-
公开(公告)号：CN106372618A
公开(公告)日：2017-02-01
申请号：CN201610834791.7
申请日：2016-09-20
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00651 , G06K9/6269 , G06N3/126
Abstract: 本发明提供一种基于SVM与遗传算法的道路提取方法及系统，属于图片中的道路提取技术领域。本发明的方法包括如下步骤：将每个图片通过遗传算法找到一个合适的阀值；用阀值分割的方法来分割图片中的道路和非道路；判断是否识别出道路，如果是，输出处理好的图片，结束；根据训练类别：道路和非道路，训练数据；将图片进行SVM分类；输出处理好的图片。本发明还提供了一种实现上述方法的系统。本发明的有益效果为：采用SVM和遗传算法相结合的道路提取的方法，该方法提高了道路提取的图片种类，同时提高了道路识别的准确度；既解决了使用机器学习算法训练集的局限性问题，又提高了提取道路的速度。
-
公开(公告)号：CN106295690A
公开(公告)日：2017-01-04
申请号：CN201610629833.3
申请日：2016-08-03
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明提供了一种基于非负矩阵分解的时间序列数据聚类方法及系统，在时间序列数据聚类方法中包括如下步骤：数据预处理步骤：读入时间序列数据，并对时间序列数据进行预处理，在预处理过程中，如果时间序列数据中存在负数，将所有的时间序列数据都向上平移所需要的单位，即将矩阵V向上平移一个最小负值到零点的距离即可；矩阵初始化步骤：对基矩阵W和系数矩阵H进行初始化；数据分解步骤：对样本集合V进行非负矩阵分解，得到基矩阵W和系数矩阵H；数据聚类步骤：对分解后的数据进行聚类，得到聚类结果。本发明的有益效果是：本发明提高时序数据的聚类计算速度，且本发明是基于非负矩阵分解获得的数据表达，将明显提高时间序列挖掘的效率。
-
公开(公告)号：CN106022391A
公开(公告)日：2016-10-12
申请号：CN201610380345.3
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/6215 , G06K9/46 , G06K9/623 , G06K9/6269 , G06K9/6289 , G06K2009/4657
Abstract: 本发明提出了一种高光谱图像特征的并行提取与分类方法，通过三维空间域以及频域联合分析，对三维和高光谱图像进行并行特征提取，然后对这些特征进行增强和融合，可以充分利用高维数据的丰富信息以及这些特征之间的结构关系，大大减少噪声对准确率的影响。本发明对各种相位、方向、频域以及三维空间编码方法进行深入研究，然后从提取各Gabor特征在方向与频率空间结构关系出发，在联合提取空间‑光谱域和频域的信号变化特征同时，开拓性地将智能算法引入波段选择，从而可以在保证识别准确率的前提下减少冗余信息，提高识别效率，具有较广泛的应用和推广前景。
-
公开(公告)号：CN105791120A
公开(公告)日：2016-07-20
申请号：CN201610288465.0
申请日：2016-05-03
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04L12/721 , H04L12/727
CPC classification number: H04L45/121 , H04L45/123
Abstract: 本发明提出了一种机会网络中的高效路由算法（PMSF算法），在SAW的基础上进行改进，在散发阶段充分考虑中继节点的传递性能，使用了改进的Prophet投递预测函数作为效用值对消息副本进行分配，投递预测函数表示的传输预测值越大，中继节点传递消息的成功率越高，故应分配给该节点更多的消息副本，摒弃了经典SAW消息散发阶段盲目的均等散发机制。同时，将等待阶段的Direct Delivery被动路由方式改为主动路由，并将等待阶段命名为转发阶段，以更好的贴合主动路由阶段的消息多跳转发机制，利用马尔可夫时间间隔预测模型，尽量将消息转发给较快便能与目的节点相遇的中继节点。本发明同时兼顾了高效和可信的原则，使得副本快速扩散、有效传输，又能保证传输的稳定性和可靠性。
-
公开(公告)号：CN105682174A
公开(公告)日：2016-06-15
申请号：CN201610027070.5
申请日：2016-01-15
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种促进节点合作的机会网络演化算法，首先，建立社会化分布式的信誉模型，包括量化信誉度，信誉的直接计算法和间接信誉评估法；然后，基于信誉度建立相应的激励模型，包含基于信誉的支付函数的设计、基于信誉优选的自适应学习机制等；接下来，建立了多种群非对称演化模型，包括多种群分类、策略更新机制等；最后，基于以上模型设计并实现了演化算法，包括安全协作演化算法以及解决多目标搜索最优问题的萤火虫算法。本发明所提出的演化模型、信誉激励和信誉评估具有适用性和可靠性，动态安全机制具有可操作性。
