-
公开(公告)号：CN102122349A
公开(公告)日：2011-07-13
申请号：CN201110038900.1
申请日：2011-02-16
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于巴氏距离和有向无环图构建多分类支持向量机分类器的方法，属于模式识别领域，本发明为解决传统多分类策略因结构固定而无法利用类别间可分性不同的先验信息，训练速度随着训练样本数或类别数的增多而变慢，计算量大的问题。本发明方法包括以下步骤：步骤一、对多分类对象，分别计算训练样本中两两类别之间的巴氏距离；步骤二、根据步骤一获取的两两类别之间的巴氏距离建立初始操作表单；步骤三、根据步骤二获取的初始操作表单构建基于有向无环图结构的多分类器；步骤四、采用支持向量机作为二元分类器，基于有向无环图结构实施多分类。
-
公开(公告)号：CN101894097A
公开(公告)日：2010-11-24
申请号：CN201010235062.2
申请日：2010-07-23
Applicant: 哈尔滨工业大学
IPC: G06F17/14
Abstract: 卡尔曼滤波与经验模态分解有机结合的机动目标跟踪方法，涉及机动目标滤波跟踪领域，解决了无法克服EMD方法中的“边界效应”及强机动目标卡尔曼滤波的发散问题。该方法为：一、获得当前采样时刻的量测数据序列，利用卡尔曼预测方程，获得下一时刻的系统状态预测数据，将其与当前序列组合；二、在组合序列中插值生成滤波序列；三、利用EMD方法对滤波序列进行分解，剔除包含噪声的IMF，获得当前滤波值；四、将该滤波值作为当前滤波结果显示；五、将该滤波值作为系统当前状态的后验估计，在下一时刻结合量测数据及卡尔曼方程组，获得计算参数，然后返回一，将下一时刻作为当前时刻，实现机动目标的跟踪。本发明可用于机动目标滤波跟踪领域。
-
公开(公告)号：CN101799873A
公开(公告)日：2010-08-11
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
公开(公告)号：CN116596952A
公开(公告)日：2023-08-15
申请号：CN202310578840.5
申请日：2023-05-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了多层级病灶检出优化的病理切片图像分割检测方法，所述方法构建了一个多级特征提取结构，使用轻量级网络进行图像特征初步提取，基于空洞空间金字塔池化模块进行多尺度特征提取，将多尺度特征与特征初步提取网络中的浅层特征图进行叠加融合，实现了充分的病灶特征提取，提高了算法对病灶的识别精度，并降低了网络层数，避免了过深网络结构导致的特征信息损失。基于多层注意力机制，对病灶特征进行了权重增强，提高了算法对病灶的检出能力。在初步特征提取网络后并行加入一个训练好的基于Sobel算子的多成分分割算法模块，用于辅助优化损失函数。通过多层级的病灶特征提取、增强、优化训练，可以有效提高检测算法的病灶检测效果。
-
公开(公告)号：CN116307053A
公开(公告)日：2023-06-23
申请号：CN202211681689.X
申请日：2022-12-26
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q30/0601 , G06Q50/04
Abstract: 一种基于方形件特征和Pearson相关系数的排样优化和订单组批方法，它涉及一种应用于智能制造领域的排样优化和订单组批方法。它解决了当前个性化工业产品中方形件的最优切割问题。本发明的步骤为：一、确定相似条件，对每份订单建立一个需求材料的一维数组；二、应用Pearson相关系数确定各订单相似性，将相似订单组合成一个批次；三、在同一组批中，分材料切割，对同种材料的方形件数据进行预处理；四、应用以原片宽度为分辨基准的大产品项切割法开始进行切割；五、应用小产品项密集铺贴法对剩余小产品项进行排布。本发明充分利用订单信息和产品信息，结合生产实际，提出了一种二阶段的切割方法，有效提高了板材利用率，适用于大数量多种类的个性化定制方形件的批量切割。
-
Patent Agency Ranking
公开(公告)号：CN116091832A
公开(公告)日：2023-05-09
申请号：CN202310124577.2
