-
公开(公告)号：CN117992807B
公开(公告)日：2024-11-22
申请号：CN202410172704.0
申请日：2024-02-07
Applicant: 哈尔滨工程大学
IPC: G06F18/23 , G06F18/2413 , G06F18/214 , G06N10/60 , G06Q50/18
Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质，涉及数据处理领域，为解决现有的特征选择方法分类正确率不高以及时间复杂度高，选择的特征子集精度不够的问题。包括：步骤一：对数据集进行归一化处理，采用K近邻分类器对训练集样本进行聚类，对测试集样本进行分类，构建特征选择的目标函数；步骤二：初始化量子警察群体中每个成员的量子位置，计算量子警察个体的适应度，确定初始全局最优量子位置；步骤三：分别对调查组和追捕组每个成员的量子位置进行更新；步骤四：更新调查组和追捕组以及量子警察群体的全局最优量子位置；步骤五：对调查组和追捕组中的部分成员进行交换，继续演化；步骤六：最终迭代得到选取的最优特征子集。
-
公开(公告)号：CN118334512B
公开(公告)日：2024-09-13
申请号：CN202410364298.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于SSIM及级联深度神经网络的SAR图像目标识别方法及系统。所述方法包括：对SAR图像进行预处理；利用结构相似衡量指标对SAR图像进行粗类别划分；利用卷积层、池化层、全连接层、批归一化层、空洞空间金字塔池化模块及幻想组块构成浅层网络，对SAR图像进行粗分类，利用卷积层和卷积块注意力模块构建级联模块，筛选粗类别特征，并对筛选后的特征进行权重划分；融合筛选并权重划分后的粗类别特征，利用多个幻想组块构建深层网络，对SAR图像进行细分类；将待识别SAR图像输入训练好的目标识别模型，获取目标识别结果。本发明提高了深度网络对SAR图像的识别性能同时改善了由于样本不足造成网络分类性能大幅度下降的问题。
-
公开(公告)号：CN115017934B
公开(公告)日：2024-08-02
申请号：CN202210279686.7
申请日：2022-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种种群熵量子雷莫拉鱼搜索机制的欠定盲源分离方法，构建源信号恢复模型；构造和计算量子雷莫拉鱼适应度，将初始估计信号转换为一个量子个体，将种群分为两个子种群，确定子种群全局最优量子位置；采用相同策略更新量子雷莫拉鱼量子位置；使用贪婪选择策略更新量子雷莫拉鱼量子位置，更新两个子种群全局最优量子位置；计算各个子种群种群熵，根据种群熵对子种群中部分量子个体迁移；迭代至最大次数，比较两个子种群全局最优位置适应度值，将适应度值最小位置作为整个种群全局最优位置，输出此位置作为新的初始估计信号#imgabs0#根据#imgabs1#设置对源信号进行恢复。本发明具有更高的有效性和鲁棒性，对目标函数进行快速高精度求解，收敛性能优越。
-
公开(公告)号：CN118226370A
公开(公告)日：2024-06-21
申请号：CN202410364523.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种冲击噪声环境下基于量子斑马机制的多无人机测向方法及系统。该方法包括：根据待测信源数目和组阵无人机数目确定待测阵列结构是均匀线阵还是非均匀线阵；建立待测阵列对应的阵列测向模型，基于阵列测向模型推导获取无穷范数加权分数低阶矩阵和导向矢量矩阵；根据无穷范数加权分数低阶矩阵和导向矢量矩阵计算得到方向估计的极大似然函数；将量子机制与斑马优化算法结合，将待测信源的波达方向角估计值作为量子斑马实际位置，量子斑马的量子位置与实际位置经映射函数一一对应，将极大似然函数值作为适应度值，利用改进的斑马优化算法迭代获取最优量子位置，最优量子位置对应的实际位置即为使极大似然函数值最小的估计方向角矢量。
-
公开(公告)号：CN117970227A
公开(公告)日：2024-05-03
申请号：CN202410158427.8
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 本发明提供了一种在强冲击噪声下基于相干分布源的幅相误差和角度参数联合估计方法及系统，属于阵列信号处理领域。为了解决现有相干分布源测向方法受强冲击噪声或幅相误差影响，或导致性能恶化甚至失效，或不能直接去相干，不能对幅相误差进行校正的问题。本发明是在强冲击噪声下设计了一种均值滤波器对接收数据进行去冲击预处理，基于预处理数据的极大似然方程对幅相误差和角度参数进行联合估计，并通过量子流向机制快速得到估计结果，解决现有的相干分布源测向方法在强冲击噪声环境和存在幅相误差时性能恶化而且不损失阵列孔径不能去相干的技术难题。
-
Patent Agency Ranking
公开(公告)号：CN116842354A
公开(公告)日：2023-10-03
申请号：CN202310548465.X
