公开(公告)号：CN118587549B

公开(公告)日：2024-11-15

申请号：CN202411069633.8

申请日：2024-08-06

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  徐智扬 ,  薛安克 ,  李爽爽 ,  陈帅 ,  周纪浩 ,  陈华杰

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V20/60 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明公开了基于HRRP与SAR数据可信决策融合的舰船分类方法，该方法首先获取舰船HRRP与SAR图像数据，分别进行预处理。其次构建两个分类模型，分别对SAR图像数据和HRRP数据使用训练集做有监督训练，分别得到可信度值A1和A2，以及对应的后验概率和分类预测结果。然后对得到的两个后验概率做再分配，构建出两组新的初始置信函数，融合两组初始置信函数得到对目标样本的分类结果、融合后的可信度值A3与A4。最后将A3、A4与A1、A2，做AA融合计算，输出分类结果对应的可信度。本发明提高了在目标类别较多时的分类准确率、初始置信函数的可靠性、鲁棒性以及舰船分类的准确率。

公开(公告)号：CN118587549A

公开(公告)日：2024-09-03

申请号：CN202411069633.8

申请日：2024-08-06

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  徐智扬 ,  薛安克 ,  李爽爽 ,  陈帅 ,  周纪浩 ,  陈华杰

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V20/60 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明公开了基于HRRP与SAR数据可信决策融合的舰船分类方法，该方法首先获取舰船HRRP与SAR图像数据，分别进行预处理。其次构建两个分类模型，分别对SAR图像数据和HRRP数据使用训练集做有监督训练，分别得到可信度值A1和A2，以及对应的后验概率和分类预测结果。然后对得到的两个后验概率做再分配，构建出两组新的初始置信函数，融合两组初始置信函数得到对目标样本的分类结果、融合后的可信度值A3与A4。最后将A3、A4与A1、A2，做AA融合计算，输出分类结果对应的可信度。本发明提高了在目标类别较多时的分类准确率、初始置信函数的可靠性、鲁棒性以及舰船分类的准确率。

公开(公告)号：CN118585889B

公开(公告)日：2024-11-05

申请号：CN202411068071.5

申请日：2024-08-06

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  周纪浩 ,  薛安克 ,  陈帅 ,  徐智扬 ,  李爽爽 ,  陈华杰

IPC: G06F18/241 ,  G06F18/2431 ,  G06F18/2131 ,  G06F18/25 ,  G06V10/44 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于船舶辐射噪声数据的船舶类型识别方法及系统，该方法首先获取船舶辐射噪声的原始数据，并进行预处理，以及视觉特征和时序特征的提取，得到船舶辐射噪声数据集。其次预构建时序和视觉神经网络联合的船舶辐射噪声识别网络，并将得到的船舶辐射噪声数据集输入构建好的船舶辐射噪声识别网络中进行训练。最后将所要识别的船舶辐射噪声数据输入训练后的船舶辐射噪声识别网络，输出船舶辐射噪声数据的船舶类型识别结果。本发明在同时考虑以上两种特征的基础上，降低了模型的复杂度，对船舶辐射噪声做出船舶类型准确的识别。

公开(公告)号：CN118585889A

公开(公告)日：2024-09-03

申请号：CN202411068071.5

申请日：2024-08-06

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  周纪浩 ,  薛安克 ,  陈帅 ,  徐智扬 ,  李爽爽 ,  陈华杰

IPC: G06F18/241 ,  G06F18/2431 ,  G06F18/2131 ,  G06F18/25 ,  G06V10/44 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于船舶辐射噪声数据的船舶类型识别方法及系统，该方法首先获取船舶辐射噪声的原始数据，并进行预处理，以及视觉特征和时序特征的提取，得到船舶辐射噪声数据集。其次预构建时序和视觉神经网络联合的船舶辐射噪声识别网络，并将得到的船舶辐射噪声数据集输入构建好的船舶辐射噪声识别网络中进行训练。最后将所要识别的船舶辐射噪声数据输入训练后的船舶辐射噪声识别网络，输出船舶辐射噪声数据的船舶类型识别结果。本发明在同时考虑以上两种特征的基础上，降低了模型的复杂度，对船舶辐射噪声做出船舶类型准确的识别。

公开(公告)号：CN117668245A

公开(公告)日：2024-03-08

申请号：CN202311590410.1

申请日：2023-11-27

Applicant: 杭州电子科技大学

Inventor： 殷昱煜 ,  李爽爽 ,  梁婷婷 ,  郑蕾蕾 ,  万健 ,  李尤慧子 ,  李玉

IPC: G06F16/36 ,  G06F40/295 ,  G16H10/60

Abstract: 为解决人工标注成本高和传统知识图谱技术对多跳问题推理准确度低的技术问题，本发明提出一种基于大规模预训练语言模型的因果关系医学知识图谱构建方法，首先构建一些人工标注的包含{文本，关系，解释}训练实例，来训练大规模预训练语言模型，然后将这些训练实例排除在外，让模型生成其他未经人工标注的实例的CoT(思维链)解释并生成关系,然后将这些生成的{文本，关系，CoT解释}实例送入T5进行微调训练，最后将大量未标记的医学文本送入T5获得文本中的关系，基于这些关系来构建医疗知识图谱。