公开(公告)号：CN107609488B

公开(公告)日：2020-11-03

申请号：CN201710717199.3

申请日：2017-08-21

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  朱洪瑞 ,  何鸣 ,  顾正浩 ,  李浩然 ,  赵新杰 ,  王昆明 ,  苏畅 ,  童鹏鹏 ,  仝彤

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06F17/14 ,  G10L21/0208

Abstract: 本发明公开了一种基于深度卷积网络的舰船噪声识别分类方法，属于水下舰船噪声识别的领域。本发明主要是针对BP神经网络处理的文件数量少，提取特征不明显以及易陷入局部最优解的问题提出的解决方案。该发明首先根据MFCC将原始声音中的噪声去掉，提取出相应有效的特征，这个过程主要是去除干扰性大的噪声。将经过MFCC处理的声音文件转换成深度卷积网络可以接收的格式。通过深度卷积神经网络多层次的提取有效的特征，这样提取的特征的有效性更强，更具有普适性。针对现实中的大量声音数据进行识别分类，减少了人为的干预度，可以更好的区分出不同的舰船噪声，从而达到识别的目的。

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

Inventor： 王红滨 ,  宋福平 ,  何鸣 ,  王勇 ,  周连科 ,  王念滨 ,  张毅

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：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

Inventor： 王红滨 ,  王鹏鸣 ,  何鸣 ,  王念滨 ,  周连科 ,  张毅

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62

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

Inventor： 王红滨 ,  王勇军 ,  张耘 ,  何鸣 ,  王念滨 ,  周连科 ,  张毅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01S1/72

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：CN105975488B

公开(公告)日：2019-06-18

申请号：CN201610264735.4

申请日：2016-04-25

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  周连科 ,  王红滨 ,  王瑛琦 ,  何鸣 ,  宋奎勇

IPC: G06F16/2458 ,  G06F16/28

Abstract: 一种关系数据库中基于主题类簇单元的关键词查询方法，涉及信息检索领域，尤其涉及一种关系数据库中基于主题类簇单元的关键词查询方法。本发明要为解决现有关键词在线查询方法存在查询过程中频繁的表连接所带来巨大时间开销的问题，而现有关键词离线查询方法对于内部结构复杂、数据量庞大的大规模数据库上的查询存在查询效率低的问题。一种关系数据库中基于主题类簇单元的关键词查询方法按以下步骤进行：1、主题类簇单元构建过程；①、基于数据表特性和查询日志垂直分组；②、提出主题类簇中表连接顺序优化方案；③、基于主题类簇元组关联图水平分组；2、建立基于关联规则的索引优化机制；3、将查询结果返回给用户。本发明应用于信息检索领域。

公开(公告)号：CN106095951B

公开(公告)日：2019-04-23

申请号：CN201610422994.5

申请日：2016-06-13

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  王念滨 ,  周连科 ,  祝官文 ,  王瑛琦 ,  何鸣 ,  宋奎勇

IPC: G06F16/22

Abstract: 基于负载均衡和查询日志的数据空间多维索引方法，涉及数据空间索引技术领域。旨在把倒排索引分布到不同的索引节点中，使得各个索引节点保持负载均衡，同时最小化查询处理涉及的通信开销和减少搜索空间。在垂直划分中，首先利用查询日志和实体中频繁出现的词，聚合索引token词，使用超图表示用户查询与倒排列表间的访问模式；在水平划分中，通过超图刻画用户查询与实体间的访问模式信息，把水平划分问题归约为超图划分问题，使得不同索引节点的负载保持均衡，并降低查询涉及的通信开销。结合垂直划分和水平划分策略，构建二维混合索引并扩展为三维索引。通过在公开数据集DBLP上进行实验表明本发明方法在吞吐量、查询响应时间及扩展性优于已有方法。

公开(公告)号：CN107908807A

公开(公告)日：2018-04-13

申请号：CN201710599154.0

申请日：2017-07-21

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  侯莎 ,  宋奎勇 ,  何鸣 ,  顾镇北 ,  张海彬 ,  曾庆宇 ,  童鹏鹏 ,  苏畅 ,  朱洪瑞

IPC: G06F17/50 ,  G06F17/30 ,  G06F17/16 ,  G06F17/18 ,  G06Q10/06

Abstract: 本发明涉及一种基于贝叶斯理论的小子样可靠性评定方法，包括以下步骤：(1)系统初始化，输入验前信息；(2)对验前信息进行分类；(3)对相似系统信息的现有折算方法进行了分析，采用D-S证据理论和基于F-HS算法并进行分别分析；(4)使用混合验前分布模型；(5)确定现场试验信息的贝叶斯可靠性模型；(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的分布模型；(7)采用Gibbs采样算法获取验后分布函数的样本值；(8)对可靠性参数的进行评定估计，得到可靠性参数的估计值。因此本发明提出的一种基于贝叶斯理论的小子样可靠性评定方法，在验前信息折算的效果和小子样可靠性评定准确率上均表现出了其优越性。