-
公开(公告)号：CN113393027A
公开(公告)日：2021-09-14
申请号：CN202110648282.6
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度学习的航标漂移智能预测方法，涉及航标漂移预测技术领域，该方法包括：获取样本数据，并对样本数据进行预处理；其中，样本数据包括航标历史位置数据和水位历史数据；基于预处理后的样本数据构建时间序列；利用时间序列反映出的航标运动规律建立并训练航标漂移预测模型；所述航标漂移预测模型包括用于提取时间序列中的时序特征的门控循环单元和用于对时间序列的各时间步赋予不同权重的注意力机制；输入航标预设个时刻数据，利用训练好的航标漂移预测模型进行预测；输出航标预测位置。本发明基于深度学习的方法从大量航标、水位历史数据中学习时序特征，通过考虑水位因素影响和添加注意力机制进一步提高了模型预测精度。
-
公开(公告)号：CN118586557B
公开(公告)日：2025-03-28
申请号：CN202410746888.7
申请日：2024-06-11
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/40 , G06N3/08
Abstract: 本发明公开了一种基于在线回声状态网络算法的航道水位预测方法，涉及水位预测技术领域，该方法包括：获取多个水洞站记录的航道水位数据；构建并训练自注意力机制权重选择的在线顺序回声状态网络作为中长期航道水位预测模型；航道水位预测模型中利用缩放方式和自注意力权重选择方法选取输入权重和内部权重，并利用具有先验知识库的可自主进行模型更新的在线学习网络进行在线学习，使得内核存储状态随着新数据的输入自动进行更新；基于获取的水位数据，利用航道水位预测模型进行航道水位预测。本发明提高了中长期水位预测的精度，还克服了预测不稳定问题、解决了新数据加入需要重新进行模型训练的问题，使其可以更好的应用于真实场景中。
-
公开(公告)号：CN113393027B
公开(公告)日：2023-11-07
申请号：CN202110648282.6
申请日：2021-06-10
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习的航标漂移智能预测方法，涉及航标漂移预测技术领域，该方法包括：获取样本数据，并对样本数据进行预处理；其中，样本数据包括航标历史位置数据和水位历史数据；基于预处理后的样本数据构建时间序列；利用时间序列反映出的航标运动规律建立并训练航标漂移预测模型；所述航标漂移预测模型包括用于提取时间序列中的时序特征的门控循环单元和用于对时间序列的各时间步赋予不同权重的注意力机制；输入航标预设个时刻数据，利用训练好的航标漂移预测模型进行预测；输出航标预测位置。本发明基于深度学习的方法从大量航标、水位历史数据中学习时序特征，通过考虑水位因素影响和添加注意力机制进一步提高了模型预测精度。
-
公开(公告)号：CN119538113A
公开(公告)日：2025-02-28
申请号：CN202411619000.X
申请日：2024-11-13
Applicant: 大连海事大学
IPC: G06F18/243 , G06F18/214 , G06N20/20 , G06N20/10 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的两船会遇状态智能识别方法，涉及机器学习技术领域。本发明通过对AIS数据进行特征提取和分析，构建基于机器学习的智能识别模型和训练方法，训练后的模型能够智能识别船舶在追越、交叉和对遇等不同会遇状态下的航行行为，可以提高识别精度和决策效率，从而辅助后续的船舶避碰，增强航行安全性。本发明将为船舶航行安全和海上交通管理提供新的技术手段，推动智能航运的发展。
-
公开(公告)号：CN113379603B
公开(公告)日：2024-03-15
申请号：CN202110649805.9
申请日：2021-06-10
Applicant: 大连海事大学
IPC: G06T3/4038 , G06T7/62 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的船舶目标检测方法，涉及目标检测技术领域，该方法包括：获取船舶数据集；对船舶数据集中的船舶图像进行图像拼接；构建船舶目标检测模型；船舶目标检测模型包括轻量化骨干网络和注意力金字塔；轻量化骨干网络包括输入层、平均池化层以及密集连接单元；注意力金字塔包括三个检测分支，分别连接到骨干网络中输出13*13、26*26、52*52尺寸特征图的密集连接单元；注意力金字塔使用有效通道注意力模块，位于所述注意力金字塔的最前端，每一检测分支各一个；利用构建的船舶目标检测模型进行船舶目标检测，得到船舶检测结果。本发明实现了更精准、轻量、实时的船舶检测。
-
Patent Agency Ranking
公开(公告)号：CN118586557A
公开(公告)日：2024-09-03
申请号：CN202410746888.7
申请日：2024-06-11
