-
公开(公告)号:CN105243290A
公开(公告)日:2016-01-13
申请号:CN201510828797.9
申请日:2015-11-24
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于水平垂直风速最大峰值比的倾斜微下击暴流建模方法,本发明涉及最大峰值比的倾斜微下击暴流建模方法。本发明是要解决现有多涡环模型只能诱导出垂直向下的微下击暴流场,无法诱导处有一定倾斜角度的微下击暴流场,提出利用倾斜涡环模型诱导倾斜角和朝向角可设的微下击暴流场。另外,针对模型参数选择的问题,提出了利用嵌套微分进化算法(DE)依据水平垂直风速最大峰值比的倾斜涡环模型参数选择方法。本发明涉及最大峰值比的倾斜微下击暴流建模方法的主要内容为:一、建立倾斜涡环模型;二、根据水平垂直风速最大峰值比对倾斜涡环模型的参数{H,R,Γ}、倾斜角θ与朝向角φ进行选择。本发明应用于微下击暴流建模领域。
-
公开(公告)号:CN106650765A
公开(公告)日:2017-05-10
申请号:CN201610805454.5
申请日:2016-09-06
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法,本发明涉及高光谱数据分类方法。本发明是要解决现有的高谱维的图像分析和识别精确度与实际应用的需求不匹配、数学模型不符合实际地物分布规律欠缺逻辑等的问题,而提出的基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法。该方法是通过步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量,将高光谱的谱向量数据转换成为灰度图像数据;步骤二、通过卷积分类模型自主学习样本集中样本的纹理特征,对灰度图像数据样本进行分类。等步骤实现的。本发明应用于高光谱数据分类领域。
-
公开(公告)号:CN106408009A
公开(公告)日:2017-02-15
申请号:CN201610811174.5
申请日:2016-09-08
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6272 , G06K9/0063 , G06K9/6256
Abstract: 一种基于深度置信网络的邻域加权平均高光谱图像分类方法,本发明涉及基于深度置信网络的邻域加权平均高光谱图像分类方法。本发明的目的是为了解决现有分类方法与纯光谱数据相比增加了预训练与微调的运算时间的问题。一种基于深度置信网络的邻域加权平均高光谱图像分类方法具体过程为:步骤一、对高光谱原始数据进行空间信息的提取,得到高光谱原始数据的空间信息;步骤二、对高光谱原始数据的空间信息进行邻域加权,得到处理后的高光谱数据,即矩阵M;步骤三、以矩阵M为训练集,利用深度置信网络进行分类训练。本发明用于图像分类领域。
-
公开(公告)号:CN105243290B
公开(公告)日:2018-05-04
申请号:CN201510828797.9
申请日:2015-11-24
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于水平垂直风速最大峰值比的倾斜微下击暴流建模方法,本发明涉及最大峰值比的倾斜微下击暴流建模方法。本发明是要解决现有多涡环模型只能诱导出垂直向下的微下击暴流场,无法诱导处有一定倾斜角度的微下击暴流场,提出利用倾斜涡环模型诱导倾斜角和朝向角可设的微下击暴流场。另外,针对模型参数选择的问题,提出了利用嵌套微分进化算法(DE)依据水平垂直风速最大峰值比的倾斜涡环模型参数选择选择方法。本发明涉及最大峰值比的倾斜微下击暴流建模方法的主要内容为:一、建立倾斜涡环模型;二、根据水平垂直风速最大峰值比对倾斜涡环模型的参数{H,R,Γ}、倾斜角θ与朝向角φ进行选择。本发明应用于微下击暴流建模领域。
-
公开(公告)号:CN105137812B
公开(公告)日:2017-11-03
申请号:CN201510628030.1
申请日:2015-09-28
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 激光制导导弹虚拟试验系统及其构建方法,属于虚拟试验领域,本发明为解决现有激光制导导弹虚拟试验系统中各模型不独立、不易配置和不易重用的问题。本发明所述激光制导导弹虚拟试验系统,它包括激光制导导弹模块、激光照射器模块、激光传输效应模块和导弹目标;激光照射器模块发射入射激光,导弹目标接收入射激光后反射激光,激光制导导弹模块的导引头根据反射激光信号引导激光制导导弹模块的导弹调整航道和追踪导弹目标;激光传输效应模块用于提供不同天气条件下入射激光和反射激光传输时的能量衰减数据。本发明用于激光制导导弹虚拟试验。
-
