-
公开(公告)号：CN107194404A
公开(公告)日：2017-09-22
申请号：CN201710237910.5
申请日：2017-04-13
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/4628 , G06K9/6262 , G06N3/0454 , G06N3/084
Abstract: 本发明提供的是一种基于卷积神经网络的水下目标特征提取方法。1、将原始辐射噪声信号的采样序列，分成25个连续部分，每个部分再设置25个采样点；2、将第j段数据信号的采样样本做归一化和中心化处理；进行短时傅里叶变换得到LoFAR图；4、将向量赋值到已有3维张量中；5、将得到特征向量输入到全连接层进行分类并计算与标签数据的误差，检查损失误差是否低于误差阈值，若低于则停止网络训练，否则进入步骤6；6、使用梯度下降方法对网络从后向前逐层进行参数调整，并转入步骤2。本发明方法的识别率与传统卷积神经网络算法相比，对特征图层进行了空间信息多维度的加权操作，来弥补因全连接层的一维向量化所带来的空间信息丢失的缺陷。
-
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：CN116167169A
公开(公告)日：2023-05-26
申请号：CN202310258025.0
申请日：2023-03-16
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/23 , G06F30/28 , G06F111/04 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种单向耦合CFD与模态叠加的水弹性方法及系统，其中，方法包括：在CFD求解器中建立刚性船体流域模型，并对其进行流域网格离散化；在FEM求解器中建立船体结构三维有限元模型，并对其进行结构网格离散化，以计算船体自由振动时的固有频率和振型；构建信息单向耦合匹配方法，使每个流体网格与其最佳结构单元网格相关联；在CFD求解器中对船体进行模拟，输出船体表面压力场以及船体运动的时历值；通过信息单向耦合匹配方法和模态变换将表面压力传递到船体结构模型中，并对模态运动方程数值叠加，得到并导出船体结构的实时响应数据。该方法可精确模拟船舶航行时的运动和载荷，也可极大提高海洋结构物流固耦合问题的计算效率。
-
公开(公告)号：CN116167169B
公开(公告)日：2025-05-13
申请号：CN202310258025.0
申请日：2023-03-16
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/23 , G06F30/28 , G06F111/04 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种单向耦合CFD与模态叠加的水弹性方法及系统，其中，方法包括：在CFD求解器中建立刚性船体流域模型，并对其进行流域网格离散化；在FEM求解器中建立船体结构三维有限元模型，并对其进行结构网格离散化，以计算船体自由振动时的固有频率和振型；构建信息单向耦合匹配方法，使每个流体网格与其最佳结构单元网格相关联；在CFD求解器中对船体进行模拟，输出船体表面压力场以及船体运动的时历值；通过信息单向耦合匹配方法和模态变换将表面压力传递到船体结构模型中，并对模态运动方程数值叠加，得到并导出船体结构的实时响应数据。该方法可精确模拟船舶航行时的运动和载荷，也可极大提高海洋结构物流固耦合问题的计算效率。
-
Patent Agency Ranking
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：CN114355499B
公开(公告)日：2023-11-17
申请号：CN202210170537.7
申请日：2022-02-24
Applicant: 哈尔滨工程大学
IPC: G02B5/30
Abstract: 本发明公开了一种非偏振光产生横向自旋角动量的方法，采用双各向异性结构，所述双各向异性结构包括圆柱体，圆柱体的一个端面设置有空气圆柱孔，空气圆柱孔的端面和圆柱体端面同圆心，以圆柱体中心为原点、以圆柱体旋转轴为z轴建立空间直角坐标系；非偏振光沿垂直于z轴的方向传播，非偏振光激发出双各向异性结构中的横向自旋偶极矩，散射场产生横向自旋角动量。本发明具有简单高效的优势，扩展偏振调控在非偏振光学系统中的适用性，解决实现非偏振光产生横向自旋角动量方法局限且复杂的问题。
-
公开(公告)号：CN114355499A
公开(公告)日：2022-04-15
申请号：CN202210170537.7
申请日：2022-02-24
Applicant: 哈尔滨工程大学
IPC: G02B5/30
Abstract: 本发明公开了一种非偏振光产生横向自旋角动量的方法，采用双各向异性结构，所述双各向异性结构包括圆柱体，圆柱体的一个端面设置有空气圆柱孔，空气圆柱孔的端面和圆柱体端面同圆心，以圆柱体中心为原点、以圆柱体旋转轴为z轴建立空间直角坐标系；非偏振光沿垂直于z轴的方向传播，非偏振光激发出双各向异性结构中的横向自旋偶极矩，散射场产生横向自旋角动量。本发明具有简单高效的优势，扩展偏振调控在非偏振光学系统中的适用性，解决实现非偏振光产生横向自旋角动量方法局限且复杂的问题。
-
公开(公告)号：CN107194404B
公开(公告)日：2021-04-20
申请号：CN201710237910.5
申请日：2017-04-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于卷积神经网络的水下目标特征提取方法。1、将原始辐射噪声信号的采样序列，分成25个连续部分，每个部分再设置25个采样点；2、将第j段数据信号的采样样本做归一化和中心化处理；进行短时傅里叶变换得到LoFAR图；4、将向量赋值到已有3维张量中；5、将得到特征向量输入到全连接层进行分类并计算与标签数据的误差，检查损失误差是否低于误差阈值，若低于则停止网络训练，否则进入步骤6；6、使用梯度下降方法对网络从后向前逐层进行参数调整，并转入步骤2。本发明方法的识别率与传统卷积神经网络算法相比，对特征图层进行了空间信息多维度的加权操作，来弥补因全连接层的一维向量化所带来的空间信息丢失的缺陷。
-
公开(公告)号：CN108875795A
公开(公告)日：2018-11-23
申请号：CN201810519640.1
申请日：2018-05-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于Relief和互信息的特征选择算法，属于计算机算法领域。本发明的步骤如下：(1)将最优特征子集设置成空集，设置最优特征子集权重；(2)选择一个数据中的所有特征中不属于最优特征子集中的特征，将其放入候选最优特征子集中，并通过复合特征评价准则计算当前候选最优特征子集的权重；(3)对此时候选最优特征子集的权重进行评价并更替；(4)去除不符合要求的待选特征；(5)若还有待选特征，则从返回(2)继续计算。否则，算法结束。本发明提供的方法针对Relief特征选择算法只能处理二分类问题而不能处理冗余特征的问题进行改进，提出了基于改进的Relief权重的特征选择算法，使该特征选择算法计算高效的同时具有更高的计算准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.041 seconds)
