-
公开(公告)号：CN108205678A
公开(公告)日：2018-06-26
申请号：CN201711170398.3
申请日：2017-11-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种含有亮斑干扰的铭牌文字识别处理方法，其按如下步骤：(1)对采集的包含亮斑的铭牌图像进行中值滤波降噪；(2)对图像进行阈值分割以及中值滤波；(3)将图像进行区域重建。本发明含有亮斑干扰的铭牌文字识别处理方法具有可行性高、效果明显等优点。
-
公开(公告)号：CN103886326B
公开(公告)日：2016-12-07
申请号：CN201410064547.8
申请日：2014-02-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合空间信息的高光谱分类结果优化方法。常规的高光谱图像分类技术主要关注于如何更好地利用光谱空间的分类信息，往往忽视图像空间域信息。本发明在利用数据进行自身光谱特征分类的同时采用自适应阈值边缘提取和内部膨胀法相结合的空间域有效信息对光谱分类结果进行补充。本发明首先采用基于支持向量机的分类方法对数据进行谱域分类。之后采用自适应阈值边缘提取和内部膨胀法引入空间域有效信息对光谱分类结果进行修正。本发明更加充分地利用了高光谱数据包含的信息，提高了高光谱图像分类精度。
-
公开(公告)号：CN102915445A
公开(公告)日：2013-02-06
申请号：CN201210343889.4
申请日：2012-09-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种改进型的神经网络的高光谱遥感影像分类方法。传统的模式识别方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类。本发明首先针对高光谱数据以数据量大、波段间相关性强、冗余信息多等特点，对高维遥感数据进行主成分分析，在提取有效光谱数据的同时，大大降低了数据的维数。然后使用多层前馈神经网络对数据进行分类，在此引入遗传算法是为了优化网络的权值和阈值，以便更好的防止网络搜索陷入局部极小问题，不但提高了神经网络的预测精度，同时也大大节省了分类时间。本发明增强了分类器收敛速度，提高了高光谱图像的分类性能。
-
公开(公告)号：CN117669168A
公开(公告)日：2024-03-08
申请号：CN202311578384.0
申请日：2023-11-24
Applicant: 杭州电子科技大学
IPC: G06F30/20 , G06F18/241 , G06F18/214 , G06F18/22 , G06N3/04 , G01S13/72 , G01S13/88 , G01S7/40
Abstract: 本发明公开了一种基于深度强化学习的多目标跟踪方法，该方法首先得到雷达目标的真实航迹数据和传感器量测数据集，并进行标签随机有限集建模。其次将多目标先验密度进行标签多伯努利先验预测，得到代价矩阵C。然后构建强化学习模型，把代价矩阵C转化为二分图G输入训练好的深度强化学习网络模型中进行测试，输出的多个最优匹配结果转化成分配矩阵S。最后将分配矩阵S进行多伯努利滤波更新，得到多目标状态并向前传递多伯努利多目标后验密度，重复上述过程，统计多目标航迹信息。本发明在目标数量多、传统多目标跟踪系统计算量大的情况下也能快速准确实现跟踪任务。
-
公开(公告)号：CN110929560B
公开(公告)日：2022-10-14
申请号：CN201910963482.3
申请日：2019-10-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开融合目标检测与跟踪的视频半自动目标标注方法，首先在视频图像中选定某一帧为初始帧，手动标记目标的初始位置，确定目标的类别标签。在后续帧中，融合基于图像的目标检测算法和基于图像序列的视频目标跟踪算法估计目标在图像中的位置；本发明根据目标跟踪算法判断目标标注是否结束。若结束，根据每一帧目标的显著值大小，提取视频关键帧，得到目标标注结果，否则继续估计目标在视频图像中的位置；本发明基于目标显著性提取视频关键帧的方法，使关键帧能反映目标变化的多样性。本发明采用多镜头多舰船的视频进行实验测试，验证了本发明提出方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN112989060B
