-
公开(公告)号：CN102360214A
公开(公告)日：2012-02-22
申请号：CN201110257951.3
申请日：2011-09-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于萤火虫算法的舰船路径规划方法，具体包括以下几个步骤：步骤一：根据任务信息确定路径的起始点和目标点，并根据起始点和目标点确定航行区域。步骤二：以起始点为坐标原点，起始点和目标点的连线为横坐标建立新的坐标系。步骤三：将航行区域内的障碍物进行简化合并，生成禁航区。步骤四：利用萤火虫算法进行最优路径搜索。步骤五：将最优路径中各个路径点的坐标转换为O-XY下的坐标。步骤六：得到舰船的最优路径，路径规划结束。本发明利用新的自然启发算法萤火虫算法作为优化算法进行舰船路径规划，方法执行效率高，能够规划出满足实际需要的航行路径。
-
公开(公告)号：CN102323906A
公开(公告)日：2012-01-18
申请号：CN201110265194.4
申请日：2011-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于遗传算法的MC/DC测试数据自动生成方法，包括：对被测程序进行静态分析，产生控制流图、数据流图、抽象语法树和抽象分析树；生成MC/DC测试用例预期结果集；对被测程序进行代码插桩；构造适应度函数；随机产生测试数据，检验是否满足预期执行的路径；使用遗传算法的选择、交叉、变异等遗传操作，得到合适的测试数据。本发明在适应度函数的构造上，结合链接法思想，以传统适应度函数为基础，提出以获取直接或者通过数据依赖间接影响问题节点遍历的控制节点的方法来优化接近水平适应评价。本发明对逻辑关系复杂的系统进行测试时具有很大的实用价值。
-
公开(公告)号：CN102063376A
公开(公告)日：2011-05-18
申请号：CN201110039023.X
申请日：2011-02-16
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种测试用例选取方法，属于软件测试技术领域，具体包含以下几个步骤：步骤一：通过原始测试需求集，获取约简测试需求集；步骤二：测试用例设计；步骤三：测试用例优先级排序；本发明公开了一个从测试需求约简-＞测试用例生成-＞测试序列生成的完整、高效的测试用例选取过程，在保证达到预期测试覆盖率的前提下，生成的测试用例数量大大降低；同时对测试用例进行优先级排序，对Web应用程序这种大规模软件的测试具有实际意义，提高了测试效率。
-
公开(公告)号：CN101916312A
公开(公告)日：2010-12-15
申请号：CN201010247719.7
申请日：2010-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于人工免疫和蚁群算法结合的船舶航线智能生成方法。前半部分通过对障碍物进行凸壳提取及多边形合，并对航行环境进行描述，接着按照一定的规则随机产生初始路径群，并对初始路径群进行预处理，最后对路径群进行匹配选择。后半部分则利用获得的较优可行解，生成信息素初始分布，然后利用蚁群算法进行最优路径的搜索。本发明的方法中前期采用基于亲和度的选择更新，从而有效地防止了“早熟”的问题，将搜索过程引向全局最优。后期利用蚁群算法的并行计算及正反馈的特点，提高了算法效率。
-
公开(公告)号：CN101916222A
公开(公告)日：2010-12-15
申请号：CN201010247742.6
申请日：2010-08-09
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明提供的是一种基于控制流图遍历和切片前向遍历相结合的软件测试方法。是对基于控制流图遍历的选择性回归测试方法的遍历策略进行改进，对于代码中变量定义的改变，引用切片前向遍历算法，识别所有直接或间接被影响的变量定义使用对vdefine～vuse，并只选择遍历到这些变量定义使用对的测试用例，避免了选择所有通过某节点的测试用例而造成的测试时间和效力的消耗。由于策略改进和算法引入只是针对变量定义的修改，不考虑代码的删除，所以本发明公开的方法不会对安全性产生不利的影响，并且在一定范围内提高了测试用例选择的精确度。
-
Patent Agency Ranking
公开(公告)号：CN101908069A
公开(公告)日：2010-12-08
申请号：CN201010247836.3
申请日：2010-08-09
