-
公开(公告)号：CN107908807B
公开(公告)日：2021-01-05
申请号：CN201710599154.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D‑S证据理论和基于F‑HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。
-
公开(公告)号：CN111626341A
公开(公告)日：2020-09-04
申请号：CN202010397828.0
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 一种面向水下目标识别的特征级信息融合方法，它属于水下目标识别技术领域。本发明解决了原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题。本发明对采集的原始声音数据进行处理，使处理过的数据不仅包含目标水声特性，还包含了目标方位特性与速度变化特性。再采用一个端到端的深度神经网络完成后续的特征提取和信息融合工作，克服了采用专家特征提取方法很难从原始数据中提取出有效特征的问题，而且通过实验证明了本发明特征信息融合方法的有效性。本发明可以应用于水下目标识别。
-
公开(公告)号：CN111001161A
公开(公告)日：2020-04-14
申请号：CN201911351336.1
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于二阶反向传播优先级的游戏策略获得方法，它属于智能化决策获取技术领域。本发明解决了在游戏策略的指挥决策过程中存在的数据利用率低以及策略质量低的问题。本发明方法结合了DPSCRM方法和BPTM方法，通过样本序列的累计奖赏值构建第一级奖赏值，可以获得高质量的策略；基于TD-error构建优先级可以反向衰减传播的第二级优先级，可以提升数据利用率。本发明可以应用于游戏策略的获取。
-
公开(公告)号：CN110919659A
公开(公告)日：2020-03-27
申请号：CN201911351334.2
申请日：2019-12-24
Applicant: 哈尔滨工程大学
IPC: B25J9/16
Abstract: 一种基于DDGPES的机器人控制方法，涉及一种机器人的控制方法，属于控制领域。本发明是为了解决现有的机器人控制方法中存在策略参数调整和均匀采样“无效”动作问题，以及Agent容易陷入局部最优的问题。本发明将机器人的控制决策系统记为智能体Agent；针对Agent，利用DQN网络进行决策，进而实现机器人进行控制。DQN网络应用中，结合DDES策略和GPES策略，GPES策略通过计算difference的值，根据Agent学习的过程动态的调整ε-greedy策略中的ε参数，以1-ε的概率执行argmaxa∈A Q(s,ai)动作，Agent以ε的概率进行探索。同时，采用DDES探索利用策略确定损失函数LD＝L-Eπ′∈Π′[αD(π,π′)]。主要用于机器人的控制。
-
公开(公告)号：CN105868336B
公开(公告)日：2019-11-29
申请号：CN201610182802.8
申请日：2016-03-28
Applicant: 哈尔滨工程大学
IPC: G06F16/242 , G06F16/2453
Abstract: 路网中面向集合的空间关键词查询方法，属于空间关键词查询技术领域。本发明的提出是为了实现对于用户的提出的空间关键词查询能够快速返回多条最佳路线供用户选择。技术要点：本发明所提出的路网中面向集合受查询方向约束的空间关键词查询给出了两种情况，即面向无主关键词的查询和主关键词优先的查询。无主关键词的查询即从查询点出发按照道路网在可查询范围内扩展查询。主关键词优先的查询，首先在可查询范围内以一种迭代替换的方式进行扩展查询直到查询到主关键词对象，若还有关键词没有被已查询到的空间对象所覆盖，则以面向无主关键词的查询方式继续进行扩展查询。分别对以上两种查询进行了实验，证明了所提方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN108875592A
公开(公告)日：2018-11-23
申请号：CN201810519139.5
