-
公开(公告)号：CN112434779A
公开(公告)日：2021-03-02
申请号：CN202011448649.1
申请日：2020-12-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器人任务分配技术领域，具体涉及一种基于改进蚁群算法的紧耦合任务分配方法。本发明针对现阶段蚁群算法在多机器人任务分配领域存在的问题，采用蚂蚁从任务出发寻找机器人的策略并结合随机搜索算法，为蚁群算法信息素的更新提供参考集，从而加速收敛速度并提高任务分配求解的准确性。本发明通过将随机搜索算法引入进传统蚁群算法提高了传统蚁群算法前期的收敛速度，优化了传统蚁群算法易陷入局部最优的情况，不仅有效的实现了多机器人任务分配，并且较好的避免了传统蚁群算法收敛慢、易陷入局部最优等缺点。
-
公开(公告)号：CN107609648B
公开(公告)日：2021-02-12
申请号：CN201710599192.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06N3/12
Abstract: 本发明设计了一种结合堆叠降噪稀疏自动编码器的遗传算法，主要包括堆叠降噪稀疏自动编码器部分、SOM神经网络部分和遗传算法。通过堆叠降噪稀疏自动编码器提取实时环境图像特征,同时消除环境噪声影响，经过SOM神经网络的映射拟合作为遗传算法中的适应度值，解决了传统遗传算法应用于复杂现实环境时，其固定适应度计算函数欠缺灵活性与准确性的问题，避免算法出现欺骗问题，提高了算法解的质量，同时SOM神经网络映射拟合能够有效避免其他神经网络的长时间迭代运算与输出误差问题。
-
公开(公告)号：CN111444042A
公开(公告)日：2020-07-24
申请号：CN202010214114.1
申请日：2020-03-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于区块链存储技术领域，具体涉及一种基于纠删码的区块链数据存储方法。本发明对于系统节点赋予全局独有节点编号，任意节点i基于纠删码思想对存储数据进行编码，获得第i块数据块以及全部校验码进行存储；失效节点在特定容错率条件下向全局其余节点请求数据，从而进行数据修复；新节点在加入区块链系统后，向全局请求数据，存储历史区块链。本发明能够降低区块链系统全局存储开销，同时实现在50％以下节点失效情况下恢复数据，保证数据可靠性。
-
公开(公告)号：CN110807777A
公开(公告)日：2020-02-18
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
公开(公告)号：CN110488849A
公开(公告)日：2019-11-22
申请号：CN201910810370.4
申请日：2019-08-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于多机器人任务分配领域，具体涉及一种基于改进拍卖算法的围捕者决策方法。本发明针对传统拍卖算法中拍卖者身份的缺陷和竞标值存在的不足导致围捕者的选定过程安全性差和决策效率低的问题提出了一种基于改进拍卖算法的围捕者决策方法，作为围捕者的决策方法，用来选定围捕者。本发明通过引入几何中心原理，改变了传统确定拍卖者身份的方式，进而加快了拍卖过程，提高了决策效率，增强了决策过程的安全性；通过改进竞标值函数，来确定最佳的围捕者身份，提高了整体的围捕效率。
-
Patent Agency Ranking
公开(公告)号：CN110377059A
公开(公告)日：2019-10-25
申请号：CN201910810291.3
申请日：2019-08-29
Applicant: 哈尔滨工程大学
IPC: G05D1/12
Abstract: 本发明属于多水下机器人协同控制领域，具体涉及一种基于狮群算法的多AUV围捕者协同控制方法。本发明针对单个AUV无法完成复杂水下任务、围捕机器人智能性交互性不足以及实际三维环境中存在障碍物的情况，提出了一种基于狮群算法的多AUV围捕者协同控制方法。本发明针对围捕者数量为三个或三个以上的情况。在围捕者小组中围捕者移动性能相当的情况下，通过下潜与上浮操作，与目标保持同一水深的同时，将目标包围在几何中心，并以目标为圆心，距离r为半径，均匀的分布在目标周围，完成协同围捕。本发明应用狮群算法(LGA)进行AUV围捕协同控制，围捕效率更高，收敛特性更好。
-
公开(公告)号：CN107426207B
公开(公告)日：2019-09-27
申请号：CN201710603864.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于SA‑iForest的网络入侵异常检测方法，属于网络安全领域。首先通过对训练集随机选择属性训练出多棵iTree，通过交叉验证计算出它们的异常检测精度，同时采用Q‑统计量计算出iTree之间的差异性，然后把精确度和差异性作为iTree挑选标准，根据iTree的差异性和精确度，利用模拟退火算法从初始森林中选出比较优秀的iTree来构建集成iForest，然后对测试集进行测试统计出其异常分值，完成对网络入侵异常检测。该方法不仅减小了iTree的集成规模而且利用模拟退火优化算法的快速收敛性来提高网络入侵异常检测效率，同时还提高了算法的泛化能力和预测性能。
-
公开(公告)号：CN109886574A
公开(公告)日：2019-06-14
申请号：CN201910126437.2
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G06Q10/06
Abstract: 本发明属于信息处理领域，公开了一种基于改进阈值法的多机器人任务分配方法，包含如下步骤：定义第m次迭代时机器人i对任务j的响应阈值；在第m次迭代，阈值刺激差最大时对应的任务即机器人i在t时刻要执行的任务；如果机器人执行任务成功或失败且还有未被执行的任务，继续在未被执行的任务中选择阈值刺激差最大时对应的任务去执行；当机器人进入等待状态或等待区即没有可执行任务时，令机器人不断寻找可执行的任务；直到所有任务都被执行完成即完成一次迭代时，重置机器人和任务点的位置，根据阈值更新公式计算第m+1次迭代时机器人i对任务j的响应阈值和阈值刺激差。本发明优化了多任务处理能力，提高了算法的效率，提高了系统的资源利用率。
-
公开(公告)号：CN109492516A
公开(公告)日：2019-03-19
申请号：CN201811028694.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于DGRU神经网络的UUV集群行为识别方法，属于深度学习领域；本发明对GRU神经网络进行改进，提出了防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立欠驱动UUV集群行为识别模型；本发明包括数据预处理阶段、模型训练阶段和模型预测阶段，具体包括如下步骤：(1)对UUV集群行为数据集进行数据清洗；(2)利用数据预处理后的数据集训练DGRU神经网络，建立UUV集群行为识别模型；(3)获取当前软件失效数据并采用(1)中同样的方法进行数据归一化处理，然后输入(2)中获得的预测模型进行UUV的集群行为识别，得到识别结果；应用该模型可以精确识别欠驱动UUV集群行为的方法，克服了传统UUV集群性行为识别技术的缺点。
-
公开(公告)号：CN109344960A
公开(公告)日：2019-02-15
申请号：CN201811017376.8
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习领域，具体涉及一种防止数据信息丢失的DGRU神经网络及其预测模型建立方法。DGRU神经网络预测模型建立方法包括如下步骤：1、对数据集进行数据清洗，包括处理数据不平衡问题、归一化问题；2、利用数据预处理后的数据集训练DGRU神经网络，建立预测模型；3、根据模型预测结果。DGRU神经网络，包括输入层、输出层和隐含层，隐含层由DGRU神经元构成，DGRU是在GRU的基础上改进的，DGRU神经网络的输入数据为经过数据预处理后的t时刻的集群行为数据 输出数据为预测的下一刻集群行为 本发明增加了不同层之间的信息传递，增强模型的记忆能力，克服传统GRU神经网络信息丢失问题，应用DGRU建立的预测模型，提高了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.105 seconds)