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种可选区域电子海图文件格式转换的装置及转换方法。电子海图缩放显示模块，电子海图的放大和缩小、电子海图转换关系结构体的获取，提供电子海图转换参数；电子海图可选区域框选模块，获取所要转换电子海图区域的经纬度信息；电子海图图层选择模块，识别框选区域电子海图图层要素信息，显示指定电子海图区域的图层要素信息；电子海图要素信息读写模块，通过电子海图缩放模块提供的电子海图转换参数，读取自定义格式的电子海图文件，并且提取符合要求的图层要素信息，并将提取的图层要素信息按标准海图文件格式写入文件中。本发明实现了电子海图显示能够随着海图显示比例尺的更新而自动变化，满足了电子海图中海图文件格式统一的要求。
-
公开(公告)号：CN101887451A
公开(公告)日：2010-11-17
申请号：CN201010203662.0
申请日：2010-06-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种电子海图矢量图形简化方法。(1)提取给定的矢量图形的凸壳；(2)将由凸壳划分出的图形凸部和凹部分类处理，分别进行化简；(3)直接应用Douglas-Peucker算法对图形凸部进行化简；图形凹部采用逐层化简的方法进行化简，对于存在复杂弯曲的凹部，应用基于直线段绕动方向的弯曲识别方法识别出不同层次的弯曲，然后对每一层次的弯曲分别进行化简，直至所有弯曲处理完毕；(4)增加一个化简阈值，实施对凹部的化简。本发明是一种在保持矢量图形几何形态不变的前提下，通过减少描述矢量图形数据点的方式简化矢量图形的方法。有效地解决了传统化简算法易出现自相交的缺陷。
-
公开(公告)号：CN117008217A
公开(公告)日：2023-11-07
申请号：CN202310848720.2
申请日：2023-07-11
Applicant: 哈尔滨工程大学
IPC: G01W1/10 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种融合自注意力模块与Unet模型的短时强降水预报方法，属于气象卫星领域；具体包括：首先，收集GFS预报数据和GPM‑IMERG逐半小时降水数据，将二者进行时间分辨率与空间分辨率匹配，并进行初步处理之后构建训练数据集；然后，将自注意力模块嵌入Unet模型，构建能够预报短时强降水的融合模型；并基于融合模型对训练数据集进行训练并调参，得到最优融合模型。最后，针对待测时刻的GFS气象预报数据，将其处理为与训练数据相同形状和经纬度范围，经过插值和翻转处理后得到区域数据；将区域数据输入训练好的最优融合模型中，计算出强降水预报结果。本发明通过使用GFS预报数据和降水数据训练深度学习模型，并将目标区域的强降水情况可视化。
-
公开(公告)号：CN113065584B
公开(公告)日：2023-04-18
申请号：CN202110300837.8
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/22 , G06F18/214
Abstract: 本发明属于信息技术领域，具体涉及一种基于区间数相似性差异构造基本概率赋值的目标分类方法。本发明克服了现有基于区间数模型方法中差异性度量不合理及对已有信息利用率低的问题。本发明采用改进的区间数相似性度量来计算待分类目标与模型之间的差异性，得到比现有方法更合理的差异性度量结果。本发明采用均值与标准差线性组合的建模策略，改善了传统区间数建模数据利用率低的不足的问题，充分利用了数据信息，提高了模型的鲁棒性。本发明方法简单易行，便于操作，降低了复杂度，可广泛应用于工业自动化等领域。
-
公开(公告)号：CN111695297B
公开(公告)日：2022-08-02
申请号：CN202010490275.3
申请日：2020-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种近海面气温反演方法，具体包括步骤一：选择海区并对区域内的数据进行提取和预处理。步骤二：确定输入、输出参量，建立基于循环神经网络近海面气温反演模型。步骤三：权重初始化。步骤四：加入L2参数范式罚项。步骤五：进行BPTT算法的初始化。步骤六：前向传播获得预测值。步骤七：反向传播更新连接权值。步骤八：计算损失函数。步骤九：返回存储网络参数相比于大多数近海面气温方法仅仅利用线性回归及浅层神经网络的方法建模，本发明使用深度神经网络进行建模和训练，从而提高近海面气温反演的精度。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.029 seconds)
