公开(公告)号：CN107562923A

公开(公告)日：2018-01-09

申请号：CN201710824423.9

申请日：2017-09-13

Applicant: 桂林电子科技大学 ,  中国电子科技集团公司第五十四研究所

Inventor： 强保华 ,  孙颢宁 ,  王玉峰 ,  谢武 ,  韦二龙 ,  赵兴朝 ,  史喜娜

IPC: G06F17/30 ,  G06Q50/26

Abstract: 本发明公开了一种基于船载导航雷达和光电平台的船只目标观测方法及系统，包括：值班记录模块保存图片和视频信息，并与生成的值班记录的文字性描述自动进行关联；光电取证回放模块针对关联的图片与视频信息进行条件搜索并进行选择性浏览或回放；日志管理模块针对事件属性构建索引并结合数据库字段查询得到联合搜索结果，以列表和电子海图两种方式显示。本发明实现了基于船载导航雷达引导的光电摄像头转向自动控制，以及面向文本、图像、视频等多种不同类型数据的数据检索，采用搜索引擎技术，通过设计全文检索系统，突破传统数据库在解决跨字段模糊查询的效率和准确性不高的问题，准确实现文本、图像、视频等多种不同类型数据的数据检索。

公开(公告)号：CN108446661A

公开(公告)日：2018-08-24

申请号：CN201810280026.4

申请日：2018-04-01

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  史喜娜 ,  谢武 ,  赵兴朝 ,  王培雷 ,  张世豪

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于数据扩增的深度学习并行化人脸识别方法，所述方法通过将人脸数据集进行数据扩增得到一个大规模的人脸数据集来提高人脸识别的准确率；然后将得到的大规模人脸数据集输入到改进的残差网络中进行深度学习，从而将人脸图像的特征转换为二进制哈希码以加快识别的效率；模型训练是在基于caffeonspark的分布式平台上进行的，从而减少模型训练时间；最后将得到的模型在LFW数据集上进行人脸验证来检验模型的泛化能力以及改进的残差网络的可行性。本发明能够提高人脸识别的准确率及识别效率。

公开(公告)号：CN106777370A

公开(公告)日：2017-05-31

申请号：CN201710055328.7

申请日：2017-01-24

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  周旭康 ,  史喜娜 ,  张学庆 ,  赵正健 ,  孙忠旭

IPC: G06F17/30

Abstract: 本发明公开了一种海洋数据采集以及元数据管理方法，所述方法利用开源地理信息系统框架GeoNetwork对元数据进行管理，在使用Java程序获得海洋网站的数据后，对数据进行解析、存储至FTP并生成对应的、符合ISO19139标准的XML元数据描述文件。使用用户认证Credentials后台登陆管理员账户和XML元数据插入方法完成元数据的管理，当用户在GeoNetwork框架中查询元数据并获得其XML描述文件之后，系统通过解析XML文件在FTP服务器查询数据并返回给用户。本发明主要解决大数据智能分析与挖掘面临的关键科学与工程问题，为复杂多变的信息资源服务需求提供新思路和方法依据。

公开(公告)号：CN108446661B

公开(公告)日：2021-11-19

申请号：CN201810280026.4

申请日：2018-04-01

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  史喜娜 ,  谢武 ,  赵兴朝 ,  王培雷 ,  张世豪

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于数据扩增的深度学习并行化人脸识别方法，所述方法通过将人脸数据集进行数据扩增得到一个大规模的人脸数据集来提高人脸识别的准确率；然后将得到的大规模人脸数据集输入到改进的残差网络中进行深度学习，从而将人脸图像的特征转换为二进制哈希码以加快识别的效率；模型训练是在基于caffeonspark的分布式平台上进行的，从而减少模型训练时间；最后将得到的模型在LFW数据集上进行人脸验证来检验模型的泛化能力以及改进的残差网络的可行性。本发明能够提高人脸识别的准确率及识别效率。

公开(公告)号：CN108520284A

公开(公告)日：2018-09-11

申请号：CN201810344423.3

申请日：2018-04-17

Applicant: 桂林电子科技大学 ,  中国电子科技集团公司第五十四研究所

Inventor： 强保华 ,  孙颢宁 ,  王玉峰 ,  谢武 ,  韦二龙 ,  史喜娜 ,  赵兴朝

IPC: G06K9/62 ,  G06N3/00

CPC classification number: G06K9/6224 ,  G06K9/6223 ,  G06N3/006

Abstract: 本发明公开了一种基于群智能算法的改进谱聚类方法，通过选取拉普拉斯矩阵的前2k个最大特征值对应的特征向量作为聚类的源数据，然后通过群智能算法选取优质的初始化中心点进行聚类操作，提高了聚类的最高准确率和多次聚类结果的稳定性。本发明引入了布谷鸟搜索算法寻找初始化中心点，将布谷鸟搜索算法过程中的适应度函数采用误差平方和函数，应用于谱聚类中，将搜索得到的最小的误差平方和的数据点作为初始化中心点。本发明将布谷鸟搜索算法中的莱维飞行策略引入粒子群算法，在粒子群算法收敛速度变缓情况下，使用莱维飞行策略产生频繁较小步长和和偶尔较大步长，在不同步长下引入不同侧重的速度更新公式。