-
公开(公告)号：CN113298184B
公开(公告)日：2022-09-02
申请号：CN202110687034.2
申请日：2021-06-21
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 用于小样本图像识别的样本抽取、扩充方法及存储介质，属于图像处理技术领域。为了解决针对于小样本图像识别过程中采用生成新样本的方式中存在的可能导致的生成错误样本的问题。本发明首先提出了一种基于特征重构的样本抽取方法来解决小样本数据集特征缺失的问题，从数据特征的角度实现了大样本数据集中抽取出一个典型小样本数据集。该方法将大样本数据的质心作为抽取度量的标准，使得抽取出的典型小样本数据集具有更全面的特征，效果更稳定。本发明还提出了基于变形信息的样本扩充方法，利用最优划分中同类异簇的数据间变形信息实现了将抽取出的典型小样本数据集扩充成新的大样本数据集。主要用于小样本图像识别的样本抽取及扩充。
-
公开(公告)号：CN111008674B
公开(公告)日：2022-05-03
申请号：CN201911351335.7
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于快速循环单元的水下目标探测方法，涉及水下声纹特征提取技术领域，针对现有技术中的水下目标探测技术存在探测精度低的问题，本发明在对水声信号样本分帧后的片段完成特征提取和特征选择后，将这些特征按时间顺序排列，从而得到由特征组成的时序数据，并利用循环神经网络对时序数据进行处理，以此提高了水下目标探测的准确率并减少了误报率。
-
公开(公告)号：CN111627419B
公开(公告)日：2022-03-22
申请号：CN202010387814.0
申请日：2020-05-09
Applicant: 哈尔滨工程大学
IPC: G10L13/047 , G10L13/08 , G10L25/30 , G06N3/04 , G06N3/08
Abstract: 一种基于水下目标及环境信息特征的声音生成方法，它属于水声信号生成研究领域。本发明解决了利用传统特征提取方法构造出的水下目标声音信号特征字典和环境声音信号特征字典进行水声信号生成时会导致生成的水声信号的效果差，以及现有TTS声音生成模型在水声信号生成上的应用受到限制的问题。本发明结合听觉注意机制的特点，对水下目标声音信号和环境声音信号进行特征提取时将其特征显著化，提高水下目标声音信号和环境声音信号特征字典的特征准确度。将特征字典作为声音生成模型的发声字典，嵌入声音生成模型，提升了生成的水声信号的效果，本发明使TTS的应用领域从对人类语音的生成扩展到对水声信号的生成。本发明方法可以应用于水声信号的生成。
-
公开(公告)号：CN111766901A
公开(公告)日：2020-10-13
申请号：CN202010713170.X
申请日：2020-07-22
Applicant: 哈尔滨工程大学
IPC: G05D1/12
Abstract: 多无人机协同目标分配攻击方法，属于多无人机协同目标分配的技术领域，解决了现有多无人机协同目标分配作战时，由于环境影响，造成目标攻击准确率低的问题，本发明针对多个无人机在复杂的约束条件下对多个目标进行攻击作战任务，将模型分为两个作战阶段，第一部分无人机从同一地点出发到达已知无人机攻击区域，考虑时间代价和航程代价。到达指定攻击地点后，根据建立的优势攻击函数，以及考虑航程、时间、威胁、收益等代价综合考虑，合理分配目标，以寻找最佳的攻击位置，达到理想的攻击效果。本发明适用于多无人机协同攻击多目标。
-
公开(公告)号：CN111553462A
公开(公告)日：2020-08-18
申请号：CN202010270530.3
申请日：2020-04-08
Applicant: 哈尔滨工程大学
IPC: G06N3/04
Abstract: 一种类激活映射方法，它属于类激活映射图生成研究技术领域。本发明解决了由于梯度的不稳定性，导致以梯度为权重生成的类激活映射图质量受到影响的问题。本发明将AlexNet模型中最后一层卷积层得到的激活图还原为输入图像大小，通过类似掩膜的处理方式，但不同的是将原始输入图像的像素值与还原同等尺寸大小的激活图中对应像素值进行点乘操作，再将生成的掩膜图像样本输入到AlexNet模型中，经过Softmax函数得到各个掩膜图像样本的值，将得到的掩膜图像样本的值作为对应激活图的权重值。再将还原同等尺寸大小的激活图与权重进行线性加权，得到最终的Acc-CAM类激活映射图。本发明可以应用于生成类激活映射图。
-
Patent Agency Ranking
公开(公告)号：CN111476369A