-
Patent Agency Ranking
公开(公告)号：CN103049704B
公开(公告)日：2015-12-09
申请号：CN201210524338.8
申请日：2012-12-07
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及一种移动终端自适应隐私保护方法及装置，其方法包括：建立多情景融合下的非显示隐私保护模型；基于多情景融合下的非显示隐私保护模型对移动终端进行自适应隐私保护。本发明充分考虑到情景移动社会网络中的社会性和情景相关性的特点，探究不同参数影响因子下的综合推理模型，如探究（用户行为+社会关系+物理位置）和潜在隐私知识之间的关系等，探究在移动计算环境下的非显式隐私保护模式，使其在具有多重抗击隐私攻击能力的同时，又能保证隐私保护所产生的代价和开销最小；其次，能使移动用户在不同场景下实施不同需求的自适应性隐私保护策略，而此项任务是能自动完成。
-
公开(公告)号：CN103049704A
公开(公告)日：2013-04-17
申请号：CN201210524338.8
申请日：2012-12-07
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及一种移动终端自适应隐私保护方法及装置，其方法包括：建立多情景融合下的非显示隐私保护模型；基于多情景融合下的非显示隐私保护模型对移动终端进行自适应隐私保护。本发明充分考虑到情景移动社会网络中的社会性和情景相关性的特点，探究不同参数影响因子下的综合推理模型，如探究（用户行为+社会关系+物理位置）和潜在隐私知识之间的关系等，探究在移动计算环境下的非显式隐私保护模式，使其在具有多重抗击隐私攻击能力的同时，又能保证隐私保护所产生的代价和开销最小；其次，能使移动用户在不同场景下实施不同需求的自适应性隐私保护策略，而此项任务是能自动完成。
-
公开(公告)号：CN101261634B
公开(公告)日：2012-11-21
申请号：CN200810066627.1
申请日：2008-04-11
Applicant: 哈尔滨工业大学深圳研究生院
Inventor： 叶允明
Abstract: 本发明涉及一种网络页面爬行方法及爬行系统。所述方法中系统要沿着新爬行页面对应的超链接链路重新计算链路上各个结点函数Q值，根据计算得到的新的函数Q值，系统重新进行函数Q值的离散化，形成新的样本，然后重新训练NB分类器以获得新的Q值分类模型，再利用该新的Q值分类模型为URL队列中的各个候选URL重新计算Q值，最后IQ-Learning算法也要让页面相关度评估器进行增量学习。本发明系统体系结构的创新点在于增加了一个Q-Learning在线样本生成器，它对在线爬行获得的页面进行分析和评价，生成新的正例样本或反例样本，使增量学习成为可能。本发明所述技术有效的提高了主题爬虫的收获率。
-
公开(公告)号：CN101261634A
公开(公告)日：2008-09-10
申请号：CN200810066627.1
申请日：2008-04-11
Applicant: 哈尔滨工业大学深圳研究生院
Inventor： 叶允明
Abstract: 本发明涉及一种基于增量Q－Learning的学习方法及系统。所述方法中系统要沿着新爬行页面对应的超链接链路重新计算链路上各个结点函数Q值，根据计算得到的新的函数Q值，系统重新进行函数Q值的离散化，形成新的样本，然后重新训练NB分类器以获得新的Q值分类模型，再利用该新的Q值分类模型为URL队列中的各个候选URL重新计算Q值，最后IQ－Learning算法也要让页面相关度评估器进行增量学习。本发明系统体系结构的创新点在于增加了一个Q－Learning在线样本生成器，它对在线爬行获得的页面进行分析和评价，生成新的正例样本或反例样本，使增量学习成为可能。本发明所述技术有效的提高了主题爬虫的收获率。
-
公开(公告)号：CN107330387B
公开(公告)日：2021-04-23
申请号：CN201710475390.1
申请日：2017-06-21
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于图像数据的行人检测方法，包括以下步骤：（1）对于数据的预处理，在网络结构的第一层添加一层用来将数据读入；（2）YOLO原来的全连接层用卷积层替代，每个卷积层后面加一个ReLU层，然后用Reshape层改变输入的维度；（3）对于Loss Function的实现。本发明的有益效果是：将Fast YOLO实现为基于Caffe接口和GoogLeNet的网络，原网络中的全连接层改成卷积层实现，这不仅可以加快检测速度，而且实验结果表明还可以提升检测率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.031 seconds)
