公开(公告)号：CN118212632A

公开(公告)日：2024-06-18

申请号：CN202410258719.9

申请日：2024-03-07

Applicant: 杭州电子科技大学

Inventor： 李万清 ,  余俊彦 ,  刘俊 ,  李枨 ,  张俊峰 ,  张恒愉 ,  郑致涵 ,  陈鑫 ,  彭彦杰

IPC: G06V20/68 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/096

Abstract: 本发明公开了一种面向AI智慧餐厅的菜品增量识别方法、系统、介质和设备，涉及深度学习的目标分类领域。包括：构建菜品增量识别模型，并对菜品增量识别模型进行初始化阶段的训练以及增量学习阶段的训练，最后将预处理后的待分类图像输入到训练好的菜品增量识别模型中，得到待分类图像的菜品类别预测结果。本发明通过将随机权神经网络与传统卷积神经网络相结合，本发明精心设计并优化了两个训练阶段，以实现对新菜品的增量学习，解决了当前AI智慧餐厅场景下传统深度学习方法无法增量学习新菜品特征的难点。相较传统的增量学习方法，本发明所提出的方法具有更强的抗遗忘能力，且具备较强高的识别准确率、良好的框架通用性。

公开(公告)号：CN112487912B

公开(公告)日：2024-02-06

申请号：CN202011331077.9

申请日：2020-11-24

Applicant: 杭州电子科技大学

Inventor： 谷雨 ,  聂圣东 ,  彭冬亮 ,  刘俊 ,  徐英

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/73

Abstract: 本发明公开了基于改进YOLOv3的任意方向舰船检测方法。首先，检测网络能同时输出垂直框和旋转框的预测结果。其次，基于垂直框和旋转框预测结果定义了多任务损失函数。最后，采用基于旋转框的非极大值抑制方法剔除重叠检测结果时，通过融合垂直框和旋转框预测结果进行目标方位角估计校正，以进一步提高检测性能。本发明提出的改进模型适用于纯海洋背景下SAR图像中的舰船目标检测，能够准确估计目标的方位角，并满足舰船目标检测的实时性需求。

公开(公告)号：CN117493994A

公开(公告)日：2024-02-02

申请号：CN202311437118.6

申请日：2023-11-01

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  管坚 ,  莫倩倩 ,  杨麒霖 ,  彭冬亮 ,  谷雨 ,  陈华杰

IPC: G06F18/2413 ,  G06F16/29 ,  G06F18/23 ,  G06F18/2321 ,  G06N3/0455 ,  G06N3/0442 ,  G06F18/22

Abstract: 本发明公开了一种基于AIS数据的船舶航迹预测方法，包括如下步骤：获取船舶自动识别系统AIS的原始数据并进行预处理，得到船舶航迹数据集；对船舶航迹数据进行聚类处理，将相似的航迹归为一类；预构建船舶航迹预测网络，并将得到的船舶航迹数据集输入构建好的船舶航迹预测网络进行训练，得到训练好的船舶航迹预测网络模型；将所要识别的船舶轨迹数据输入船舶航迹预测网络模型中，输出船舶轨迹数据的预测结果。该方法使用深度学习的方法通过层次航迹聚类和Seq2Seq的组合模型，并对了轨迹聚类效率进行优化，充分利用AIS数据中的时空信息，考虑了不同类型或不同区域航迹的差异性，具备良好的数据扩充和泛化能力，可以实现对船舶航迹实时的准确预测。

公开(公告)号：CN116128340A

公开(公告)日：2023-05-16

申请号：CN202211664674.2

申请日：2022-12-23

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  徐浩浩 ,  谷雨 ,  陈华杰 ,  彭冬亮

IPC: G06Q10/0639 ,  G06Q50/26 ,  G06F18/2431 ,  G06F18/214

Abstract: 本发明涉及一种交通事故的影响因子分析方法，包括：采集交通事故数据集，交通事故数据集包括交通事故的各种影响因子；对交通事故数据集进行数据预处理，得到目标交通事故数据集；利用随机森林对目标交通事故数据集的影响因子进行重要性评估，得到影响因子的重要性评分；按照重要性评分由小到大进行排序作为K2算法模型的输入顺序，将目标交通事故数据集输入K2算法模型进行训练，剔除与交通事故无关的影响因子，剩余的影响因子构成新的数据集；将新的数据集重新输入K2算法模型进行训练，得到影响因子分析模型，并利用影响因子分析模型进行影响因子分析。本发明解决了交通事故的影响因子分析准确率不高的缺陷，弥补了贝叶斯网络模型的不足。

公开(公告)号：CN114895667A

公开(公告)日：2022-08-12

申请号：CN202210388845.7

申请日：2022-04-13

Applicant: 杭州电子科技大学

Inventor： 郑松 ,  柳枝果 ,  蒋鹏 ,  许欢 ,  刘俊

IPC: G05D1/02

Abstract: 本发明公开了一种基于多种群双层优化算法的危险品运输路径规划方法。为了克服危化品运输路径规划求解计算困难的问题；本发明采用包括以下步骤：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。优点是通过并行双层结构使用两个种群求解，降低计算难度，在保证算法收敛快速的同时保证种群的多样性和稳定性。