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F18/211 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N10/60
Abstract: 本发明提供一种基于量子人工水母搜索机制的特征选择方法，将量子优化理论和人工水母搜索机制结合进而得到量子人工水母搜索机制，并将解决连续优化问题的人工水母搜索机制进行离散化处理，使其具有更高的鲁棒性，突破人工水母搜索机制的应用局限。采用同步优化方法的封装式特征选择可以有效的降低传统封装式特征选择的时间复杂度。利用群智能优化方法同时进行对支持向量机超参数的寻优和特征子集的选取对于所选用的智能优化方法的性能有较高的要求，而本发明的量子人工水母搜索机制拥有较优秀的收敛性和更短的用时。因此相较于一些基于已有传统群智能的特征选择方法，本发明拥有更快的收敛速度、更高的收敛精度、更低的时间复杂度和更好的鲁棒性。
-
公开(公告)号：CN116017737A
公开(公告)日：2023-04-25
申请号：CN202211544352.4
申请日：2022-12-04
Applicant: 哈尔滨工程大学
IPC: H04W72/53 , H04W72/0453 , H04W72/044 , H04W52/34 , H04W52/18 , H04W16/14
Abstract: 本发明公开了一种异构网络多目标资源联合分配方法，在Macro‑Femtocell双层异构蜂窝网络环境下，综合考虑频谱效率和相对能耗这两个系统评价指标，构建多目标优化函数，并通过量子政治优化机制快速得到多目标资源联合分配结果，在确保频谱效率的同时又能实现相对能耗的最大化。本发明可以解决实际生活中的多目标资源联合分配问题，所设计的方法性能稳定，可以短时间内求出最优多目标资源联合分配方案，在保证频谱效率的同时又能保证网络相对能耗的最大化，实现绿色通信，节省硬件资源，避免造成资源浪费。
-
公开(公告)号：CN115856762A
公开(公告)日：2023-03-28
申请号：CN202211218910.8
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/2415 , G06F17/11 , G06F17/16 , G06N3/006
Abstract: 本发明提出了一种基于冲击噪声下最优相关熵的波达方向估计方法，步骤为建立冲击噪声下基于中值离差相关熵的极大似然宽带信号测向模型；连续量子黑猩猩搜索机制参数初始化；计算所有黑猩猩所在位置适应度值，初始化攻击者，阻拦者，追捕者和驱逐者的量子位置；由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩量子位置；计算所有黑猩猩所在新位置适应度值，更新整个黑猩猩种群中攻击者，阻拦者，追捕者和驱逐者位置；判断是否到达最大次数；黑猩猩群体中攻击者量子位置根据映射规则映射成全局最优位置，得到信号的来波角度。本发明在冲击噪声环境下能有效测向，测向精度高，具有良好的解相干能力。
-
公开(公告)号：CN118761210A
公开(公告)日：2024-10-11
申请号：CN202410761221.4
申请日：2024-06-13
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , H01Q21/00 , G06F17/18 , G06N3/006 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种基于白鹤群搜索机制的抗干扰天线阵稀疏方法，针对现有的利用稀疏阵解决高成本和设备的复杂性，并用智能优化算法对稀疏阵列进行阵形优化设计，降低阵列天线成本的同时保持阵列较低的副瓣电平这一技术指标。本发明不仅可以解决高成本和设备的复杂性问题，还针对电磁环境下的干扰，利用零陷技术抑制干扰。并且将天线阵稀疏问题以及零陷的形成设计成有约束的优化问题，利用白鹤群搜索算法对其进行优化设计，解决了现有天线阵稀疏构建方法的目标函数多为多个目标的权重之和，权重的选取对性能影响较大的问题，确保了找到一种在降低天线成本、抑制干扰的基础上，有较低的副瓣电平的天线阵稀疏方法。
-
公开(公告)号：CN118226370B
公开(公告)日：2024-08-09
申请号：CN202410364523.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种冲击噪声环境下基于量子斑马机制的多无人机测向方法及系统。该方法包括：根据待测信源数目和组阵无人机数目确定待测阵列结构是均匀线阵还是非均匀线阵；建立待测阵列对应的阵列测向模型，基于阵列测向模型推导获取无穷范数加权分数低阶矩阵和导向矢量矩阵；根据无穷范数加权分数低阶矩阵和导向矢量矩阵计算得到方向估计的极大似然函数；将量子机制与斑马优化算法结合，将待测信源的波达方向角估计值作为量子斑马实际位置，量子斑马的量子位置与实际位置经映射函数一一对应，将极大似然函数值作为适应度值，利用改进的斑马优化算法迭代获取最优量子位置，最优量子位置对应的实际位置即为使极大似然函数值最小的估计方向角矢量。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.03 seconds)
