-
公开(公告)号：CN102156772A
公开(公告)日：2011-08-17
申请号：CN201110041818.4
申请日：2011-02-21
Applicant: 大连海事大学
IPC: G06F17/50 , G01R31/317
Abstract: 本发明公开了一种基于逻辑相容性的数字电路故障诊断方法及系统，用户通过数字电路图形化建模单元搭建一个被诊断的数字电路系统，然后使用描述配置单元设定该电路的参数并用AD2L语言表示数字电路图形以文件的形式存储；用户通过AD2L语言解析单元读取描述配置单元存储的数字电路描述文件，定理证明单元应用用户提供的参数进行前后传播，记录该冲突；利用诊断算法单元利进行诊断求解；再利用故障定位单元在图形化的数字电路上突出显示可疑组件，并生成诊断测试报告。该系统具有从冲突识别到候选产生和探测，整个操作过程简单、用时短，系统对故障点的判别定位不依赖于操作人员或专家的经验。
-
公开(公告)号：CN119338714A
公开(公告)日：2025-01-21
申请号：CN202411664698.7
申请日：2024-11-20
Applicant: 大连海事大学
IPC: G06T5/70 , G06T5/94 , G06T5/20 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种渐进式Retinex引导的低光图像增强方法，包括以下步骤：获取原始RGB低光图像Ilow，通过卷积块提取Ilow的光照分量初始状态#imgabs0#和反射分量初始状态#imgabs1#然后使用互补编码模块对#imgabs2##imgabs3#进行迭代的增强，生成完整的光照分量#imgabs4#和完整的反射分量#imgabs5#使用光照调整模块对Ilow的完整光照分量#imgabs6#进行增强，得到增强后的光照结果#imgabs7#使用噪声去除模块对Ilow的完整反射分量#imgabs8#进行去噪操作；重建阶段，将得到的光照结果#imgabs9#去噪结果#imgabs10#进行逐元素相乘生成最终的增强图像结果#imgabs11#本发明引入了一种多尺度残差密集网络来去除噪声，特别是在真实图像的暗区去除意想不到的颗粒。通过将局部和全局特征相关联来恢复反射率图，从而更好地消除噪声。
-
公开(公告)号：CN118364855A
公开(公告)日：2024-07-19
申请号：CN202410456736.3
申请日：2024-04-16
Applicant: 大连海事大学
IPC: G06N3/042 , G06N3/096 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于通道蒸馏和解耦知识蒸馏的异质客户端联邦学习方法，包括：服务器设有全局模型和RC模型选取策略，服务器与K个本地客户端连接，至少2个本地客户端的结构不同；全局模型、所有本地模型和RC模型采用通道蒸馏、解耦知识蒸馏和轮值主席制的联邦学习进行迭代；当满足迭代结束条件，所有本地模型完成相互学习。通过通道蒸馏实现私有数据的隐私保护，通过通道蒸馏和解耦知识蒸馏在不依赖模型结构的情况下实现知识传递，实现了在异构的本地模型之间进行联邦学习的突破，提高了客户端群体的性能，打破了传统联邦学习固有的局限性。
-
公开(公告)号：CN111723010B
公开(公告)日：2024-02-23
申请号：CN202010538383.3
申请日：2020-06-12
Applicant: 大连海事大学
IPC: G06F11/36 , G06F18/2431 , G06N3/0499 , G06N3/086
Abstract: 本发明公开了一种基于稀疏代价矩阵的软件BUG分类方法，包括以下步骤：S1：获取软件BUG报告；S2：对软件BUG报告数据进行编码操作，S3：初始化稀疏代价矩阵；S4：使用编码后的数据训练加权极限学习机、使其输出正确的报告分类结果；S5：使用训练好的加权极限学习机求出该加权极限学习机的局部泛化误差；S6：使用差分进化算法中的交叉变异策略产生新的软件BUG稀疏权重矩阵；S7：使用新的稀疏权重矩阵在相同不平衡数据集上训练新的加权极限学习机、S8：直至无法得到更低的局部泛化误差；S9：使用能够得到最低的局部泛化误差的加权极限学习机预测未知的软件BUG报告、得到其相应的报告分类结果。
-
公开(公告)号：CN117371542A
公开(公告)日：2024-01-09
