-
公开(公告)号：CN105791120B
公开(公告)日：2019-05-17
申请号：CN201610288465.0
申请日：2016-05-03
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04L12/721 , H04L12/727
Abstract: 本发明提出了一种机会网络中的高效路由算法（PMSF算法），在SAW的基础上进行改进，在散发阶段充分考虑中继节点的传递性能，使用了改进的Prophet投递预测函数作为效用值对消息副本进行分配，投递预测函数表示的传输预测值越大，中继节点传递消息的成功率越高，故应分配给该节点更多的消息副本，摒弃了经典SAW消息散发阶段盲目的均等散发机制。同时，将等待阶段的Direct Delivery被动路由方式改为主动路由，并将等待阶段命名为转发阶段，以更好的贴合主动路由阶段的消息多跳转发机制，利用马尔可夫时间间隔预测模型，尽量将消息转发给较快便能与目的节点相遇的中继节点。本发明同时兼顾了高效和可信的原则，使得副本快速扩散、有效传输，又能保证传输的稳定性和可靠性。
-
公开(公告)号：CN107330387A
公开(公告)日：2017-11-07
申请号：CN201710475390.1
申请日：2017-06-21
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00711 , G06N3/084
Abstract: 本发明提供了一种基于图像数据的行人检测方法，包括以下步骤：（1）对于数据的预处理，在网络结构的第一层添加一层用来将数据读入；（2）YOLO原来的全连接层用卷积层替代，每个卷积层后面加一个ReLU层，然后用Reshape层改变输入的维度；（3）对于Loss Function的实现。本发明的有益效果是：将Fast YOLO实现为基于Caffe接口和GoogLeNet的网络，原网络中的全连接层改成卷积层实现，这不仅可以加快检测速度，而且实验结果表明还可以提升检测率。
-
公开(公告)号：CN106295690A
公开(公告)日：2017-01-04
申请号：CN201610629833.3
申请日：2016-08-03
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明提供了一种基于非负矩阵分解的时间序列数据聚类方法及系统，在时间序列数据聚类方法中包括如下步骤：数据预处理步骤：读入时间序列数据，并对时间序列数据进行预处理，在预处理过程中，如果时间序列数据中存在负数，将所有的时间序列数据都向上平移所需要的单位，即将矩阵V向上平移一个最小负值到零点的距离即可；矩阵初始化步骤：对基矩阵W和系数矩阵H进行初始化；数据分解步骤：对样本集合V进行非负矩阵分解，得到基矩阵W和系数矩阵H；数据聚类步骤：对分解后的数据进行聚类，得到聚类结果。本发明的有益效果是：本发明提高时序数据的聚类计算速度，且本发明是基于非负矩阵分解获得的数据表达，将明显提高时间序列挖掘的效率。
-
公开(公告)号：CN106022391A
公开(公告)日：2016-10-12
申请号：CN201610380345.3
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/6215 , G06K9/46 , G06K9/623 , G06K9/6269 , G06K9/6289 , G06K2009/4657
Abstract: 本发明提出了一种高光谱图像特征的并行提取与分类方法，通过三维空间域以及频域联合分析，对三维和高光谱图像进行并行特征提取，然后对这些特征进行增强和融合，可以充分利用高维数据的丰富信息以及这些特征之间的结构关系，大大减少噪声对准确率的影响。本发明对各种相位、方向、频域以及三维空间编码方法进行深入研究，然后从提取各Gabor特征在方向与频率空间结构关系出发，在联合提取空间‑光谱域和频域的信号变化特征同时，开拓性地将智能算法引入波段选择，从而可以在保证识别准确率的前提下减少冗余信息，提高识别效率，具有较广泛的应用和推广前景。
-
公开(公告)号：CN105791120A
公开(公告)日：2016-07-20
申请号：CN201610288465.0
申请日：2016-05-03
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04L12/721 , H04L12/727
CPC classification number: H04L45/121 , H04L45/123
Abstract: 本发明提出了一种机会网络中的高效路由算法（PMSF算法），在SAW的基础上进行改进，在散发阶段充分考虑中继节点的传递性能，使用了改进的Prophet投递预测函数作为效用值对消息副本进行分配，投递预测函数表示的传输预测值越大，中继节点传递消息的成功率越高，故应分配给该节点更多的消息副本，摒弃了经典SAW消息散发阶段盲目的均等散发机制。同时，将等待阶段的Direct Delivery被动路由方式改为主动路由，并将等待阶段命名为转发阶段，以更好的贴合主动路由阶段的消息多跳转发机制，利用马尔可夫时间间隔预测模型，尽量将消息转发给较快便能与目的节点相遇的中继节点。本发明同时兼顾了高效和可信的原则，使得副本快速扩散、有效传输，又能保证传输的稳定性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN107687850B
