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

Applicant: 哈尔滨工程大学 ,  黑龙江科技大学

Inventor： 何鸣 ,  杨芸玮 ,  张政超 ,  张峻博 ,  周连科 ,  王念滨 ,  王勇 ,  孙彧

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。

公开(公告)号：CN117194565A

公开(公告)日：2023-12-08

申请号：CN202311050716.8

申请日：2023-08-21

Applicant: 哈尔滨工程大学 ,  哈尔滨工程大学三亚南海创新发展基地 ,  价值链技术(深圳)有限公司

Inventor： 徐东 ,  王聚军 ,  孟宇龙 ,  赵佳媛 ,  卢中玉 ,  张新峰 ,  李凤鸣 ,  蔡成涛 ,  王巍 ,  王小芳 ,  陆蓓婷 ,  蒋文创 ,  刘海涛 ,  国林 ,  何鸣 ,  李香 ,  刘刚 ,  吴伟宁 ,  杨悦 ,  张泽宝 ,  周连科

IPC: G06F16/27 ,  G06F16/22

Abstract: 本发明公开了基于纠删码与存储关系模型的区块编码存储方法及系统，所述方法包括以下步骤：获取区块链的节点；通过树形结构组织节点，获得区块；对区块进行编码和重构，获得编码块；基于节点存储资源权重改进的一致性哈希分发策略，将当前节点存储的编码块向子节点分发。本发明有效分担了资源分布不平衡场景下存储资源受限节点的存储压力。

公开(公告)号：CN114139984B

公开(公告)日：2024-08-20

申请号：CN202111470417.0

申请日：2021-12-03

Applicant: 哈尔滨工程大学

Inventor： 周连科 ,  方琪 ,  王红滨 ,  王念滨 ,  杨亚宸 ,  崔琎

IPC: G06Q10/0635 ,  G08G1/01 ,  G06F18/2433 ,  G06N3/0464 ,  G06N3/042

Abstract: 一种基于流量与事故协同感知的城市交通事故风险预测方法，属于交通事故预警技术领域。本发明针对现有交通事故风险预测中没有深度结合交通流量信息，使用静态图邻接矩阵构建图神经网络预测效果不够好的问题。包括由节点时变特征输入模块获得节点时变特征矩阵；分别由事件动态图神经网络和异常流量动态图神经网络对节点时变特征矩阵进行特征提取，获得事故风险特征和流量风险特征；再由时间依赖模块进行时间依赖信息的捕捉，获得时空混合特征；由协同感知模块对时空混合特征和全局时变特征矩阵进行特征融合，获得事故风险预测值，结合事故风险替换值进行计算，获得损失函数用于模型训练。本发明用于交通事故风险预测。

公开(公告)号：CN111553389B

公开(公告)日：2023-06-13

申请号：CN202010271181.7

申请日：2020-04-08

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  柳扬 ,  张耘 ,  王红滨 ,  周连科 ,  张毅 ,  厉原通

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N5/01

Abstract: 一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。

公开(公告)号：CN111001161B

公开(公告)日：2023-04-07

申请号：CN201911351336.1

申请日：2019-12-24

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  原明旗 ,  何鸣 ,  张耘 ,  王念滨 ,  周连科 ,  张毅

IPC: A63F13/67 ,  G06N3/084

Abstract: 一种基于二阶反向传播优先级的游戏策略获得方法，它属于智能化决策获取技术领域。本发明解决了在游戏策略的指挥决策过程中存在的数据利用率低以及策略质量低的问题。本发明方法结合了DPSCRM方法和BPTM方法，通过样本序列的累计奖赏值构建第一级奖赏值，可以获得高质量的策略；基于TD‑error构建优先级可以反向衰减传播的第二级优先级，可以提升数据利用率。本发明可以应用于游戏策略的获取。

公开(公告)号：CN114648017A

公开(公告)日：2022-06-21

申请号：CN202210386134.6

申请日：2022-04-13

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  陈田田 ,  张政超 ,  何鸣 ,  周连科 ,  王勇 ,  王红滨 ,  孙彧

