-
公开(公告)号：CN109194708B
公开(公告)日：2021-07-13
申请号：CN201810821236.X
申请日：2018-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于区块链技术的分布式存储系统及其身份认证方法，属于分布式存储领域；本发明中的身份认证用户分为两种，分别是用户账户和设备账户，每个分布式节点都可以实现节点身份证明功能和节点容错机制，其内部都会开辟一小块区域来存储区块链的内容，记录了所有的账户资料，可以实现行为审计、记录属性日志、增加账户信息和签名服务，没有用户或情报中心的认可，没有任何人可以篡改用户数据或是向系统中非法添加账户，不可能对分布式存储系统中的数据进行更改，从而保证了分布式存储系统中的数据安全。
-
公开(公告)号：CN109889440A
公开(公告)日：2019-06-14
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
公开(公告)号：CN109409200A
公开(公告)日：2019-03-01
申请号：CN201811017220.X
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于SGRU神经网络的UUV集群行为识别技术。本发明具体步骤为数据预处理阶段，对UUV集群行为数据集进行数据清洗，包括处理数据不平衡问题、缺失值问题；模型训练阶段，利用数据预处理后的数据集训练SGRU神经网络，建立UUV集群行为识别模型；模型预测阶段，获取当前软件失效数据并进行数据预处理过程，然后输入所获得的SGRU预测模型进行UUV集群行为识别的预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用SGRU建立精确高效的UUV集群行为识别模型，解决传统方法无法准确识别UUV集群行为的问题。
-
公开(公告)号：CN109889440B
公开(公告)日：2021-02-02
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
公开(公告)号：CN109871894A
公开(公告)日：2019-06-11
申请号：CN201910126440.4
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器学习数据处理领域，具体涉及一种结合森林优化和粗糙集的数据离散化方法。本发明的目的在于克服传统连续属性离散化算法割裂属性之间关联的缺点，使用森林优化算法对基于粗糙集的离散化方法进行改进，提出一种搜索效率高、避免局部最优的结合森林优化和粗糙集的数据离散化方法，并将该方法应用在机器学习的数据预处理过程，本发明最大程度保留了数据集不同属性间的关联性，增强机器学习模型的记忆能力，克服传统离散化方法易陷入局部最优、割裂属性之间关联以及优化效率低等问题，是一种多维属性离散化方法，并应用其建立数据预处理模型，可在机器学习算法中使用，如C4.5分类器，可提高其分类、预测精度。
-
Patent Agency Ranking
公开(公告)号：CN109491835A
公开(公告)日：2019-03-19
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
公开(公告)号：CN109376848A
公开(公告)日：2019-02-22
申请号：CN201811017375.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种简化的门控单元神经网络，属于深度学习领域。本发明包括：对输入数据集进行数据清洗，选择经典数据集，如Iris数据集，此过程处理数据不平衡问题、归一化以及冗余数据处理问题；利用数据预处理后的数据集训练OGRU神经网络，建立预测模型；获取数据集，进行数据预处理过程，然后输入所获得的OGRU预测模型进行模型预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用OGRU建立精确高效的预测模型，解决传统方法训练时间过长问题。
-
公开(公告)号：CN109491835B
公开(公告)日：2022-04-12
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
公开(公告)号：CN110807777A
公开(公告)日：2020-02-18
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
公开(公告)号：CN109492516A
公开(公告)日：2019-03-19
申请号：CN201811028694.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于DGRU神经网络的UUV集群行为识别方法，属于深度学习领域；本发明对GRU神经网络进行改进，提出了防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立欠驱动UUV集群行为识别模型；本发明包括数据预处理阶段、模型训练阶段和模型预测阶段，具体包括如下步骤：(1)对UUV集群行为数据集进行数据清洗；(2)利用数据预处理后的数据集训练DGRU神经网络，建立UUV集群行为识别模型；(3)获取当前软件失效数据并采用(1)中同样的方法进行数据归一化处理，然后输入(2)中获得的预测模型进行UUV的集群行为识别，得到识别结果；应用该模型可以精确识别欠驱动UUV集群行为的方法，克服了传统UUV集群性行为识别技术的缺点。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
