-
公开(公告)号：CN110807777A
公开(公告)日：2020-02-18
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
公开(公告)号：CN115034805A
公开(公告)日：2022-09-09
申请号：CN202210449235.3
申请日：2022-04-26
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种基于深度学习目标检测技术的智能广告展示系统，包括本地广告牌和服务器，其中本地广告牌包括图像采集模块、目标检测模块、通信模块和显示模块，服务器包括数据集和通信模块。本地广告牌通过通信模块将识别结果上传服务器并接收服务器下发的图片、视频和链接，将商品广告显示在触摸显示屏上。本发明能方便地更新消费者群体——相关广告关联数据库，使得数据库紧跟当下消费者群体青睐商品变化趋势，从而在不同时期都能推送行人感兴趣的广告。本发明可以匹配广告与特定人群，发挥广告的最大影响力，促成更多商品交易。
-
公开(公告)号：CN109889440A
公开(公告)日：2019-06-14
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
公开(公告)号：CN109889440B
公开(公告)日：2021-02-02
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
公开(公告)号：CN115034805B
公开(公告)日：2024-10-18
申请号：CN202210449235.3
申请日：2022-04-26
Applicant: 哈尔滨工程大学
IPC: G06Q30/0251 , G06F16/53 , G06V10/82 , G06V10/44 , G06V40/10 , G06N3/0499
Abstract: 本发明的目的在于提供一种基于深度学习目标检测技术的智能广告展示系统，包括本地广告牌和服务器，其中本地广告牌包括图像采集模块、目标检测模块、通信模块和显示模块，服务器包括数据集和通信模块。本地广告牌通过通信模块将识别结果上传服务器并接收服务器下发的图片、视频和链接，将商品广告显示在触摸显示屏上。本发明能方便地更新消费者群体——相关广告关联数据库，使得数据库紧跟当下消费者群体青睐商品变化趋势，从而在不同时期都能推送行人感兴趣的广告。本发明可以匹配广告与特定人群，发挥广告的最大影响力，促成更多商品交易。
-
Patent Agency Ranking
公开(公告)号：CN110807777B
公开(公告)日：2023-02-14
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
公开(公告)号：CN110837845A
公开(公告)日：2020-02-25
申请号：CN201910947756.X
申请日：2019-10-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明涉及数据挖掘技术领域，具体涉及支持向量机参数优化的一种基于改进网格搜索算法的SVM参数优化方法。本方法初始化分类器和粒子群算法的相关参数，选择对分类器性能影响较大的参数作为待优化参数，由粒子群算法获得全局最优参数或局部最优参数；求得的最优参数作为目标点，初始化网格搜索的空间范围参数和网格搜索过程中的搜索步长参数，以及其他变量；在选定的范围内进行网格搜索，采用k-cv交叉验证，重新获得该范围内的最优参数。本发明改进了传统的网格搜索算法，克服了在选取搜索区间时存在的盲目性以及经验性问题，改善了在数据量较大的情况下该方法存在的时间消耗大的问题，使时间消耗与分类性能达到一个相对平衡的状态。
-
公开(公告)号：CN110689171A
公开(公告)日：2020-01-14
申请号：CN201910837861.8
申请日：2019-09-05
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于E-LSTM的汽轮机健康状态预测方法。收集来自传感器的汽轮机运行数据，并进行预处理；将预处理好的数据喂到LSTM网络中，进行多次迭代训练；将训练好的多个模型参数输入到遗传算法中作为初始种群，运行遗传算法，选择效果最优模型参数；使用更多的汽轮机运营数据对最优模型进行泛化性能验证；根据最优模型参数，对测试数据集进行预测，并评估模型误差。本发明能提高模型预测的准确度并避免过拟合，能实现多元线性回归预测，使得预测模型对真实数据具有更好的拟合效果，可以极大降低人力监测的误差、提高故障诊断效率，对故障的发生做到先知先觉。可以广泛应用于各个火力和核能发电厂甚至于舰船的汽轮机的状态管理。
-
公开(公告)号：CN110569963A
公开(公告)日：2019-12-13
申请号：CN201910743277.6
申请日：2019-08-13
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及信息技术领域，特别涉及一种防止数据信息丢失的DGRU神经网络及其预测方法。本发明中的DGRU神经网络由输入层、输出层和隐含层组成，隐含层由DGRU神经元构成；所述的DGRU神经元由同一时刻的两个标准GRU单元连接构成；本发明方法包括:获取历史数据集并进行预处理；利用预处理后的数据集训练DGRU神经网络，建立预测模型；获取当前失效数据，进行数据归一化处理后输入预测模型中，得到预测结果三个部分。本发明克服了传统GRU神经网络的缺点，对GRU神经网络进行改进，提出一种能增强模型记忆力，防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立预测模型，与传统GRU神经网络相比，可以提高模型的预测精度。
-
公开(公告)号：CN109857585A
公开(公告)日：2019-06-07
申请号：CN201910130961.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据存储领域，具体涉及一种基于平衡二叉树的纠删码失效节点重构方法。本发明的目的是针对传统星型结构的数据修复方式存在的网络带宽占据较高的问题，提出一种基于平衡二叉树的纠删码失效节点重构方法，利用平衡二叉树左右子树高度差小于等于1的性质，将参与修复的节点组织成网络距离较小的树形结构，缩短修复期间数据的传输距离，降低修复时的网络带宽和修复时间，提升修复效率。本发明所述的是一种基于平衡二叉树的纠删码失效节点重构方法，克服传统采用星型结构的纠删码在数据修复时，占用较高网络带宽的问题，提高修复效率，降低修复时间。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