公开(公告)日：2020-07-31
申请号：CN202010396685.1
申请日：2020-05-11
Applicant: 哈尔滨工程大学
Abstract: 一种神经网络模型的训练方法,解决了基于图像的神经网络模型存在训练时间过长与分类结果随机震荡的问题，属于图像识别的机器学习技术领域。本发明包括：将图像的训练集输入到神经网络模型中进行训练，获取当前神经网络模型的参数，回归模型根据当前神经网络模型参数的数值拟合出下一步的梯度；回归模型的获取方法为：使用神经网络模型在所述训练集的相似图像数据集上进行训练时记录的神经网络模型参数矩阵和梯度矩阵构成先验知识，利用回归模型构建神经网络模型参数和梯度之间的关系；根据拟合出的梯度更新神经网络模型的参数。本发明还可以与梯度下降算法交叉调用的方式，获取下一步梯度，本发明能够有效降低神经网络模型训练时间。
-
公开(公告)号：CN111460932A
公开(公告)日：2020-07-28
申请号：CN202010188704.1
申请日：2020-03-17
Applicant: 哈尔滨工程大学
Abstract: 基于自适应卷积的水声信号分类识别方法，本发明涉及水声信号分类识别方法。本发明的目的是为了解决现有模型对特征提取能力不足导致分类准确率低的问题。过程为：一、建立自适应卷积神经网络模型；二、将带标签的水声信号分为训练集和测试集；将训练集输入模型，对模型进行训练，得到预训练好的自适应卷积神经网络模型；将测试集输入预训练好的模型，若测试准确率大于等于85％，则认为模型为最终训练好的模型；否则对模型参数进行调整，并再次利用训练集进行模型训练；直到获得训练好的模型。三、将待测试的水声信号输入训练好的自适应卷积神经网络模型，完成对水声信号的分类识别。本发明用于水声信号分类识别领域。
-
公开(公告)号：CN110134803A
公开(公告)日：2019-08-16
申请号：CN201910415146.5
申请日：2019-05-17
Applicant: 哈尔滨工程大学
IPC: G06F16/51 , G06F16/583
Abstract: 基于哈希学习的图像数据快速检索方法，涉及图像数据快速检索方法，属于数据检索技术领域。为了解决现有模型在哈希码生成阶段使用多次松弛会使模型在训练阶段负反馈过程出现偏差的问题。本发明的深度哈希模型包含五个卷积-池化层、两个全连接层、特征层、哈希层和输出层；并基于三元组约束进行训练，得到训练好的深度哈希模型后，利用深度哈希模型建立样本库，样本库由图像样本及对应的哈希码构成；针对查询图像，利用训练好的深度哈希模型生成查询图像的哈希码；利用查询图像的哈希码与图像样本库进行检索。本发明适用于图像数据检索。
-
公开(公告)号：CN111460932B
公开(公告)日：2022-06-21
申请号：CN202010188704.1
申请日：2020-03-17
Applicant: 哈尔滨工程大学
Abstract: 基于自适应卷积的水声信号分类识别方法，本发明涉及水声信号分类识别方法。本发明的目的是为了解决现有模型对特征提取能力不足导致分类准确率低的问题。过程为：一、建立自适应卷积神经网络模型；二、将带标签的水声信号分为训练集和测试集；将训练集输入模型，对模型进行训练，得到预训练好的自适应卷积神经网络模型；将测试集输入预训练好的模型，若测试准确率大于等于85％，则认为模型为最终训练好的模型；否则对模型参数进行调整，并再次利用训练集进行模型训练；直到获得训练好的模型。三、将待测试的水声信号输入训练好的自适应卷积神经网络模型，完成对水声信号的分类识别。本发明用于水声信号分类识别领域。
-
公开(公告)号：CN111865932B
公开(公告)日：2022-04-12
申请号：CN202010611789.X
申请日：2020-06-30
Applicant: 哈尔滨工程大学
Abstract: 基于上下文关联注意力机制和简化LSTM网络的入侵检测方法，涉及网络安全技术领域，针对现有技术中入侵检测系统检测准确率低的问题，由于网络入侵流量数据具有一定的时序性和特征冗余性，因此本发明采用上下文关联注意力机制(CCAM，Contextual Connection Attention Mechanism)和简化LSTM网络(SLSTM，Simplify Long Short‑Term Memory Network)的入侵检测方法，不仅能够过滤或弱化检测数据的冗杂信息，增加数据的上下文联系，还能提取关键数据信息，提高训练速度，增强入侵行为检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.037 seconds)
