-
公开(公告)号：CN114580478B
公开(公告)日：2025-04-01
申请号：CN202210203998.X
申请日：2022-03-02
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/084 , G01D21/02
Abstract: 一种基于神经网络的环境参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，它包括S1、采集各时段的水下目标辐射噪声及对应的环境参数，将水下目标辐射噪声分为低频信号和高频信号；S2、对采集的各时段的水下目标辐射噪声进行预处理；S3、建立网络模型，将S2中预处理后的各时段的水下目标辐射噪声及对应的环境参数输入网络模型中进行训练，直到loss损失不变，得到训练好的网络模型；S4、采集待确定环境参数的水下目标辐射噪声，经过S2的预处理后，输入S3中得到的训练好的网络模型内，得到环境参数。属于环境参数确定领域。
-
公开(公告)号：CN118965260A
公开(公告)日：2024-11-15
申请号：CN202410997016.8
申请日：2024-07-24
Applicant: 哈尔滨工程大学
IPC: G06F18/25 , G06F18/2431
Abstract: 一种基于混合机制的多模态情感分析方法及系统，属于情感分析技术领域，解决了跨模态交互可能异步发生的问题，以及冗余信息传递过多的问题。所述方法包括：采集视频流数据并分离成多模态数据；对多模态数据进行预处理；利用COVAREP、FACET、BERT模型进行信息嵌入；使用TCN获取独立模态内时序关联，对音频和图像采用基于自注意力的Transformer‑encoder进行编码表示；抽取出音频、图像和文本中的私有特征和公有特征，传入CMD损失、重构损失以及相似度损失函数，获得损失值并进行梯度回传更新；输入跨模态融合模块抽取出不同模态之间的特征；最后，融合早期、中期和晚期的多模态特征对视频情感进行综合判定。本发明适用于舆情分析、商品推荐、股票预测等场景。
-
公开(公告)号：CN113962303B
公开(公告)日：2024-04-26
申请号：CN202111227231.2
申请日：2021-10-21
Applicant: 哈尔滨工程大学
IPC: G06F18/25 , G06N3/0464 , G06N3/048
Abstract: 基于密度融合的水下试验环境反演方法及系统，属于水声技术领域。本发明为了解决现有的匹配场反演比较复杂的问题以及声速剖面往往不能直接求解得到唯一解的问题。本发明首先将将环境特征输入OneHot和Embedding网络得到高维特征向量，然后根据环境特征和深度信息得到融合特征矩阵，将融合特征矩阵输入残差网络模型得到对应的环境剖面信息数据，从而实现试验环境反演。主要用于水下试验环境的反演。
-
公开(公告)号：CN111913803B
公开(公告)日：2023-12-29
申请号：CN202010708031.8
申请日：2020-07-21
Applicant: 哈尔滨工程大学
IPC: G06F9/50
Abstract: 本发明是一种基于AKX混合模型的服务负载细粒度预测方法。本发明属于服务计算技术领域。采集服务运行监控过程中产生的数据进行预处理，对数据集进行白噪声和稳定性检测构建ARMA模型；建立ARIMA模型采用Kalman滤波方法对模型预测值进行在线实时校正，有效处理非线性残差；引入XGBoost方法对服务负载历史数据进行离线自回归预测训练分析，并与实际服务负载数据进行差值计算，将差值结果与基于混合模型的预测值进行拟合，获得最终的服务负载预测结果。本发明相对于现有预测方法，在资源受限和负载高发背景下，具有更高预测精度和较低时延，更好地满足的任务突发背景下指控系统对服务有效性、可靠性以及高资源利用率要求。
-
公开(公告)号：CN116543315A
公开(公告)日：2023-08-04
申请号：CN202310596184.1
申请日：2023-05-24
IPC: G06V20/13 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于前景注意力网络的遥感图像目标检测方法，具体涉及一种基于多尺度特征融合、前景注意力网络和原型生成网络的小样本遥感图像目标检测方法，为解决现有的结合原型网络思想的小样本图像目标检测方法使小样本的遥感图像目标检测结果准确率低的问题。它利用多尺度融合特征提取网络提取每张图像的多尺度特征，再利用前景注意力网络得到增强特征，针对同一目标，利用基于余弦距离的原型生成网络对当前目标的不同增强特征赋予不同权重，加权平均，得到每类目标的原型。获取待查询图像的多尺度特征，利用RPN得到每个尺度特征中目标的建议框，将与建议框目标相似度最高的目标原型作为待查询图像的目标，得到目标种类及位置。属于遥感图像目标检测领域。
-
Patent Agency Ranking
公开(公告)号：CN113688571B
公开(公告)日：2023-06-30
申请号：CN202110983334.5
申请日：2021-08-25
