公开(公告)号：CN116823659A

公开(公告)日：2023-09-29

申请号：CN202310787627.5

申请日：2023-06-29

Applicant: 哈尔滨理工大学

Inventor： 吴振才 ,  尹芳

IPC: G06T5/00 ,  G06T7/40 ,  G06V10/74 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明针对传统的微光图像增强算法不能很好地解决微光图像的低亮度、低对比度和噪声等一系列退化因素，提出一种深度多层次特征提取再增强的微光图像增强方法。首先由基于残差连接和通道自注意力机制的特征提取模块提取不同层次的微光图像特征，计算通道权重，然后选出非线性激活的特征图送入不共享参数特征增强模块，对不同层次的特征进行增强，将增强后的特征融合得到最终处理结果。实验结果表明，该方法能同时处理微光图像的各种退化因素，增强图像的亮度和对比度，在去除噪声的同时保留图像的纹理细节。

公开(公告)号：CN112926501A

公开(公告)日：2021-06-08

申请号：CN202110305468.1

申请日：2021-03-23

Applicant: 哈尔滨理工大学

Inventor： 王健 ,  尹芳 ,  罗干

IPC: G06K9/00 ,  G06N3/08

Abstract: 本发明涉及一种基于YOLOv5网络结构的交通标志检测算法，属于目标检测和交通标志检测技术领域，本发明旨在缓解传统交通标志检测算法在实际应用中的复杂背景之下的误检和漏检问题。针对此问题，本文利用YOLOv5目标检测算法，在检测交通标志的过程中，引入多层GhostBottleneck网络，并通过引入模块注意力机制来聚焦和增强有效特征，并抑制干扰特征，提高复杂背景下交通标志的检测能力。在著名的公开的德国GTSDB数据集上对模型进行评估，取得了良好的检测效果，并具有良好的鲁棒性。

公开(公告)号：CN110765364A

公开(公告)日：2020-02-07

申请号：CN201911005417.6

申请日：2019-10-22

Applicant: 哈尔滨理工大学

Inventor： 尹芳 ,  宋垚 ,  孟迪

IPC: G06F16/9536 ,  G06K9/62 ,  G06F17/16

Abstract: 基于局部优化降维和聚类的协同过滤方法；在线用户或客户经常面临关键信息过载的问题推荐系统可以有效缓解信息过载它个性化地引导用户在众多可能的项目中找到吸引人或满足要求的对象；推荐系统通过有效地将客户需求与最优产品映射到一起充分提高了客户满意度；目前多数推荐方法无法权衡推荐时间与推荐准确性的关系；本发明方法包括如下步骤特征是：首先对稀疏的用户-项目评分矩阵做降维处理得到用户特征矩阵；其次对用户特征矩阵应用聚类技术得到相似用户的聚类；然后在用户测试集上预测目标用户的评分；最后根据预测结果选择评分最高的N个项目产生推荐；本发明用于准确并实时地对用户产生推荐。

公开(公告)号：CN119541630A

公开(公告)日：2025-02-28

申请号：CN202411599596.1

申请日：2024-11-08

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  纪彤彤 ,  王春蕊 ,  谷凤伟 ,  王莉莉 ,  尹芳

IPC: G16B20/30 ,  G16B40/30 ,  G06F18/23213

Abstract: 一种用于单细胞RNA测序数据的关联图嵌入细胞类群划分方法，属于单细胞RNA测序数据分析中的细胞类群划分领域，本发明首先将单细胞RNA测序数据进行预处理，随后使用三种特征提取方法构建细胞‑细胞多视角关联图空间，以便更好地利用视角一致性和视角特异性信息。使用自适应邻域图学习方法优化细胞‑细胞多视角关联图空间。然后，分别对去除不一致性部分的细胞‑细胞共识关联图和细胞‑细胞多视角关联图空间进行谱嵌入分解1和谱嵌入分解2，得到相应的一致嵌入矩阵、视图一致嵌入矩阵和视图特定嵌入矩阵。最后，将一致嵌入矩阵和视图一致嵌入矩阵结合得到双一致嵌入矩阵，使用k‑means方法得到细胞类群的划分结果；与其他方法相比，本发明的细胞类群划分准确率更高，性能更加稳健。

公开(公告)号：CN119293273A

公开(公告)日：2025-01-10

申请号：CN202411184853.5

申请日：2024-08-27

Applicant: 哈尔滨理工大学

Inventor： 梅三林 ,  王雁冰 ,  李骜 ,  王莉莉 ,  尹芳

IPC: G06F16/45 ,  G06F18/23213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 一种面向不完整多视图流式新闻数据的异构关系卷积谱聚类方法，属于不完整多视图流式新闻数据中的数据聚类处理领域，本发明首先通过获取t0时刻之前的多个不完整多视图流式新闻数据样本，对每个视图构建异构关系矩阵和高维流形分布矩阵。然后将每个视图的样本特征和相应的异构关系矩阵输入不完整多视图流式新闻数据异构关系卷积谱聚类网络中，以获得每个视图的低维嵌入表示，并将其通过特征融合层获得所有视图的公共低维嵌入表示。紧接着将公共低维嵌入表示输入正交归一化层获得近似谱嵌入，随后将其通过自监督模块来获得单一输入样本特征的软分配。最后通过使用小批量随机梯度下降算法将不完整多视图流式新闻数据的异构关系卷积谱聚类总体损失函数优化至收敛。当模型达到收敛后，使用该模型对t0时刻之后持续不断产生的单个不完整多视图流式新闻数据样本进行聚类，以获得单一流式新闻数据的聚类结果，进而实现对不完整多视图流式新闻数据聚类的目的。

