25
申请号：CN201310241428.0
申请日：2013-06-18
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及一种长文本到短文本的迁移学习方法，其特征在于：步骤1：根据目标领域短文本中提取的标签，通过搜索引擎获得源领域数据，提取源领域的种子特征集；步骤2：根据目标领域短文本的标签集和源领域的种子特征集，构建社交媒体无向图，从无向图中提取包含所有目标领域标签集和种子特征集节点的子图；步骤3：基于拉普拉斯特征映射算法，获得源领域数据新的特征表示；步骤:4：根据源领域数据新的特征表示，对源领域数据进行分类。
-
公开(公告)号：CN103176961A
公开(公告)日：2013-06-26
申请号：CN201310069560.8
申请日：2013-03-05
Applicant: 哈尔滨工程大学
IPC: G06F17/27
Abstract: 本发明的目的在于提供一种基于潜在语义分析的迁移学习方法，包括以下步骤：对训练数据做去停用词、词干化处理，分别计算源领域与目标领域词汇权重，得到词汇-文本矩阵M，对矩阵M进行奇异值分解，将M中词汇与文本映射到低维潜在语义空间，去除源领域中同义词噪音影响，调整矩阵M结构，从源领域中找出与目标领域文本关联度较大的词汇作为迁移词，再对矩阵M结构进行调整，分析调整后的矩阵M中目标领域词汇，得到目标领域数据新的特征表示，在训数据集中得到最终分类器，对测试数据集S进行分类。
-
Patent Agency Ranking
公开(公告)号：CN101499981A
公开(公告)日：2009-08-05
申请号：CN200910071577.0
申请日：2009-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种电子邮件邮件网关类系统邮件账户维护的方法。使用POP3协议和SMTP协议探测邮件帐户信息，并将有效账户信息存储在动态散列表中，通过时间滑动窗口维护信息的有效性，这样当发现投递失败的邮件则将其从散列表中丢弃，对于新增加的用户在经过滑动窗口的等待时间以后在重新进行探测。在固定周期内，将散列结构存储到文件系统中，防止信息丢失，在系统意外重起时，可以直接从文件加载。本发明的有点在于：1)可以帮助邮件网关过滤掉大量账户不存在的邮件信息，降低了网关的负担，提高网关系统的利用率；2)支持在一个邮件网关中，同时管理多个邮件系统，减少了系统的部署成本。
-
公开(公告)号：CN114511905B
公开(公告)日：2024-11-05
申请号：CN202210066025.6
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06V40/16 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明属于人脸聚类技术领域，具体涉及一种基于图卷积神经网络的人脸聚类方法。本发明首先对人脸数据做特征提取，把人脸特征看成节点，计算所有节点的局部密度值；然后，基于局部密度值将数据划分为高密度节点和低密度节点两部分，高密度节点连接最近邻中同为高密度的节点，形成多个聚类中心；为低密度节点构造自适应子图，作为图卷积神经网络的输入，预测节点间的连通性；最后，将两部分合并后使用伪标签传播将不符合要求的边切除，获取最终的聚类结果。本发明基于密度将数据划分为两部分，仅对低密度部分构建子图进行推理，提高了聚类的效率，同时自适应子图能够提取更为丰富的上下文信息，使得对子图的推理更为准确，提高了聚类的准确度。
-
公开(公告)号：CN114511739B
公开(公告)日：2024-11-05
申请号：CN202210089412.1
申请日：2022-01-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0985
Abstract: 本发明属于计算机技术领域，具体涉及一种基于元迁移学习的任务自适应的小样本图像分类方法。本发明通过结合元迁移学习，弥补MAML模型采用4Conv浅层网络提取特征不充分的问题；增加可训练的参数来学习平衡元知识在每个任务中的使用，解决现实场景下小样本学习的任务不平衡，类别不平衡，分布不平衡问题。本发明挑选每个任务中准确率低的样本，并重新组合它们的数据，使其成为更困难的任务，使元学习器在学习更加困难的任务的过程中提高模型的准确率。本发明提出的困难任务挖掘算法在线的收集分类效果差的样本组成困难任务，让学习器在困难任务中学习得更快、效果更好。
-
公开(公告)号：CN110849372B
公开(公告)日：2023-02-14
申请号：CN201911188834.9
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于EM聚类的水下多目标轨迹关联方法。对数据进行预处理；通过引入信息熵来构建构建轨迹质量分级模型，在轨迹关联的时候，把质量好的点当做中心优先进行轨迹关联匹配；通过轨迹间拓扑信息建立高斯混合模型同时将质量好的点当做质心，得到高斯概率密度函数；建立混合整数非线性规划模型，利用递归的思想降低关联偏差；通过EM聚类，对未知参数求极值，来设定关联判断门限，同时对结果进行唯一化处理，求解得到水下目标轨迹的对应关系，最后匹配出水下目标的轨迹。本发明在不同目标个数、不同传感器测角测距误差、以及不同传感器探测概率等情况下，本发明具有很好的正关联率，具备一定的优越性和鲁棒性。
-
公开(公告)号：CN109034632B
公开(公告)日：2019-06-18
申请号：CN201810877437.1
申请日：2018-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于对抗样本的深度学习模型安全风险评估方法，属于计算机技术领域。所述方法通过原始样本图像xc进行预处理和利用待测目标深度学习模型对原始样本图像xc进行预测等步骤实现深度学习模型安全风险评估。所述方法能够实现对深度学习模型安全风险的有效评估。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.066 seconds)