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于注意力模型的卷积神经网络优化方法。首先对水下目标的噪声数据进行分段，针对每段噪声数据提取其MFCC，其目的是将目标噪声数据变成定长的矢量化数据。然后，将得到的定长的矢量化数据按实验过程中水听器的排布位置以及其时序关系进行拼接，形成一个完整的时段水听阵特征，继而再将形成的水听阵特征转成对应的图片以作为输入数据集输入到训练网络中。本发明通过试验对模型在使用情况的结果分析以及对模型进行修改与优化，深度学习对水下目标识别识别率的得到10％‑15％的提升。
-
公开(公告)号：CN107194411A
公开(公告)日：2017-09-22
申请号：CN201710237933.6
申请日：2017-04-13
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6257 , G06K9/6269
Abstract: 本发明提供的是一种改进的分层级联的支持向量机并行化方法。通过改进的Cascade SVM算法得到了优化：首先，改进算法中c的引入，用于在层级训练过程中，衡量每一层训练中得到的模型支持向量个数的变化情况。其次，通过调整模型训练过程中的合并策略和层次结构，每层训练得到的支持向量的合并方式由两两合并，优化调整为全部合并之后再进行平均切分，这样避免了两两进行合并方式中存在过滤非边界样本不足的缺点。本发明可以保证不失分类精度的前提下，同时借助当前主流的Spark并行框架，有效地缩短模型训练时间，提高模型的训练和分类效率。
-
公开(公告)号：CN107194404A
公开(公告)日：2017-09-22
申请号：CN201710237910.5
申请日：2017-04-13
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/4628 , G06K9/6262 , G06N3/0454 , G06N3/084
Abstract: 本发明提供的是一种基于卷积神经网络的水下目标特征提取方法。1、将原始辐射噪声信号的采样序列，分成25个连续部分，每个部分再设置25个采样点；2、将第j段数据信号的采样样本做归一化和中心化处理；进行短时傅里叶变换得到LoFAR图；4、将向量赋值到已有3维张量中；5、将得到特征向量输入到全连接层进行分类并计算与标签数据的误差，检查损失误差是否低于误差阈值，若低于则停止网络训练，否则进入步骤6；6、使用梯度下降方法对网络从后向前逐层进行参数调整，并转入步骤2。本发明方法的识别率与传统卷积神经网络算法相比，对特征图层进行了空间信息多维度的加权操作，来弥补因全连接层的一维向量化所带来的空间信息丢失的缺陷。
-
公开(公告)号：CN106227911A
公开(公告)日：2016-12-14
申请号：CN201610487736.5
申请日：2016-06-28
Applicant: 哈尔滨工程大学
IPC: G06F17/50
CPC classification number: G06F17/5081
Abstract: 本发明属于数据可视化分析领域，具体涉及一种基于电路图元素隐喻的主题演化可视化方法。包括：数据预处理，对文本数据进行预处理，进行分词、去停词操作，将文本集合处理成词库；采用LDA算法对文本集合进行处理，抽取主题，并记录与主题对应的词、文本以及时间和地点信息；以焊盘图标隐喻主题中的词，即词盘，词盘采用空心饼图形式表示，表示在此时间段内此词所处的地理分布比例等。该方法主要能够展示主题的内容、主题的强度随时间的变化及主题与主题间的演化关系以方便用户对主题的演化过程进行分析，还可展示各时段内同一主题强度的地理分布。
-
公开(公告)号：CN106067029A
公开(公告)日：2016-11-02
申请号：CN201610348890.4
申请日：2016-05-24
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6223 , G06K9/6267
Abstract: 面向数据空间的实体分类方法，属于自然语言处理领域。演化环境下，存在无法通过假设实体为静止状态，而对实体进行分类的问题。一种面向数据空间的实体分类方法，首先，针对演化的数据空间实体，提出改进的、演化的K‑Means聚类框架，即定义基于轮廓值和KL‑散度的目标代价函数；其次，设计了一种新颖的数据空间实体相似性度量方法；然后，根据启发式规则，提出演化的K‑Means聚类算法。此外，进一步扩展本章提出的演化聚类框架，以处理簇数量随时间发生变化或者快照实体随时间加入或移除的情况。本发明不仅能高质量地捕获当前实体聚类结果，还能健壮地反映历史聚簇情况。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.206 seconds)