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F17/16 , G06F18/22 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08 , G06F113/08
Abstract: 一种基于卷积相似度的水声环境参数分类方法，涉及水声环境参数反演领域。本发明是为了解决目前水声环境参数分类方法无法在保证网络性能的同时降低网络训练时间与网络参数规模，进而导致水声环境参数分类方法不适合低算力、低容量设备的问题。本发明包括：将待分类的水声信息矩阵输入到训练好的水声环境参数分类网络中获得分类好的水声环境参数；训练好的水声环境参数分类网络包括：利用水声信息矩阵训练超网络获取训练好的超网络和每个卷积输出的水声特征矩阵；对特征矩阵进行降维、拼接、利用高斯核卷积操作获得一维特征向量；获取特征矩阵相似度系数；对训练好的超网络裁剪，获取训练好的水声环境参数分类网络。本发明用于水声环境参数分类。
-
公开(公告)号：CN112488181B
公开(公告)日：2022-10-18
申请号：CN202011357084.6
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于MIDS‑Tree的服务故障高响应匹配方法。对多元融合数据集进行选取和去噪；进行面向特定服务故障和降级类型的标签处理，得到多元数据集；对数据集进行故障类型分类，形成多元微服务故障数据集；通过Apriori方法进行面向多类型服务故障的特征和属性提取；根据提取后的特征属性进行特征属性敏感度计算，得出最优特征属性并进行态势分析，得出服务故障特征属性的波动范围；根据态势分析以及服务故障类型信息，进行MIDS‑Tree的建立,并进行服务故障的预测，使得服务的资源利用率最大化。本发明提出的轻量级架构模型，为解决已有服务故障预测方法，存在的模型庞杂、冗余；同时该模型能够快速高响应的进行面向服务故障策略匹配，提高现有模型的响应时间。
-
公开(公告)号：CN112541547B
公开(公告)日：2022-09-02
申请号：CN202011466539.8
申请日：2020-12-14
Applicant: 哈尔滨工程大学
Abstract: 支持水下快速目标识别的加权融合权重确定方法，本发明涉及加权融合权重确定方法。本发明涉及加权融合权重确定方法。过程为：1：n个传感器收集声音数据，将每个传感器收集的声音数据均分成m段；2：计算传感器间的传感器支持度和传感器相似性；3：计算传感器内的局部稳定性和局部支持度；4：基于熵权法计算熵权系数；5：计算准则指标的累积贡献率；6：确定各个声音信号段的准则指标；7：确定各个声音信号段对应的权重；8：将原始声音信号数据分为加速和匀速；分别给加速和匀速各一个权重，将加速和匀速的权重分别乘上声音信号段对应的权重，作为二阶权重；9：确定水下快速目标的类别。本发明用于水下快速目标识别领域。
-
公开(公告)号：CN109492924B
公开(公告)日：2022-05-17
申请号：CN201811393912.4
申请日：2018-11-21
Applicant: 哈尔滨工程大学
IPC: G06Q10/06 , G06Q50/00 , G06F16/951
Abstract: 一种基于微博用户自身和行为价值二阶的影响力评估方法，属于计算机数据挖掘技术领域。包括：(1)利用爬虫技术和微博官方API接口采集微博数据；(2)对采集后的数据处理，得出所需用户的特征向量；(3)通过用户所有粉丝的自身价值来计算该用户的自身价值；(4)通过用户所有推送转发者的行为价值来计算用户的行为价值；(5)综合用户的自身与行为价值计算用户最终的影响力。本发明通过对用户粉丝数量、质量的计算和用户推送微博的转发者行为质量的计算，即避免了僵尸粉、推销商造成的虚假影响力又突出了推送较少但质量极高的用户的隐藏影响力；对于发现微博平台中信息的传播规律、广告投放、病毒式营销和舆情管控等工作具有重要意义。
-
公开(公告)号：CN110827857B
公开(公告)日：2022-04-12
申请号：CN201911189489.0
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于谱特征和ELM的语音情感识别方法。原始语音信号进行基本特征提取包括韵律特征、音质特征；利用Teager能量算子TEO算法提取梅尔频率倒谱系数MFCC和耳蜗滤波倒谱系数CFCC，二者加权得到teCMFCC特征，并与基本特征值进行融合，构建特征矩阵；用Fisher准则和相关分析对特征进行选择降维，保留语音信号的个性特征；建立极限学习机ELM决策树模型，完成语音情感识别分类。本发明强调了语音信号的非线性特征，具有很好的鲁棒性，在中国科学院自动化研究所录制的CASIA中文情感语料库上进行实验，验证提出的基于谱特征和ELM的语音情感识别算法对中文语音信号具有很好的分类识别精度。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.042 seconds)
