公开(公告)号：CN116756311A

公开(公告)日：2023-09-15

申请号：CN202310574950.4

申请日：2023-05-19

Applicant: 大连海事大学

Inventor： 左毅 ,  李心宇 ,  蒋龙 ,  李铁山 ,  陈俊龙

IPC: G06F16/35 ,  G06F16/31 ,  G06N3/047 ,  G06F40/30 ,  G06F40/126 ,  G06F40/216 ,  G06F17/16

Abstract: 本发明公开了基于BLS的NAVTEX报文语境智能决策支持方法，对NAVTEX报文数据应用数据清洗和词型还原以及引用停用词等操作，并提出了报文语境标签来给报文标注类别，具体表现为对航行警告中所包含的报文内容进行分析，总结了6类报文语境标签。通过本发明能够做到准确提炼原始报文数据中的有效信息，并为后续的报文语境分类任务以及航行决策支持提供有力支持，使训练出来的报文特征更加精简且具有代表性。本发明基于BLS并对其加以改进，提高了NAVTEX报文语境分类的准确率，并为航海人员提供智能化的航行决策支持服务，能够有效降低工作强度并提高工作效率，同时也进一步增强了船舶的安全航行性能、丰富了助航设备的功能。

公开(公告)号：CN116719933A

公开(公告)日：2023-09-08

申请号：CN202310572057.8

申请日：2023-05-19

Applicant: 大连海事大学

Inventor： 左毅 ,  李心宇 ,  蒋龙 ,  李铁山 ,  陈俊龙

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/289 ,  G06F16/31 ,  G06F17/16 ,  G06N3/047

Abstract: 本发明公开了一种基于BLS的NAVTEX报文语义自动分类方法，对NAVTEX报文数据应用数据清洗和分词操作，并提出了语义标签来给报文标注类别，具体表现为对航行警告中所包含的报文内容进行总结，定义了7类语义标签。通过本发明可以有效地将冗余繁杂的原始报文数据进行精简化处理并初步为后续的分类任务打好基础，使训练出来的特征更具有代表性。本发明通过对预处理后的NAVTEX报文数据采用向量空间模型进行特征提取，具有计算方便和结构简单的优点；然后，基于BLS进行语义分类，具有训练时间短且分类效果好的优势，能够有效缓解船员劳动强度以及提高应对安全信息的应急反应速度和效率，从而提升船舶的安全航行性能。

公开(公告)号：CN110209825B

公开(公告)日：2021-02-12

申请号：CN201910522281.X

申请日：2019-06-17

Applicant: 大连海事大学

Inventor： 左毅 ,  蒋龙 ,  李铁山 ,  陈俊龙 ,  马赫

IPC: G06F16/35 ,  G06N20/00

Abstract: 本发明公开了一种基于宽度学习系统的快速网络表征学习算法，具有如下步骤：S1、导入基于文本的网络图模块，将网络拓扑结构解析后保存成字典的格式，字典中的key代表网络节点，key对应的value是一个列表，表示该节点所在边的另一端节点序列；S2、对网络节点进行随机游走，生成游走序列；S3、构建基于宽度学习系统的网络表征学习模型，将S2中生成的游走序列以及维数为K的表征向量作为输入，在特征向量层生成网络节点的特征向量，在增强向量层通过引入激活函数增强网络表征学习模型的非线性分类能力，最终实现基于文本的网络多标签分类。本发明算法中采用了宽度学习系统模型，能够快速完成网络节点的表征学习。

公开(公告)号：CN109522838A

公开(公告)日：2019-03-26

申请号：CN201811355123.1

申请日：2018-11-14

Applicant: 大连海事大学

Inventor： 李铁山 ,  王扬 ,  田野 ,  陈俊龙 ,  左毅 ,  杨赫 ,  蒋龙 ,  彭东成 ,  韩野 ,  杨晶晶 ,  肖杨

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于宽度学习的安全帽图像识别算法，其特征在于具有如下步骤：S1、宽度学习系统的数据准备；S2、基于宽度学习训练安全帽图像识别模型；S3、基于宽度学习系统的安全帽图像检测机制：S31、读取步骤S1得到的图像测试集和步骤S2得到的所述安全帽图像识别模型；S32、将图像测试集中的图像输入到所述安全帽图像识别模型，获得输出值；S33、将有人但无安全帽的图片进行标记，并发出警告。本发明是基于宽度学习系统的安全帽图像识别技术，而宽度学习架构层次较浅，对计算资源要求较低使得其能够在低端设备上进行部署且不会损失太大的精度。

公开(公告)号：CN110209825A

公开(公告)日：2019-09-06

申请号：CN201910522281.X

申请日：2019-06-17

Applicant: 大连海事大学

Inventor： 左毅 ,  蒋龙 ,  李铁山 ,  陈俊龙 ,  马赫

IPC: G06F16/35 ,  G06N20/00

Abstract: 本发明公开了一种基于宽度学习系统的快速网络表征学习算法，具有如下步骤：S1、导入基于文本的网络图模块，将网络拓扑结构解析后保存成字典的格式，字典中的key代表网络节点，key对应的value是一个列表，表示该节点所在边的另一端节点序列；S2、对网络节点进行随机游走，生成游走序列；S3、构建基于宽度学习系统的网络表征学习模型，将S2中生成的游走序列以及维数为K的表征向量作为输入，在特征向量层生成网络节点的特征向量，在增强向量层通过引入激活函数增强网络表征学习模型的非线性分类能力，最终实现基于文本的网络多标签分类。本发明算法中采用了宽度学习系统模型，能够快速完成网络节点的表征学习。