-
公开(公告)号：CN113238197A
公开(公告)日：2021-08-10
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：CN112764024A
公开(公告)日：2021-05-07
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：CN111596276A
公开(公告)日：2020-08-28
申请号：CN202010256705.5
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谱图变换和注意力机制循环神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后建立动态调整层，对谱图进行调整；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN109672199A
公开(公告)日：2019-04-23
申请号：CN201811445855.X
申请日：2018-11-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于能量平衡的电动汽车削峰填谷能力估计方法，本发明考虑分时电价对EV车主充电的影响,车主以充放电代数费用最小为目标进行充放电策略优化,然后研究配电系统以平抑负荷曲线为目的的EV充放电调度方案,采用动态规划法进行EV充放电功率调度，实现负荷削峰填谷，本专利所提出的方法可用于评估配电系统中EV削峰填谷能力。本发明以EV行驶里程估计EV的充电能量；在分时电价的电力市场环境中，电动汽车车主以充放电代数费用最小确定各电价时段可充放电的时长；本发明能调度电动汽车充放电功率以起到削峰填谷的作用。
-
公开(公告)号：CN115032602B
公开(公告)日：2025-01-17
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/2415 , G06F18/214 , G06F18/243 , G06F18/25 , G06N3/0464 , G06N3/09
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。
-
Patent Agency Ranking
公开(公告)号：CN115065603B
公开(公告)日：2024-03-19
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：CN111596276B
公开(公告)日：2023-07-04
申请号：CN202010256705.5
申请日：2020-04-02
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06V10/764 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于谱图变换和注意力机制循环神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后建立动态调整层，对谱图进行调整；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN112782660B
公开(公告)日：2023-06-30
申请号：CN202011599336.6
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，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，对HRRP数据进行幂次变换，并使用注意力机制；S3，用Bert模型处理幂次变换的输出，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert模型的输出，再次使用注意力机制的思想，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：CN109672199B
公开(公告)日：2022-03-18
申请号：CN201811445855.X
申请日：2018-11-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于能量平衡的电动汽车削峰填谷能力估计方法，本发明考虑分时电价对EV车主充电的影响,车主以充放电代数费用最小为目标进行充放电策略优化,然后研究配电系统以平抑负荷曲线为目的的EV充放电调度方案,采用动态规划法进行EV充放电功率调度，实现负荷削峰填谷，本专利所提出的方法可用于评估配电系统中EV削峰填谷能力。本发明以EV行驶里程估计EV的充电能量；在分时电价的电力市场环境中，电动汽车车主以充放电代数费用最小确定各电价时段可充放电的时长；本发明能调度电动汽车充放电功率以起到削峰填谷的作用。
-
公开(公告)号：CN105205141A
公开(公告)日：2015-12-30
申请号：CN201510597701.2
申请日：2015-09-20
Applicant: 杭州电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明公开了一种电子书的个性化定制方法，包括如下步骤：（1）获取终端用户个性化信息和终端设备信息。（2）服务器根据用户的个性化信息筛选数据库的电子书资源。（3）电子书资源重组封装成电子书。（4）终端用户个性化信息反馈。本发明能解决的技术问题在于提供一种电子书的个性化定制方法，能实现电子书内容的个性化定制，能对电子书章节内容自动更新。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