公开(公告)日：2021-04-23
申请号：CN201710617653.8
申请日：2017-07-26
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于视觉和惯性测量单元的无人飞行器位姿估计方法，包括并行的跟踪线程、局部地图线程和深度滤波器线程，所述跟踪线程用于跟踪摄像机的相对运动、视觉信息和惯性信息融合，所述局部地图线程用于检测新的FAST角点，估计三角化测量3D点的深度，并在初始化时对齐视觉和惯性帧，所述深度滤波器线程用于更新3D点的种子。本发明的有益效果是：采用基于视觉和惯性测量单元信息融合的方法，通过跟踪、深度滤波、局部地图三个并行线程，可以达到较高的精度,并且有较高的运行效率，在计算能力受限的嵌入式设备上也能达到较快的估计速度，能满足实时性较高的使用场合。
-
公开(公告)号：CN105578455B
公开(公告)日：2020-06-09
申请号：CN201610054770.3
申请日：2016-01-27
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明在分析了机会网络中自私节点和恶意节点异常行为的基础上，并根据机会网络非全连通、自组织等特点提出了动态信任模型。节点通过动态信任模型中的监测机制记录与其它节点的交互信息，并将记录的信息量化为节点间的直接信任度，包括满意度、健康度、连通度等。为更准确地衡量节点之间的信任程度，节点考虑自身偏好，选择性地接收其它节点的推荐信任。针对恶意节点的共谋攻击，该模型通过统计反馈消息的发送方和确认方，且不断收集其它节点推荐的反馈消息，根据反馈消息的发送方所占比例对共谋攻击节点进行检测。本发明用于处理机会网络的安全问题，同时能够降低网络高延迟，提高传输成功率。
-
公开(公告)号：CN107301394A
公开(公告)日：2017-10-27
申请号：CN201710476038.X
申请日：2017-06-21
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00711 , G06K9/00362 , G06K9/46 , G06K9/4642 , G06K9/6269 , G06K2009/4695 , H04N5/262
Abstract: 本发明提供了一种基于视频数据的人流检测方法，包括以下步骤：S1、对视频进行低秩稀疏矩阵分解；S2、获取稀疏部分；S3、对稀疏部分进行阈值处理；S4、训练SVM；S5、对图像进行HOG+SVM检测；S6、判断是否有剩余检测框，如果没有，则结束，如果有，则进入下一步骤；S7、判断对应辅助图像相同位置是否有足够像素，如果没有，则删除检测框并返回步骤S6，如果有，则保留检测框并返回步骤S6。本发明的有益效果是：结合低秩稀疏矩阵分解的方法，将一段视频中的稀疏部分提取出来，并进行处理，低空监测影像的检测效果较好。
-
公开(公告)号：CN106073708A
公开(公告)日：2016-11-09
申请号：CN201610387255.7
申请日：2016-06-01
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61B5/00 , A61B5/0476
CPC classification number: A61B5/72 , A61B5/0476
Abstract: 本发明提出了一种脑电信号特征提取及解释方法，采用联合流形学习在提取脑电信号特征时可以同时实现通道选择，即联合学习仅从对识别比较重要的通道提取特征。这样的特征有两方面优点：一方面可以增强特征实际意义的解释，另一方面利用联合学习对特定脑电信号进行通道选择，所得到的结果也有助于神经生物学的发展，可以帮助研究人员确认相关电位，与神经生物学的研究成果进行相互验证等。另外，本发明的通道选择与特征提取可以应用到未来的BCI系统中，克服现有BCI系统识别率低等问题，对于BCI技术的发展具有重要意义。
-
公开(公告)号：CN107330387B
公开(公告)日：2021-04-23
申请号：CN201710475390.1
申请日：2017-06-21
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于图像数据的行人检测方法，包括以下步骤：（1）对于数据的预处理，在网络结构的第一层添加一层用来将数据读入；（2）YOLO原来的全连接层用卷积层替代，每个卷积层后面加一个ReLU层，然后用Reshape层改变输入的维度；（3）对于Loss Function的实现。本发明的有益效果是：将Fast YOLO实现为基于Caffe接口和GoogLeNet的网络，原网络中的全连接层改成卷积层实现，这不仅可以加快检测速度，而且实验结果表明还可以提升检测率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.032 seconds)
