-
Patent Agency Ranking
公开(公告)号：CN113283505A
公开(公告)日：2021-08-20
申请号：CN202110571635.7
申请日：2021-05-25
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于GPU的AP聚类并行化方法，分析AP聚类算法的整体流程，规划CPU和GPU处理器分别负责的算法部分，对AP聚类算法的耗时性能进行分析，对AP聚类算法最耗时部分进行GPU并行优化，其中涉及到分组求最值、规约求和以及共享内存的关键方法；相比于AP聚类算法在CPU上的实现，时间复杂度得到了很大程度减少，对算法的耗时性能以及优化程度进行测试和分析，实际的测试结果也证实了该方法所具备的高性能。
-
公开(公告)号：CN113128584A
公开(公告)日：2021-07-16
申请号：CN202110407559.6
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种多功能雷达脉冲序列的模式级无监督分选方法，首先将输入信号样本通过无监督的聚类方法，形成不同的模式级别的簇；然后采用两种自适应方法，包含重要特征微调和序列连续性检测，以确定簇间的模式和辐射源关系，同时实现两级标注；本发明方法即使没有严苛的先验信息，也能够实现多功能雷达的在线分选，具有较高的可靠性和准确性。
-
公开(公告)号：CN111340076A
公开(公告)日：2020-06-26
申请号：CN202010097101.0
申请日：2020-02-17
Applicant: 中国人民解放军32802部队 , 北京理工大学
Abstract: 本发明提出了一种对新体制雷达目标未知模式的零样本识别方法，通过跨层结构和自编码器机制对传统的辐射源模式识别算法进行改进，为每一个类别提供一个一一对应的语义描述向量，在训练阶段，学习输入样本到语义描述向量的映射，并利用该映射关系，预测测试样本的语义描述，并将该语义描述分别与测试集已知的语义描述向量匹配，最终选择最相近的语义描述向量所代表的类别，在线识别时，只需要进行简单的乘加运算即可得到结果，相较于聚类算法，既提高了准确率又缓解了在线识别的时间复杂度。
-
公开(公告)号：CN113128584B
公开(公告)日：2022-11-11
申请号：CN202110407559.6
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种多功能雷达脉冲序列的模式级无监督分选方法，首先将输入信号样本通过无监督的聚类方法，形成不同的模式级别的簇；然后采用两种自适应方法，包含重要特征微调和序列连续性检测，以确定簇间的模式和辐射源关系，同时实现两级标注；本发明方法即使没有严苛的先验信息，也能够实现多功能雷达的在线分选，具有较高的可靠性和准确性。
-
公开(公告)号：CN111340076B
公开(公告)日：2020-10-02
申请号：CN202010097101.0
申请日：2020-02-17
Applicant: 中国人民解放军32802部队 , 北京理工大学
Abstract: 本发明提出了一种对新体制雷达目标未知模式的零样本识别方法，通过跨层结构和自编码器机制对传统的辐射源模式识别算法进行改进，为每一个类别提供一个一一对应的语义描述向量，在训练阶段，学习输入样本到语义描述向量的映射，并利用该映射关系，预测测试样本的语义描述，并将该语义描述分别与测试集已知的语义描述向量匹配，最终选择最相近的语义描述向量所代表的类别，在线识别时，只需要进行简单的乘加运算即可得到结果，相较于聚类算法，既提高了准确率又缓解了在线识别的时间复杂度。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