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/40 , G06N3/08
Abstract: 本发明公开了一种基于在线回声状态网络算法的航道水位预测方法，涉及水位预测技术领域，该方法包括：获取多个水洞站记录的航道水位数据；构建并训练自注意力机制权重选择的在线顺序回声状态网络作为中长期航道水位预测模型；航道水位预测模型中利用缩放方式和自注意力权重选择方法选取输入权重和内部权重，并利用具有先验知识库的可自主进行模型更新的在线学习网络进行在线学习，使得内核存储状态随着新数据的输入自动进行更新；基于获取的水位数据，利用航道水位预测模型进行航道水位预测。本发明提高了中长期水位预测的精度，还克服了预测不稳定问题、解决了新数据加入需要重新进行模型训练的问题，使其可以更好的应用于真实场景中。
-
公开(公告)号：CN116644831A
公开(公告)日：2023-08-25
申请号：CN202310199193.7
申请日：2023-03-03
Applicant: 大连海事大学
Abstract: 本发明提供了基于时空图卷积网络的航道水位预测方法、装置及存储介质，方法包括：获取多个水位站的位置信息，使用多个水位站的位置信息构建水位站网络，水位站的位置信息包括：水位站的地理位置和水位站之间的里程值；基于水位站网络，建立并训练基于时空图卷积网络的水位预测模型；利用水位预测模型进行待预测点位的水位预测，得到水位预测值。使用时空图卷积网络提取数据的时空特征用以水位预测，具体通过时间门控卷积来捕获水位数据的时间特征，并使用空间图卷积来捕捉水位数据的空间特征，即同时获取多个水位站水位值的时间和空间相关性，以提高水位预测的准确性，从而更好的为船舶行驶安全提供数据支持并为防汛抗旱提供预警信息。
-
公开(公告)号：CN119516349A
公开(公告)日：2025-02-25
申请号：CN202411627416.6
申请日：2024-11-14
Applicant: 大连海事大学
IPC: G06V20/05 , G06T7/73 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G01B11/00 , G01C21/00
Abstract: 本发明公开了基于视觉技术的自主水下航行器自动归巢方法，包括：基于实际码头灯光的不同视角和布局，生成多种不同类别的人造灯光图像，将人造灯光图像与真实海底背景图像融合，生成具有不同角度、距离和光强度的训练样本集；构建基于改进的卷积神经网络的多光检测模型，并利用训练样本集训练多光检测模型；改进的卷积神经网络包括：五个卷积层和五个全连接层，其中卷积层使用LeakyReLU激活函数和最大池化技术来提取和筛选图像特征；利用训练好的多光检测模型检测水下码头发出的多个光源位置；根据不同类别的灯光引导AUV到达终点。本发明能够提高AUV归巢的准确性与效率，并解决数据集不足的问题并增强模型的泛化能力。
-
公开(公告)号：CN113392339A
公开(公告)日：2021-09-14
申请号：CN202110721619.1
申请日：2021-06-28
Applicant: 大连海事大学
IPC: G06F16/9537 , G06F16/904 , G06F16/29 , G06F16/25
Abstract: 本发明提供了一种基于网络要素服务的内河航道要素管理系统，包括：web应用客户端和GIS数据管理端；GIS数据管理端包括：为web应用客户端提供电子航道图显示以及用户交互操作的表示层；封装有实现矢量航道要素的显示和管理的各类操作的业务逻辑层；用于从地图服务器和GIS数据服务器存取数据的数据服务层；地图服务器用于存储电子航道图切片数据，以供在表示层调用显示；GIS数据服务器用于存储矢量航道要素地图服务，以便通过调用矢量航道要素地图服务实现矢量航道要素的显示和管理、以及实现与其他地图数据叠加。本发明充分利用内河电子航道图数据成果，建设基于图形化的GIS矢量航道要素管理系统，为提升内河航道监管的工作效率提供了数据基础。
-
公开(公告)号：CN113379603A
公开(公告)日：2021-09-10
申请号：CN202110649805.9
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度学习的船舶目标检测方法，涉及目标检测技术领域，该方法包括：获取船舶数据集；对船舶数据集中的船舶图像进行图像拼接；构建船舶目标检测模型；船舶目标检测模型包括轻量化骨干网络和注意力金字塔；轻量化骨干网络包括输入层、平均池化层以及密集连接单元；注意力金字塔包括三个检测分支，分别连接到骨干网络中输出13*13、26*26、52*52尺寸特征图的密集连接单元；注意力金字塔使用有效通道注意力模块，位于所述注意力金字塔的最前端，每一检测分支各一个；利用构建的船舶目标检测模型进行船舶目标检测，得到船舶检测结果。本发明实现了更精准、轻量、实时的船舶检测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
