-
公开(公告)号：CN110347375B
公开(公告)日：2022-11-29
申请号：CN201910543959.2
申请日：2019-06-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种用于虚拟试验的资源组合式虚拟综合自然环境架构与方法，包括包括资源存储与管理子系统、综合自然环境构建子系统以及综合自然环境运行服务子系统。能够通过任意组合的方式形成虚拟试验所需要的复杂自然环境，提高了虚拟综合环境资源的生成效率和利用率。虚拟综合自然环境架构的提出补充了现有技术中复杂环境条件下虚拟试验能力的不足，提高了虚拟试验的逼真度和可信度，对装备试验领域的发展起到重要的推进作用。
-
公开(公告)号：CN106408009B
公开(公告)日：2019-04-12
申请号：CN201610811174.5
申请日：2016-09-08
Applicant: 哈尔滨工业大学
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：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：CN110347375A
公开(公告)日：2019-10-18
申请号：CN201910543959.2
申请日：2019-06-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种用于虚拟试验的资源组合式虚拟综合自然环境架构与方法，包括包括资源存储与管理子系统、综合自然环境构建子系统以及综合自然环境运行服务子系统。能够通过任意组合的方式形成虚拟试验所需要的复杂自然环境，提高了虚拟综合环境资源的生成效率和利用率。虚拟综合自然环境架构的提出补充了现有技术中复杂环境条件下虚拟试验能力的不足，提高了虚拟试验的逼真度和可信度，对装备试验领域的发展起到重要的推进作用。
-
-
-
Search Results
4
records
(took 0.016 seconds)