公开(公告)号：CN114818447A

公开(公告)日：2022-07-29

申请号：CN202210276931.9

申请日：2022-03-21

Applicant: 杭州电子科技大学

Inventor： 郑松 ,  崔翔宇 ,  蒋鹏 ,  刘俊 ,  许欢

IPC: G06F30/25 ,  G06Q10/06 ,  G06Q50/06 ,  G06F111/04 ,  G06F111/06

Abstract: 本发明公开了一种油气集输管网布局多目标设计优化方法，包括以下步骤：S1：获取基础数据；S2：根据基础数据分析油气管道在潜在事故下的运输风险；S3：构建多目标油气集输管网布局优化模型；S4：对多目标油气集输管网布局优化模型进行求解，输出油气集输管网布局方案。本发明将油气集输管网的布局问题考虑在内，在满足所有给定的约束条件的背景下，分析油田区域内管道泄漏等事故造成的风险影响，将管网系统建设的总成本和潜在管道运输风险最小化，构建相关模型并通过优化算法求得油气集输管网布局方案。

公开(公告)号：CN114528745A

公开(公告)日：2022-05-24

申请号：CN202111581627.7

申请日：2021-12-22

Applicant: 杭州电子科技大学

Inventor： 郑松 ,  刘俊 ,  葛铭 ,  郑小青 ,  魏江

IPC: G06F30/25 ,  G06F111/04

Abstract: 本发明为一种压力容器设计的粒子协同优化方法。该方法将压力容器总成本问题分解成一个系统级和数个学科级问题。优化步骤包括：首先，根据压力容器的相关参数设计系统级和学科级模型，初始化系统级和学科级相关参数和设置粒子群更新规则的相关参数。然后，系统级将最优解传递给改进学科级，获得的学科级最优解再传递给改进系统级，获得的系统级最优解使用粒子群更新规则进行更新。最后，判断全局收敛条件是否满足要求，满足则获得全局最优解。本发明对初始值选取敏感，计算量大和收敛速度慢等问题有着良好的解决效果。

公开(公告)号：CN114155491A

公开(公告)日：2022-03-08

申请号：CN202111494779.3

申请日：2021-12-09

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  陈振 ,  杨旺奇 ,  谷雨 ,  陈华杰 ,  彭冬亮

IPC: G06V20/52 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于AIS数据的船舶行为识别方法及系统，其中涉及的一种基于AIS数据的船舶行为识别方法，包括：S1.获取船舶自动识别系统AIS的原始数据，并对获取到的原始数据进行预处理，得到船舶行为的数据集；S2.预构建时序和视觉网络双融合的船舶行为识别网络，并将得到的船舶行为数据集输入构建好的船舶行为识别网络进行训练，得到训练好的船舶行为识别网络模型；S3.将所要识别的船舶轨迹数据输入船舶行为识别网络模型中，输出船舶轨迹数据的行为识别结果。

公开(公告)号：CN112906538A

公开(公告)日：2021-06-04

申请号：CN202110171222.X

申请日：2021-02-08

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  邓超禹 ,  田胜 ,  谷雨 ,  陈华杰

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F16/71 ,  G06F16/75 ,  G06F16/78 ,  G06F16/783

Abstract: 本发明公开了一种基于无人值守平台的舰船目标图像识别系统及方法，包括太阳能供电模块、视频采集模块、智能识别模块、情报生成模块、智能报警模块、数据传输模块；太阳能供电模块，用于为整个识别系统提供电能；视频采集模块，用于采集监控海域的视频信息；智能识别模块，用于对采集的视频信息中的图像进行识别；情报生成模块，用于根据识别的结果生成情报数据，并根据生成的情报数据判断舰船目标是否为异常目标；智能报警模块，用于当舰船目标为异常目标时发出报警并生成报警信息；数据传输模块，用于将生成的报警信息传输至远程终端。

公开(公告)号：CN112765141A

公开(公告)日：2021-05-07

申请号：CN202110040587.9

申请日：2021-01-13

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  陈锃 ,  许欢 ,  刘俊 ,  林广

IPC: G06F16/215 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于迁移学习的连续大规模水质缺失数据填补方法。本发明首先进行数据预处理，并利用滑动窗口算法构造出训练和测试样本。然后进行数据填补：具体是将目标域的训练样本和源域的训练样本融合成为新的混合训练样本集；每次迭代中，分别构造一个新的填补数据的弱学习器；在新混合的训练样本上计算平均预测填补误差；分别计算源域的训练样本和目标域的训练样本的权重迭代更新系数；更新下一时刻源域和目标域训练样本新的权重；将所有弱学习器的输出值进行加权平均即可得到一个强学习器的最终预测填补数值。本发明在处理大规模连续缺失数据问题中有近15%‑25%填补准确率的提升。