公开(公告)号：CN116483082A

公开(公告)日：2023-07-25

申请号：CN202310428311.7

申请日：2023-04-20

Applicant: 哈尔滨工程大学

Inventor： 邓廷权 ,  李予凌 ,  任泳行 ,  夏天 ,  张鹏 ,  韦正现

IPC: G05D1/02

Abstract: 本发明属于涉及队形识别的人工智能技术领域，具体涉及一种基于插值和模糊识别的多智能体编队识别方法。本发明包括多智能体编队进入雷达识别区域，雷达扫描并获取识别区域内各智能体的坐标，得到散点集合；从散点集合中获取四个顶点；采用多点插值的方式，在顶点之间随机新增插值点并加入到散点集合中；根据各顶点的连线，构建队形；采用模糊识别的方法来对构建的队形进行识别；多次迭代，根据最后一次识别结果，通过拟合函数预测出下一次的各队形隶属度，取其中最大隶属度对应的队形作为最终识别结果。本发明运用了模糊识别，利用隶属函数作为样本和模板的度量，能够较好地反映模式的整体特征，并且针对样本中的干扰、噪声具有很强的剔除能力。

公开(公告)号：CN115659495A

公开(公告)日：2023-01-31

申请号：CN202211267073.8

申请日：2022-10-17

Applicant: 哈尔滨工程大学

Inventor： 王桐 ,  宋伟 ,  欧阳敏 ,  张鹏 ,  韦正现

IPC: G06F30/15 ,  G06F30/20 ,  G06Q10/0631 ,  G06Q50/30

Abstract: 基于生物聚集特性的无人船构型运动模型构建方法及装置、多无人船快速任务构型方法,涉及多无人船任务规划技术领域。本发明采用所述构型运动模型获得多无人船完成任务的执行序列，使得多无人船在能量消耗最低的同时，最快完成任务。本发明所述的构型方法为：根据每艘无人船的最大额定运动速度，得到每艘无人船从初始位置到完成任务所需的时隙数，根据所述时隙数，获得每艘无人船的最大运动速度再根据每艘无人船的运动方向，获得所有无人船的聚集运动模型然后根据每艘无人船的初始位置到必过点的距离大小、每艘无人船完成聚集运动后到必过点的距离和每艘无人船聚集运动的步长，获得所有无人船的构型运动模型。本发明适用于多无人船快速完成任务。

公开(公告)号：CN109269547A

公开(公告)日：2019-01-25

申请号：CN201810765019.3

申请日：2018-07-12

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦帅 ,  谢晓东 ,  王勇军 ,  原明旗 ,  王念滨 ,  周连科 ,  赵昱杰 ,  朱洪瑞 ,  韦正现

IPC: G01D21/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于线谱的水下目标舰船检测方法，属于水下舰船的检测领域。本发明包括：初始阶段：使用卷积神经网络作为目标检测的算法，将声音文件转换成LOFAR图；在LOFAR图中进行线谱的提取，提取过程时用到的方法是动态规划的算法和多步频移的算法；检测阶段：对提取到的线谱图进行打标签并且转换成LMDB的格式；将处理好的数据送入到级联卷积的网络中，使用其中的70％进行模型的训练，其余的30％作为测试。

公开(公告)号：CN109284662B

公开(公告)日：2022-02-22

申请号：CN201810766508.0

申请日：2018-07-12

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦帅 ,  谢晓东 ,  何茜茜 ,  赵昱杰 ,  王念滨 ,  周连科 ,  薛冬梅 ,  蔡新宇 ,  韦正现

IPC: G06K9/00 ,  G06N3/04

Abstract: 本发明公开了一种基于迁移学习的水下声音信号分类方法，涉及机器学习技术领域；本发明将数据集之间的分布和领域之间的域不变性结合；在类别分类器部分，使用MMD算法去匹配两数据集间的分布差异，并通过对内核的数量以及覆盖范围进行改变，最小化两数据集之间的分布差异；而在域分类器部分，则利用梯度反转去阻止域分类器在误差反向传播阶段的梯度下降，最大化域分类器的分类误差，使分类器具有领域不变性。一种基于迁移学习的水下声音信号分类方法，以动态的调整两种方法在模型进行迭代训练过程中的重要程度。通过实验证明，本发明提出的迁移学习方法要优于传统的分类方法以及现有的迁移学习方法DAN和DSN，并且分类越复杂，效果越明显。

公开(公告)号：CN109284662A

公开(公告)日：2019-01-29

申请号：CN201810766508.0

申请日：2018-07-12

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦帅 ,  谢晓东 ,  何茜茜 ,  赵昱杰 ,  王念滨 ,  周连科 ,  薛冬梅 ,  蔡新宇 ,  韦正现

IPC: G06K9/00 ,  G06K9/66 ,  G06N3/04

Abstract: 本发明公开了一种面向水下声音信号分类的迁移学习方法，涉及机器学习技术领域；本发明将数据集之间的分布和领域之间的域不变性结合；在类别分类器部分，使用MMD算法去匹配两数据集间的分布差异，并通过对内核的数量以及覆盖范围进行改变，最小化两数据集之间的分布差异；而在域分类器部分，则利用梯度反转去阻止域分类器在误差反向传播阶段的梯度下降，最大化域分类器的分类误差，使分类器具有领域不变性。一种面向水下声音信号分类的迁移学习方法，以动态的调整两种方法在模型进行迭代训练过程中的重要程度。通过实验证明，本发明提出的迁移学习方法要优于传统的分类方法以及现有的迁移学习方法DAN和DSN，并且分类越复杂，效果越明显。

公开(公告)号：CN109189862A

公开(公告)日：2019-01-11

申请号：CN201810766488.7

申请日：2018-07-12

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦帅 ,  谢晓东 ,  白云鹏 ,  李秀明 ,  王念滨 ,  周连科 ,  赵昱杰 ,  侯莎 ,  韦正现

IPC: G06F16/28 ,  G06F17/27

Abstract: 本发明公开了一种面向科技情报分析的知识库构建方法，属于计算机知识库构建领域。提出了CWATT-BiLSTM-LSTMd模型用于实体抽取、RL-TreeLSTM模型用于实体关系抽取。实体抽取采用编码-解码模式，BiLSTM(双向长短期记忆网络)用于编码，LSTMd(长短期记忆网络)用于解码，并且对嵌入层和解码层进行了改进，然后使用此模型对科技情报领域的语料进行实体抽取。在实体抽取的基础之上，基于强化深度学习的思想提出RL-TreeLSTM模型对实体之间的关系进行抽取。RL-TreeLSTM模型分为两个部分：选择器和分类器。选择器选择有效的句子传入分类器，以降低远程监督方法带来的噪音；分类器对有效句子进行实体关系抽取，提高关系抽取的准确率。