公开(公告)号：CN116543021A

公开(公告)日：2023-08-04

申请号：CN202310596182.2

申请日：2023-05-24

Applicant: 哈尔滨工程大学 ,  长江大学

Inventor： 董宇欣 ,  刘皓 ,  史志平 ,  孙采萱 ,  张立国 ,  江俊慧 ,  李思照

IPC: G06T7/246 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于特征融合的Siamese网络视频单目标跟踪方法，具体涉及一种基于特征融合的Siamese网络监控视频的单目标跟踪方法，为了解决Siamese网络单目标跟踪算法在面对复杂环境和被跟踪目标附近存在明显的背景干扰时的跟踪能力较低，无法准确跟踪目标，以及跟踪一些特定目标时输出的跟踪区域不够精确的问题。利用模板区域图像集和搜索区域图像集对构建的模型进行训练，分别输出模板图像和搜索图像的特征图，模型依次包括基于混合注意力机制的ResNet‑50网络和孪生特征融合网络，将模板图像的特征图和搜索图像的特征图输入RPN网络中进行相似性对比，输出搜索图像中与模板图像相似度最高的预测区域，实现单目标的跟踪。属于目标跟踪领域。

公开(公告)号：CN116821239A

公开(公告)日：2023-09-29

申请号：CN202310770629.3

申请日：2023-06-28

Applicant: 哈尔滨工程大学 ,  哈尔滨工程大学三亚南海创新发展基地

Inventor： 张可佳 ,  刘志颖 ,  潘海为 ,  蔡成涛 ,  王巍 ,  王春才 ,  王小芳 ,  陈征平 ,  王宇华 ,  兰海燕 ,  李智慧 ,  曲立平 ,  史长亭 ,  江俊慧 ,  孙宝丹 ,  李丽洁

IPC: G06F16/27 ,  H04L67/1097 ,  H04L9/40 ,  H04L69/163 ,  G06F16/25 ,  G06F16/2453 ,  G06F16/2455 ,  G06F16/2458 ,  G06F9/48 ,  G06F9/50 ,  G06F21/31 ,  G06F21/60 ,  G06F21/62

Abstract: 本发明公开了一种基于云平台的船舶虚拟试验储算分离系统，包括，客户端模块，为整体系统的最外层，用于直接与用户进行交互，向用户提供API并发挥任务执行的结果；分布式查询模块，与客户端模块连接，用于在接收到客户端模块发送的任务后对任务进行解析操作，再访问储算调度模块完成具体任务后获得结果并发送至客户端模块；分布式存储模块，与分布式查询模块连接，用于对整个系统中的数据进行存储且加密，进而为储算调度模块和分布式查询模块提供数据支持；储算调度模块，分别与分布式查询模块和分布式查询模块连接，用于负责进行有效的数据缓存，并对整个系统的存储进行调度。本发明提高了云计算平台的存储效率、查询效率和计算效率。

公开(公告)号：CN119808969A

公开(公告)日：2025-04-11

申请号：CN202411753179.8

申请日：2024-12-02

Applicant: 哈尔滨工程大学

Inventor： 孙宝丹 ,  张心一 ,  蒋雨佳 ,  巩建光 ,  江俊慧 ,  林聃

IPC: G06N7/01 ,  G06N3/006 ,  G06N3/126 ,  G06N5/01

Abstract: 本说明书实施例提供了一种基于反向学习的贝叶斯网络结构学习方法及装置，其中，方法包括：步骤1，获取训练样本；步骤2，基于PC算法根据所述训练样本生成初始解，基于反向学习生成所述初始解对应的反向解，将所述初始解和所述反向解进行排序，根据排序结果确定真正用于优化的最优解，基于所述最优解更新种群的初始参数，完成种群初始化；步骤3，基于PSO算法搜索最优解，对于搜索过程的离散化问题引入差分进化算法进行处理；步骤4，重复执行步骤2至步骤4进行迭代学习直至搜索到最优网络结构。本说明书实施例提高了离散贝叶斯网络结构学习的准确性和效率。

公开(公告)号：CN118780283A

公开(公告)日：2024-10-15

申请号：CN202410860229.6

申请日：2024-06-28

Applicant: 哈尔滨工程大学

Inventor： 巩建光 ,  孙宝丹 ,  丁一 ,  陈凡 ,  郑鑫鑫 ,  潘志强 ,  江俊慧

IPC: G06F40/289 ,  G06N20/00 ,  G06N3/09 ,  G06F16/35 ,  G06N3/048 ,  G06N3/0442

Abstract: 本说明书实施例提供了一种实体关系抽取方法、装置、设备及存储介质，其中，方法包括：从预设语料库中获取句子文本；对句子文本进行分词处理，得到句子文本序列；根据句子文本序列和预设潜在关系数据集序列，构建二维矩阵；二维矩阵的行对应句子文本序列中的字符和关系数据集序列中的关系，二维矩阵的列对应句子文本序列中的字符和关系数据集序列中的关系；根据二维矩阵，得到主语‑宾语二元组；基于预设机器学习模型，根据二维矩阵，得到主语‑关系二元组和关系‑宾语二元组；根据主语‑宾语二元组、主语‑关系二元组和关系‑宾语二元组，得到实体关系三元组。以解决抽取方式存在错误传播、信息冗余和忽略实体与关系的内在联系的问题。