-
公开(公告)号：CN115065603A
公开(公告)日：2022-09-16
申请号：CN202210632210.7
申请日：2022-06-07
Applicant: 杭州电子科技大学 , 杭电(海宁)信息科技研究院有限公司
IPC: H04L41/12 , H04L41/142
Abstract: 本发明公开了一种基于缺失时间序列的网络拓扑完整重构方法，包括如下步骤：S1、对于包含N个节点的实际网络，获取网络中各个节点的策略序列和收益值；S2、分析囚徒演化博弈下的数据特征；S3、对所有网络中可观测节点，根据压缩感知方法计算其邻接向量从而构成重构邻接矩阵；S4、根据重构邻接矩阵找出所有的异常节点并恢复网络的部分拓扑结构Graph1；S5、使用基于博弈的数据特征的收益差序列网络补全算法推断受到隐藏节点影响的拓扑结构Graph2；S6、推测网络中隐藏节点的总个数，揭示异常节点与隐藏节点之间的拓扑结构Graph3；S7、将重构出的拓扑结构进行叠加。该方法实现了基于缺失时间序列重构完整网络拓扑的目标，实现了多个隐藏节点的数量估计和精确定位。
-
公开(公告)号：CN115047423A
公开(公告)日：2022-09-13
申请号：CN202210391944.0
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。
-
公开(公告)号：CN115032602A
公开(公告)日：2022-09-09
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。
-
公开(公告)号：CN111736125A
公开(公告)日：2020-10-02
申请号：CN202010256158.0
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制和双向堆叠循环神经网络的雷达目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并建立动态调整层；然后选取滑窗尺寸对HRRP进行切分，滑窗移动距离小于滑窗长度；然后通过重要性网络调整各切分序列的重要程度；再通过双向堆叠RNN对样本的时序相关性进行建模，提取出其高层次特征；最后采用多层次的注意力机制调整隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN111106627A
公开(公告)日：2020-05-05
申请号：CN201911332192.5
申请日：2019-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种考虑压缩空气储能的风力发电系统鲁棒优化调度方法，包括：步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型。步骤二：根据已知的风电场每小时的期望出力，计算得到风电出力预测区间。并得到风电出力不确定集。步骤三：以系统综合运行成本最小为调度目标，并采用步骤二中的工程博弈模型建模。通过优化方法得到能够对不确定集内的任何元素都保证约束可行，且能够兼顾安全性和经济性的风电调度出力最优解。本发明利用AA-CAES电站的优越性能来促进风电消纳，平衡风电出力不确定性，采用工程博弈模型建模，利用鲁棒优化调度求得最佳风电调度出力，能够在满足安全性的前提下最大化经济性。
-
Patent Agency Ranking
-
公开(公告)号：CN119150108A
公开(公告)日：2024-12-17
申请号：CN202411658987.6
申请日：2024-11-20
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于多源信息特征级融合的舰船分类方法，首先获取舰船目标的HRRP和SAR原始雷达数据，并对HRRP原始雷达数据预处理，生成两种格式的HRRP样本。其次在第一种格式的HRRP样本上进行特征提取，构成传统特征。然后构建时序网络模型分支，以第二种格式的HRRP样本作为输入，并嵌入传统特征，输出混合特征；构建二维卷积模型分支，将SAR原始雷达数据通过轻量级的CNN网络，提取舰船目标结构特征。最后设计注意力加权机制的特征融合模块，将混合特征与舰船目标结构特征加权融合，输出舰船分类结果。本发明解决了自动目标雷达识别基于单一模态数据识别精度和性能有限的问题，提高分类准确率。
-
公开(公告)号：CN113238197B
公开(公告)日：2023-07-04
申请号：CN202011600963.7
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert和BiLSTM的雷达目标识别及据判方法，包括以下步骤：S1，收集样本并划分训练集和测试集，进行数据预处理，包括强调归一化和重心对齐；S2，使用带注意力机制的幂次变换；S3，用Bert处理幂次变换的输出，提取更加深层的特征；S4，通过双向LSTM，加强特征提取；S5，使用softmax分类器分类；S6，将经过S1处理后的HRRP测试集送入S2、S3、S4，S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112764024B
公开(公告)日：2023-06-16
申请号：CN202011600978.3
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S13/88
Abstract: 本发明公开了一种基于卷积神经网络和Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，对数据进行强度归一化和重心对齐处理；S2，将上述处理的HRRP样本输入到CNN模块，用CNN对处理后的样本进行提取特征；S3，用Bert处理CNN提取的有效特征，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert的输出，再次使用注意力机制，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112949096B
公开(公告)日：2023-04-07
申请号：CN202110401851.7
申请日：2021-04-14
Applicant: 杭州电力设备制造有限公司 , 国网浙江杭州市余杭区供电有限公司 , 国网浙江省电力有限公司杭州供电公司 , 杭州电子科技大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/20 , G06Q50/06 , G06F111/04
Abstract: 本申请公开了一种工器具柜布局规划的方法，包括：建立工器具柜分布评价模型；对每个布局方案下工器具柜的使用情况进行统计，得到每个布局方案对应的使用数据；利用工器具柜分布评价模型对每个布局方案对应的使用数据进行评价，并依据评价结果选取最优布局方案；根据最优布局方案对工器具柜进行布局规划。本申请通过利用建立的工器具柜分布评价模型对每个布局方案进行评价，并根据最优布局方案对工器具柜进行布局规划，进而提高了工具器柜的使用效率，降低了人力成本，极大地降低了应急电力维修所需的时间，降低了电力安全隐患。本申请同时还提供了一种工器具柜布局规划的系统、设备及可读存储介质，具有上述有益效果。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.035 seconds)