申请日：2023-02-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于自编码器网络的肿瘤细胞切片高光谱图像分类方法，所述方法包括如下步骤：步骤一：通过显微镜和高光谱成像仪得到肿瘤细胞切片的高光谱图像；步骤二：基于高光谱图像数据，分别进行基于线性回归的最小二乘拟合估计和基于非线性回归的高斯拟合估计，通过滑动窗口设置和三次样条插值法，将混合像元按线性和非线性混合程度进行区域划分；步骤三：基于变精度粗糙集方法处理高光谱图像解混数据，构建稀疏自编码器网络进行解混；步骤四：基于优化的卷积神经网络，对解混得到的端元及丰度结果进行分类，实现肿瘤细胞切片高光谱图像分类。本发明可以降低图像在空间分辨率上的精度要求，提高切片扫描效率，进一步缩短分析诊断时间。
-
公开(公告)号：CN111260576B
公开(公告)日：2022-07-05
申请号：CN202010034617.0
申请日：2020-01-14
Applicant: 哈尔滨工业大学
Abstract: 一种基于去噪三维卷积自编码网络的高光谱解混算法，解决了传统端元提取算法无法快速同步获得端元光谱与丰度信息，同时易受到干扰、鲁棒性差的问题。本发明的步骤为：一、基于高光谱体数据结构设计并建立三维卷积自编码网络；二、利用去噪自编码算法采用生成数据集训练网络，提取鲁棒的空谱联合特征；三、设计并实现非负稀疏自编码器，对丰度添加非负性与稀疏性约束，将数据映射到低维信号子空间从而同步获得高精度的端元与丰度信息。本发明的基本思想是采用深层自编码网络提取空谱联合特征，以无监督的方式同步获得影像的端元与丰度信息，解混精度高，适用于高光谱端元提取与丰度反演应用，如城市遥感、精准农业、勘探侦查等，社会经济价值高。
-
公开(公告)号：CN114268427A
公开(公告)日：2022-04-01
申请号：CN202111590563.7
申请日：2021-12-23
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于分数阶混沌和二维压缩感知的图像压缩加密方法，属于多媒体信息安全技术领域。本发明针对基于低维整数阶混沌系统的图像压缩加密方案安全性不足的问题，提出了一种基于分数阶混沌和二维压缩感知的图像压缩加密方法。该方法中构建了一个新三维分数阶混沌系统，提供了图像压缩加密算法中所需的随机序列，极大地扩展了该算法的复杂性和密钥空间。该算法采用了二维压缩感知算法对图像进行压缩，并根据随机序列构建了一个新型测量矩阵。同时该方案为了兼顾算法的安全性和实时性，构建一种联合置乱和扩散算法用于图像的加密。理论分析和实验结果表明,本发明算法安全性较高，具有广泛的应用前景和实用价值。
-
公开(公告)号：CN109284352B
公开(公告)日：2022-02-08
申请号：CN201811153438.8
申请日：2018-09-30
Applicant: 哈尔滨工业大学
IPC: G06F16/31 , G06F40/289 , G06F40/242
Abstract: 一种基于倒排索引的评估类文档不定长词句的查询方法，它涉及数据科学领域的索引方法以及NLP领域的分词方法，解决了评估类文档不定长词句的查询问题。本发明的步骤为：一、对待查询文档进行数据预处理，利用jieba分词方法进行分词处理，得到单词词典与词频信息；二、基于完全重建策略的倒排索引原理建立自适应倒排表；三、结合待查找不定长词句的信息，通过自适应倒排表索引词句中各个单词位置信息，识别不定长词句位置信息并索引其所在段落，来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词，建立倒排索引，进而实现快速搜索不定长词句，从而实现对评估类文档的查询功能。应用场景广泛，因而具有很高的社会经济价值。
-
公开(公告)号：CN113746622A
公开(公告)日：2021-12-03
申请号：CN202111036132.6
申请日：2021-09-06
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于双二维混沌系统的轻量级分组文本加密方法，属于信息安全技术领域。本发明针对目前主要使用的轻量级分组密码算法存在的S盒容量以及伪随机序列取值过小的问题，本文提出了一种基于双二维混沌系统的轻量级分组文本加密算法。该算法首先使用二维Logistic混沌系统生成伪随机序列，二维Standard混沌系统生成S盒和P盒，提高了伪随机序列的性能并提高了混淆‑扩散的效果；其次采用了分组密码中的CFB模式，使各个分组之间的加密结果息息相关；然后利用密钥和密文确定移位的位数，进一步确保了加密结果的安全性。实验结果表明，该算法具有接近理论值的信息熵，密文字符比例比较均匀，密文比特流中的0‑1比例接近1，同时具有较好的密钥敏感性，较大的密钥空间以及较快的加密速度，并且能够抵抗选择明文攻击。所以，该算法备具良好的性能，具有一定的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.039 seconds)