公开(公告)号:CN106446936A
公开(公告)日:2017-02-22
申请号:CN201610805497.3
申请日:2016-09-06
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6269 , G06N3/08
Abstract: 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法,本发明涉及空谱联合数据转波形图的高光谱数据分类方法。本发明的目的是为了解决现有数据分类正确率低、分类时间长、计算量大的问题。基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的:步骤一、对高光谱原始数据进行逐层归一化,得到归一化后的高光谱数据;对归一化后的高光谱数据进行处理,得到高光谱空谱联合数据信息;步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据。本发明用于高光谱数据分类领域。
-
公开(公告)号:CN106650765B
公开(公告)日:2019-06-11
申请号:CN201610805454.5
申请日:2016-09-06
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法,本发明涉及高光谱数据分类方法。本发明是要解决现有的高谱维的图像分析和识别精确度与实际应用的需求不匹配、数学模型不符合实际地物分布规律欠缺逻辑等的问题,而提出的基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法。该方法是通过步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量,将高光谱的谱向量数据转换成为灰度图像数据;步骤二、通过卷积分类模型自主学习样本集中样本的纹理特征,对灰度图像数据样本进行分类。等步骤实现的。本发明应用于高光谱数据分类领域。
-
公开(公告)号:CN105278350A
公开(公告)日:2016-01-27
申请号:CN201510828123.9
申请日:2015-11-24
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 雷达制导导弹虚拟试验系统,属于虚拟试验领域,本发明为解决现有雷达制导导弹虚拟试验系统的耦合程度高,导致系统的可重用性低,各个模块模型之间不独立、不能单独使用的问题。本发明包括雷达制导导弹模块、电磁波传输效应模块和导弹目标;雷达发射电磁波并传输至电磁波传输效应模块,电磁波传输效应模块进行电磁波传输衰减计算,然后传输至导弹目标,导弹目标进行反射计算,再次传输至电磁波传输效应模块,电磁波传输效应模块再次进行电磁波传输衰减计算,然后传输至雷达制导导弹模块,雷达制导导弹模块根据目标回波电磁波信息获取导弹目标位置;对导弹目标进行搜素、跟踪和攻击。本发明用于雷达制导导弹虚拟试验。
-
公开(公告)号:CN105137812A
公开(公告)日:2015-12-09
申请号:CN201510628030.1
申请日:2015-09-28
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 激光制导导弹虚拟试验系统及其构建方法,属于虚拟试验领域,本发明为解决现有激光制导导弹虚拟试验系统中各模型不独立、不易配置和不易重用的问题。本发明所述激光制导导弹虚拟试验系统,它包括激光制导导弹模块、激光照射器模块、激光传输效应模块和导弹目标;激光照射器模块发射入射激光,导弹目标接收入射激光后反射激光,激光制导导弹模块的导引头根据反射激光信号引导激光制导导弹模块的导弹调整航道和追踪导弹目标;激光传输效应模块用于提供不同天气条件下入射激光和反射激光传输时的能量衰减数据。本发明用于激光制导导弹虚拟试验。
-
公开(公告)号:CN106446936B
公开(公告)日:2019-07-02
申请号:CN201610805497.3
申请日:2016-09-06
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法,本发明涉及空谱联合数据转波形图的高光谱数据分类方法。本发明的目的是为了解决现有数据分类正确率低、分类时间长、计算量大的问题。基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的:步骤一、对高光谱原始数据进行逐层归一化,得到归一化后的高光谱数据;对归一化后的高光谱数据进行处理,得到高光谱空谱联合数据信息;步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据。本发明用于高光谱数据分类领域。
-
-
-
-
-
-
-
-
-