-
公开(公告)号：CN101246552A
公开(公告)日：2008-08-20
申请号：CN200810064063.8
申请日：2008-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及数字图像处理技术领域，公开了一种基于图像处理技术的椭圆与矩形目标识别方法。由于形状本身的相似性，椭圆和矩形的分类识别是数字图像处理技术的经典难题之一。本发明采用的方法的核心是，首先求出目标区域与边界框的几何中心、面积、周长等参数；利用目标区域与边界框的中心偏差距离这一特征区分高度对称区域和非高度对称区域；对于高度对称区域，再利用目标区域与边界框的面积差异和周长差异组成特征矢量进行矩形和椭圆的识别。该方法具有运算速度快、识别准确率高的特点。本发明同时给出了各特征的统计曲线和仿真处理结果。
-
Patent Agency Ranking
公开(公告)号：CN113051722A
公开(公告)日：2021-06-29
申请号：CN202110268235.9
申请日：2021-03-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了利用嵌入离散动态事件树改进核电厂安全性能分析的方法，包括以下步骤：S1、根据核电厂需要分析的安全问题，按照确定论安全分析方法编写RELAP5软件输入文件“*.i”文件；S2、构建作为基本接口模块的DETRIA‑A模块；S3、构建作为数据提取模块的DETRIA‑B模块；S4、构建作为文件管理模块的DETRIA‑C模块；S5、构建作为RELAP5启动模块的DETRIA‑D模块；S6、构建作为DET仿真模块的DETRIA‑E模块；S7、构建作为后处理模块的DETRIA‑F模块。本发明具有的优点是可实现动态事件树方法自主的与确定论安全分析程序RELAP5程序耦合。
-
公开(公告)号：CN101246552B
公开(公告)日：2010-08-04
申请号：CN200810064063.8
申请日：2008-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及数字图像处理技术领域，公开了一种基于图像处理技术的椭圆与矩形目标识别方法。由于形状本身的相似性，椭圆和矩形的分类识别是数字图像处理技术的经典难题之一。本发明采用的方法的核心是，首先求出目标区域与边界框的几何中心、面积、周长等参数；利用目标区域与边界框的中心偏差距离这一特征区分高度对称区域和非高度对称区域；对于高度对称区域，再利用目标区域与边界框的面积差异和周长差异组成特征矢量进行矩形和椭圆的识别。该方法具有运算速度快、识别准确率高的特点。本发明同时给出了各特征的统计曲线和仿真处理结果。
-
公开(公告)号：CN104915192B
公开(公告)日：2018-07-10
申请号：CN201510133527.6
申请日：2015-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明一种基于移动点和不完美排错的软件可靠性建模方法，涉及软件可靠性增长模型研究领域。具体包括：步骤一、提出基于移动点和不完美排错的软件可靠性建模基本假设条件；步骤二、根据软件测试过程中的不完美排错现象，获取故障引入率函数和故障排除率函数；步骤三、根据移动点现象，获取基于移动点和不完美排错的软件可靠性增长模型；步骤四、根据移动点判断准则，采用逐步调整法得到移动点个数和位置。最后利用一组公开发表的数据，验证模型的精度，实验结果表明，本发明提出的软件可靠性增长模型具有更好的拟合效果和预测能力。
-
公开(公告)号：CN113051722B
公开(公告)日：2022-03-11
申请号：CN202110268235.9
申请日：2021-03-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了利用嵌入离散动态事件树改进核电厂安全性能分析的方法，包括以下步骤：S1、根据核电厂需要分析的安全问题，按照确定论安全分析方法编写RELAP5软件输入文件“*.i”文件；S2、构建作为基本接口模块的DETRIA‑A模块；S3、构建作为数据提取模块的DETRIA‑B模块；S4、构建作为文件管理模块的DETRIA‑C模块；S5、构建作为RELAP5启动模块的DETRIA‑D模块；S6、构建作为DET仿真模块的DETRIA‑E模块；S7、构建作为后处理模块的DETRIA‑F模块。本发明具有的优点是可实现动态事件树方法自主的与确定论安全分析程序RELAP5程序耦合。
-
公开(公告)号：CN104915192A
公开(公告)日：2015-09-16
申请号：CN201510133527.6
申请日：2015-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明一种基于移动点和不完美排错的软件可靠性建模方法，涉及软件可靠性增长模型研究领域。具体包括：步骤一、提出基于移动点和不完美排错的软件可靠性建模基本假设条件；步骤二、根据软件测试过程中的不完美排错现象，获取故障引入率函数和故障排除率函数；步骤三、根据移动点现象，获取基于移动点和不完美排错的软件可靠性增长模型；步骤四、根据移动点判断准则，采用逐步调整法得到移动点个数和位置。最后利用一组公开发表的数据，验证模型的精度，实验结果表明，本发明提出的软件可靠性增长模型具有更好的拟合效果和预测能力。
-
-
-
-
-
Search Results
6
records
(took 0.099 seconds)