公开(公告)号：CN118247766A

公开(公告)日：2024-06-25

申请号：CN202410331931.3

申请日：2024-03-21

Applicant: 哈尔滨理工大学

Inventor： 邹英男 ,  尹芳

IPC: G06V20/58 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/25 ,  G06V10/774

Abstract: 在智能交通系统中，交通目标检测作为关键技术对于确保交通系统正常运行至关重要。然而，目前的目标检测算法在处理交通标志检测时仍存在一系列挑战，包括图像尺寸小、目标特征不够明显以及检测精度较低等问题。为了应对这些挑战，本方案提出一种改进的YOLOv8算法。通过构建小目标检测层、引入TripletAttention注意力机制和可变形卷积与WIoU_v3损失函数，使算法能够融合更深层特征，具有更大的感受野，并且降低了训练样本标注质量不均衡的影响，提高了预测框的位置精度，增强了对小目标的检测能力。实验结果表明，改进后的算法能够满足实际检测需求。

公开(公告)号：CN116912110A

公开(公告)日：2023-10-20

申请号：CN202310733090.4

申请日：2023-06-20

Applicant: 哈尔滨理工大学

Inventor： 叶家威 ,  尹芳

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明针对Retinex‑Net网络对图像增强上可能出现颜色过度饱和、细节丢失等缺陷。提出了一种基于NARetinex‑Net的低照度图像增强算法。首先，在分解网络阶段使用残差网络和膨胀卷积提取深度特征；其次，在U型网络中结合改进的Res‑Inception模块和MBECANet注意力机制使提取的深度特征更适用噪声较多、光照分布不均匀的图像；最后，利用DenseNet思想对光照调整网络进行改进，上分支将普通的卷积替换成密集残差块，下分支使用Res‑Inception模块旨在深度提取亮度图像的颜色、纹理等信息，最后将上下分支的输出结果融合。实验表明，该算法在数据集上比普通的Retinex‑Net图像增强算法有更好的增强效果。

公开(公告)号：CN114863377A

公开(公告)日：2022-08-05

申请号：CN202210464185.6

申请日：2022-04-29

Applicant: 哈尔滨理工大学

Inventor： 张家奇 ,  尹芳 ,  李斌

IPC: G06V20/56 ,  G06V10/82 ,  G06V10/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是基于YOLOv5网络改进的目标检测系统，该系统硬件部分主要包括电子显示屏、摄像头、电路板、数据存储处理装置，所述的电子显示屏，用于显示经目标检测网络处理后的视频信息，所述的摄像头，用于获取汽车周围的视频信息，从而获得图像信息，所述的数据存储处理装置，用于存储视频信息、YOLOv5改进后的网络结构以及对视频信息的处理等，所述的电路板用于将各个硬件连接起来，形成一个完整的系统。本发明软件部分以YOLOv5网络结构为主体算法，分别对其Backbone部分、Neck部分、NMS部分进行改进，得到了一个检测精度高、实时性强、鲁棒性高、具有良好的泛化能力的目标检测系统。为使用自动驾驶技术的用户提供了一个较为优秀的系统。

公开(公告)号：CN114451188A

公开(公告)日：2022-05-10

申请号：CN202111305416.0

申请日：2021-11-05

Applicant: 哈尔滨理工大学

Inventor： 张家奇 ,  尹芳 ,  孙海旭

IPC: A01G9/24 ,  G05D23/20

Abstract: 本发明是一种基于Arduino的智能温室通风控制设备，主要由温感模块、光感模块、电机模块、可视化模块、按键模块、系统控制模块组成，所述温感模块负责获取温室内的温度；所述光感模块，用于获取外界光强；所述系统控制模块以Arduino Mega 2560为核心电路板进行开发；所述温感模块和光感模块与电路板连接，电路板根据温感模块和光感模块获取数据来自动控制电机的运转，从而控制通风口的大小。电路板与LCD显示屏连接，LCD显示屏会显示当前温室内的平均温度、通风口的状态、当前模式。所述按键模块与电路板连接，系统通过按键模块切换手动自动模式以及手动模式下对电机的控制。本发明在自动模式下能够自主运行，同时具有手动模式，能够根据用户需求自行选择模式。

公开(公告)号：CN119646627A

公开(公告)日：2025-03-18

申请号：CN202411847560.0

申请日：2024-12-13

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  苗德华 ,  高天宇 ,  尹芳 ,  杨海陆

IPC: G06F18/241 ,  G06F18/2132 ,  G06F18/25 ,  G06F18/2431 ,  G06N3/084

Abstract: 本发明提出了一种基于记忆关联多信息可靠融合的疾病分类方法，旨在解决现有多模态模型在医疗诊断中的不可靠性和缺乏可解释性的问题。该方法利用DNA甲基化、mRNA表达和miRNA表达三种模态信息，通过构建记忆模块和可靠融合模块实现分类网络。记忆模块包含独立特征编码器，提取模态潜在特征并进行存储，基于存储模式评估模态信息的可靠性。可靠融合模块通过生成式对抗网络实现模态间的循环一致性，生成具有多模态特性的联合表示作为疾病分类的依据。在训练过程中，利用简化的霍普菲尔德能量衡量模态置信度，从而优化模态融合，确保深层特征的有效交互。该方法在疾病分类任务中表现出色，具有高可信度和可解释性，推动了多模态学习在医疗领域的应用。