-
公开(公告)号：CN107592622B
公开(公告)日：2021-09-17
申请号：CN201710599176.7
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于地理位置信息的机会型并行传输MAC协议，引入地理位置信息这一要素，对局部并行映射表和并行控制算法两方面进行改进，提出了基于地理位置信息的机会型并行传输MAC协议。在此基础上，对并行映射表和并行控制算法的相应部进行了改进；发送端节点通过局部并行映射表的记录检索到所有可能受到自身干扰的两跳范围内的节点，并依次比较其与每个节点的距离值和自身传输半径之间的关系，满足条件的记录进入映射表中，在最大程度上排除受干扰节点的数量；接收端节点通过与多个发送端节点的距离比较，选取其中最小的一个进行数据通信，在解决隐藏终端问题的同时，提高数据传输的成功率。
-
公开(公告)号：CN111930946A
公开(公告)日：2020-11-13
申请号：CN202010832816.6
申请日：2020-08-18
Applicant: 哈尔滨工程大学
IPC: G06F16/35 , G06K9/62 , G06F40/205
Abstract: 一种基于相似性度量的专利分类方法，它属于文本分类技术领域。本发明解决了采用现有的专利分类方法对专利分类的准确率低的问题。本发明考虑专利说明书摘要的特征，将CHI统计量和余弦相似度相结合后，再结合IPC分类号的相似性，提出一种基于混合相似度的专利分类方法。针对权利要求书，提出一种基于权利要求书相似度的专利分类方法。根据抽取出来的SAO-x多维结构，计算权利要求书相似度，基于相似度结果采用KNN分类算法对专利进行分类。与现有的专利分类方法相比，本发明进行专利自动分类的准确率达到70％以上，降低了人工分类在主观层面上产生的分类误差。本发明可以应用于文本分类技术领域。
-
Patent Agency Ranking
公开(公告)号：CN107466072B
公开(公告)日：2020-11-10
申请号：CN201710599216.8
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于地理位置信息的多信道并行协商MAC协议实现方法，涉及多信道并行传输条件下的无线传感器网络领域，对原LPR‑MAC协议在多信道并行协商过程中存在的信道冲突问题进行了分析，利用节点地理位置信息这一关键因素给出LPRLI‑MAC协议的邻居表和P‑坚持算法，解决了多对多和多对一的信道冲突问题，优化了多个发送端在多信道上的并行协商策略，降低了多个并行传输间的冲突概率，提高了数据传输率。
-
公开(公告)号：CN107592622A
公开(公告)日：2018-01-16
申请号：CN201710599176.7
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于地理位置信息的机会型并行传输MAC协议，引入地理位置信息这一要素，对局部并行映射表和并行控制算法两方面进行改进，提出了基于地理位置信息的机会型并行传输MAC协议。在此基础上，对并行映射表和并行控制算法的相应部进行了改进；发送端节点通过局部并行映射表的记录检索到所有可能受到自身干扰的两跳范围内的节点，并依次比较其与每个节点的距离值和自身传输半径之间的关系，满足条件的记录进入映射表中，在最大程度上排除受干扰节点的数量；接收端节点通过与多个发送端节点的距离比较，选取其中最小的一个进行数据通信，在解决隐藏终端问题的同时，提高数据传输的成功率。
-
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
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：CN107609488A
公开(公告)日：2018-01-19
申请号：CN201710717199.3
申请日：2017-08-21
Applicant: 哈尔滨工程大学
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：CN107466072A
公开(公告)日：2017-12-12
申请号：CN201710599216.8
申请日：2017-07-21
Applicant: 哈尔滨工程大学
CPC classification number: Y02D70/38 , H04W28/18 , H04L69/14 , H04L69/24 , H04W40/20 , H04W40/248 , H04W74/0816 , H04W74/085 , H04W80/02
Abstract: 本发明提供了一种基于地理位置信息的多信道并行协商MAC协议实现方法，涉及多信道并行传输条件下的无线传感器网络领域，对原LPR-MAC协议在多信道并行协商过程中存在的信道冲突问题进行了分析，利用节点地理位置信息这一关键因素给出LPRLI-MAC协议的邻居表和P-坚持算法，解决了多对多和多对一的信道冲突问题，优化了多个发送端在多信道上的并行协商策略，降低了多个并行传输间的冲突概率，提高了数据传输率。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