公开(公告)日：2022-04-15
申请号：CN202011328486.3
申请日：2020-11-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于GCN的重大事件趋势预测方法。本发明从关系型数据库获取结构化事件信息数据，构建事件语义关联图，选择时间片粒度分割出局部图；基于GCN的趋势预测模型模型输入为多个局部事件语义关联图的节点向量和邻接矩阵，输出为趋势等级。该方法增强了对文本的语义理解，预测精度优于基于专家知识构建特征的方法。本发明方法具有时效性高、普适性强等优点，在重大事件趋势等级预测上具有广阔的应用前景。
-
公开(公告)号：CN110428102B
公开(公告)日：2021-11-09
申请号：CN201910701134.9
申请日：2019-07-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于HC‑TC‑LDA的重大事件趋势预测方法。首先，采用网络爬虫爬取专题新闻数据；然后，利用主题模型抽取特征，并针对LDA主题模型存在大量噪声词，且必须凭借经验手动设置主题数目的问题，设计了融合层次聚类、单词贡献度、LDA的主题模型HC‑TC‑LDA；最后，采用机器学习分类模型构建重大事件趋势预测模型。本发明方法的预测性能优于依赖专家知识进行特征指标构建的传统方法，能有效实现重大事件趋势的高精度预测，并且在方法普适性与时效性上该方法均具有一定优势，无需更多的领域专家知识，为战略决策制定提供一定的辅助支持,具有广阔的应用前景。
-
公开(公告)号：CN110516525B
公开(公告)日：2021-10-08
申请号：CN201910585761.0
申请日：2019-07-01
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于GAN和SVM的SAR图像目标识别方法，首先采用一种基于多尺度分形特征的SAR图像增强算法进行SAR图像目标方位角估计；然后基于解耦表示学习生成对抗网络模型(Disentangled Representation Learning GAN，DRGAN)设计了一种用于SAR图像目标方位角变换的深度生成模型；本发明基于训练得到的DRGAN模型对输入SAR图像进行方位角归一化变换，然后基于方位角归一化后的SAR图像作为训练样本提取灰度特征，训练SVM分类器；对测试样本进行同样的方位角归一化变换，采用训练得到的SVM分类器进行分类。本发明采用MSTAR数据集进行验证，在SOC和多个EOC比较多种算法的识别精度，验证了本发明提出方法的有效性。
-
公开(公告)号：CN109633592B
公开(公告)日：2020-11-17
申请号：CN201910048341.9
申请日：2019-01-18
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了运动观测站误差下外辐射源雷达时差与频差协同定位方法。本发明针对运动观测站位置和速度存在误差的情况下的外辐射源定位问题，根据获得的TDOA和FDOA量测，引入距离和距离变化率作为中间变量将强非线性方程伪线性化，建立目标位置和速度的估计模型。根据量测误差方差、观测站位置和速度误差设计优化权重，采用迭代加权最小二乘法进行估计。并利用中间变量与目标位置和速度之间的关联性构造关联最小二乘估计模型，改进上述目标位置估计结果。本发明引入中间变量，合理将非线性量测模型转化为伪线性，在保证估计性能的前提下降低外辐射源定位的复杂度；降低观测站误差对目标定位性能的影响。
-
公开(公告)号：CN108038856B
公开(公告)日：2020-08-04
申请号：CN201711403183.1
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于改进多尺度分形增强的红外小目标检测方法。传统基于分形特征增强的红外小目标检测算法具有计算复杂度高的问题。本发明利用多尺度区域内像素的最大值与最小值的差作为一种度量，然后采用其区域平均值获得每点像素的多尺度分形特征向量，通过定义的新的显著性度量准则来评价每点像素的显著性，最后基于增强后的图像通过自适应阈值分割算法进行目标检测。本发明提出的方法降低了算法的计算量，提高了检测速度。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.029 seconds)