申请号：CN202311070801.0
申请日：2023-08-23
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于工人绩效的众包真值推理方法，包括如下步骤：读取众包数据，所述众包数据包括众包任务集合和众包答案集合；以众包答案集合作为基础数据，通过EEMA算法计算排序后的工人序列W；以工人序列W、众包任务集合、众包答案集合作为数据，使用head‑tail‑2算法计算出众包任务的真值。该方法在图挖掘算法的基础上考虑了节点的权值，即工人的绩效，这样可以使得提取出的专家集合更精确，即提取出可靠性更高的专家，同时算法可以对众包工人进行排序，排序靠前的工人准确率更高。
-
Patent Agency Ranking
公开(公告)号：CN117273768A
公开(公告)日：2023-12-22
申请号：CN202310903090.4
申请日：2023-07-21
Applicant: 大连海事大学
IPC: G06Q30/0201 , G06N7/01 , G06N3/092 , G06N3/04
Abstract: 本发明一种用于多源空间信息众包式采集的任务激励方法，包括以下步骤：获取当前时间众包式采集任务，确定初始当前时间众包式采集任务的初始价格；构建用于表示当前时间任务的MDP模型；基于强化学习使用网络，对MDP模型进行训练，得到训练好的强化学习使用网络；将当前时间众包式采集任务及初始当前时间众包式采集任务的初始价格输入到训练好的强化学习使用网络中，实现采集者对分配后当前时间任务进行采集。本方法在进行激励价格估计时考虑了采集者的心理价位以及任务标准价格等与估价成功率有关的信息。因此在进行估价时可以全面的考虑各种参数，与先前只考虑采集者任务距离的方法对比可以在各种情况下得到更好的结果。
-
公开(公告)号：CN116708952A
公开(公告)日：2023-09-05
申请号：CN202310705274.X
申请日：2023-06-14
Applicant: 大连海事大学
IPC: H04N21/8549 , H04N21/44 , H04N7/18 , G06V20/40 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种训练适用于视频监控设备的视频摘要方法：包括如下步骤：使用监控设备收集原始视频；采用帧采样策略对原始视频进行下采样处理，获取每个视频帧的特征向量，将特征向量输入至时序卷积网络建立帧之间的长期依赖关系；将获取的一系列视频帧的特征向量输入到深度摘要网络中，采用双向时序卷积和自注意力机制将视频两个方向的上下文信息进行整合，从而捕获视频帧之间的长期依赖关系；将原始视频输入特征提取模块获取视频帧的特征，通过深度摘要网络获取视频帧特征之间的长期依赖关系，分别计算视频帧级重要性分数，通过背包算法选取分数高的部分组合成视频摘要。
-
公开(公告)号：CN111325690B
公开(公告)日：2023-08-22
申请号：CN202010104677.5
申请日：2020-02-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。
-
公开(公告)号：CN111290756B
公开(公告)日：2023-08-18
申请号：CN202010085043.X
申请日：2020-02-10
Applicant: 大连海事大学
IPC: G06F8/40 , G06N3/0442 , G06N3/047 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于对偶强化学习的代码‑注释转换方法，包括：将代码转换成注释阶段：建立代码注释生成模型，将代码转换为词向量，使用LSTM双向神经网络对代码词向量中的序列和结构信息进行特征提取；使用注意力机制对词向量中的各个词分配权重得到每个词的权重；对各词向量及其权重进行融合，使用梯度下降法计算每个词被选择的概率；对每个词的权重和每个词被选择的概率进行对偶约束；使用BLEU评估方法计算每个序列和数据集中的标准注释的匹配程度，并除以n求平均值作为每个词在的强化学习中的奖励值。
-
公开(公告)号：CN113378176B
公开(公告)日：2023-06-23
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.032 seconds)