IPC: G06F40/211 ,  G06F40/295 ,  G06F40/284 ,  G06F16/35 ,  G06N3/04

Abstract: 一种基于异质图注意力网络的文档级关系抽取方法，具体涉及一种基于异质图注意力网络的文档级实体关系的抽取方法，本发明为了解决现有的图神经网络在获取节点表示时忽略了图中节点和边，导致关系抽取的准确率低的问题，它包括以下步骤：S1、获取文档文本；S2、建立文档级关系抽取模型，将S1中获取的文档文本输入文档级关系抽取模型内进行训练，输出所述文档文本的关系，得到训练好的文档级关系抽取模型；S3、将待抽取文档级关系的文档文本输入S2中训练好的文档级关系抽取模型内，得到对应的文档文本的关系。属于计算机技术领域。

公开(公告)号：CN111626343B

公开(公告)日：2022-05-03

申请号：CN202010403756.6

申请日：2020-05-13

Applicant: 哈尔滨工程大学

Inventor： 周连科 ,  邵璐 ,  何鸣 ,  王红滨 ,  王念滨 ,  薛冬梅 ,  崔琎

IPC: G06K9/62 ,  G06F40/295

Abstract: 一种基于PGM与PSO聚类的船舰数据关系抽取方法,涉及数据处理技术领域，针对现有技术中在构建面向知识图谱过程中关系抽取存在的船舰数据抽取准确率低以及效率低的问题，本发明用一个概率图模型来计算相似度分数，依据这个分数对不同候选对象之间的相似程度进行划分，以使实体对更好的进行匹配，使用灵活的相似度准则来消除实体匹配的歧义，可以抽取更多关系。对现有的聚类算法中的适应度函数进行了优化，增加了两个准则，不易局部最优解的情况，使其能够加速收敛，从而获得最优解，在构建面向知识图谱过程中关系抽取准确率以及效率高。

公开(公告)号：CN111626341B

公开(公告)日：2022-04-08

申请号：CN202010397828.0

申请日：2020-05-12

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  刘宜陶 ,  何鸣 ,  王念滨 ,  周连科 ,  张毅 ,  白云鹏

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种面向水下目标识别的特征级信息融合方法，它属于水下目标识别技术领域。本发明解决了原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题。本发明对采集的原始声音数据进行处理，使处理过的数据不仅包含目标水声特性，还包含了目标方位特性与速度变化特性。再采用一个端到端的深度神经网络完成后续的特征提取和信息融合工作，克服了采用专家特征提取方法很难从原始数据中提取出有效特征的问题，而且通过实验证明了本发明特征信息融合方法的有效性。本发明可以应用于水下目标识别。

公开(公告)号：CN113988201A

公开(公告)日：2022-01-28

申请号：CN202111294685.1

申请日：2021-11-03

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  邢浩 ,  王勇 ,  周连科 ,  何鸣 ,  王念滨

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于神经网络的多模态情感分类方法，具体涉及一种基于多模态情感分类的神经网络模型的分类方法，本发明为了解决传统的情感分类方法大多针对单一类型的数据，并不能处理社交网络坏境下多模态的混合信息的问题，它包括提取待预测情感图片中的多模态数据；提取多模态数据中各单模态的原始向量；根据各模态的原始向量计算各模态的指导向量；获得各模态的重构特征向量；利用注意力机制对得到的各模态的重构特征向量进行加权平均，生成融合特征向量；将得到的融合特征向量输入至情感分类模型中，输出分类结果。本发明用于对社交网络坏境下多模态的混合信息进行情感分类，属于自然语言处领域。

公开(公告)号：CN107871140B

公开(公告)日：2021-10-01

申请号：CN201711085758.X

申请日：2017-11-07

Applicant: 哈尔滨工程大学

Inventor： 王念滨 ,  张海彬 ,  宋奎勇 ,  王红滨 ,  周连科 ,  白云鹏 ,  原明旗 ,  王勇军 ,  陈田田 ,  何茜茜

IPC: G06K9/62

Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。