-
公开(公告)号：CN115065603A
公开(公告)日：2022-09-16
申请号：CN202210632210.7
申请日：2022-06-07
Applicant: 杭州电子科技大学 , 杭电(海宁)信息科技研究院有限公司
IPC: H04L41/12 , H04L41/142
Abstract: 本发明公开了一种基于缺失时间序列的网络拓扑完整重构方法，包括如下步骤：S1、对于包含N个节点的实际网络，获取网络中各个节点的策略序列和收益值；S2、分析囚徒演化博弈下的数据特征；S3、对所有网络中可观测节点，根据压缩感知方法计算其邻接向量从而构成重构邻接矩阵；S4、根据重构邻接矩阵找出所有的异常节点并恢复网络的部分拓扑结构Graph1；S5、使用基于博弈的数据特征的收益差序列网络补全算法推断受到隐藏节点影响的拓扑结构Graph2；S6、推测网络中隐藏节点的总个数，揭示异常节点与隐藏节点之间的拓扑结构Graph3；S7、将重构出的拓扑结构进行叠加。该方法实现了基于缺失时间序列重构完整网络拓扑的目标，实现了多个隐藏节点的数量估计和精确定位。
-
公开(公告)号：CN115065603B
公开(公告)日：2024-03-19
申请号：CN202210632210.7
申请日：2022-06-07
Applicant: 杭州电子科技大学 , 杭电(海宁)信息科技研究院有限公司
IPC: H04L41/12 , H04L41/142
Abstract: 本发明公开了一种基于缺失时间序列的网络拓扑完整重构方法，包括如下步骤：S1、对于包含N个节点的实际网络，获取网络中各个节点的策略序列和收益值；S2、分析囚徒演化博弈下的数据特征；S3、对所有网络中可观测节点，根据压缩感知方法计算其邻接向量从而构成重构邻接矩阵；S4、根据重构邻接矩阵找出所有的异常节点并恢复网络的部分拓扑结构Graph1；S5、使用基于博弈的数据特征的收益差序列网络补全算法推断受到隐藏节点影响的拓扑结构Graph2；S6、推测网络中隐藏节点的总个数，揭示异常节点与隐藏节点之间的拓扑结构Graph3；S7、将重构出的拓扑结构进行叠加。该方法实现了基于缺失时间序列重构完整网络拓扑的目标，实现了多个隐藏节点的数量估计和精确定位。
-
公开(公告)号：CN118111621A
公开(公告)日：2024-05-31
申请号：CN202410176549.X
申请日：2024-02-08
Applicant: 杭州电子科技大学 , 杭州百桥医疗技术有限公司
Abstract: 本发明涉及真空度检测领域，尤其涉及一种保温杯真空层气孔封闭装置及真空度检测方法。本发明一种保温杯真空层气孔封闭装置包括封闭箱体、高清相机、抽气机、钎焊机械臂、气压计、抽气阀、进气阀和控制器。一种保温杯真空层真空度检测方法包括：将保温杯杯底朝上放到封闭箱体中的称重传感器上；高清相机拍摄保温杯杯底图像，处理杯底图像得到圆心坐标，称量保温杯的第一重量；对封闭箱体内部抽真空，钎焊机械臂对钨钢珠进行加热融化；称量保温杯的第二重量；打开进气阀使密封箱体内外气压值一致，称量保温杯的第三重量；根据第一重量和第三重量或第二重量和第三重量判断保温杯真空层的真空度是否合格。本发明减轻人工劳动强度，提高生产效率。
-
公开(公告)号：CN112949096A
公开(公告)日：2021-06-11
申请号：CN202110401851.7
申请日：2021-04-14
Applicant: 杭州电力设备制造有限公司 , 国网浙江杭州市余杭区供电有限公司 , 国网浙江省电力有限公司杭州供电公司 , 杭州凯达电力建设有限公司 , 杭州电子科技大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/00 , G06Q50/06 , G06F111/04
Abstract: 本申请公开了一种工器具柜布局规划的方法，包括：建立工器具柜分布评价模型；对每个布局方案下工器具柜的使用情况进行统计，得到每个布局方案对应的使用数据；利用工器具柜分布评价模型对每个布局方案对应的使用数据进行评价，并依据评价结果选取最优布局方案；根据最优布局方案对工器具柜进行布局规划。本申请通过利用建立的工器具柜分布评价模型对每个布局方案进行评价，并根据最优布局方案对工器具柜进行布局规划，进而提高了工具器柜的使用效率，降低了人力成本，极大地降低了应急电力维修所需的时间，降低了电力安全隐患。本申请同时还提供了一种工器具柜布局规划的系统、设备及可读存储介质，具有上述有益效果。
-
-
Patent Agency Ranking
公开(公告)号：CN115047423B
公开(公告)日：2025-01-17
申请号：CN202210391944.0
申请日：2022-04-14
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/2415 , G06F18/243 , G06F18/214 , G06N3/0455 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了基于对比学习无监督预训练‑微调式的雷达目标识别方法，首先对原始样本进行预处理，进行数据扩充；然后采用reshape和数据增强的方式增加HRRP样本的结构多样性；再输入SimSiam模块；将SimSiam模块编码器网络的输出在下游分类模块上进行微调，通过shape操作后再输入下游分类模块中，最终实现HRRP识别分类；本发明中采用数据增强的方式，让模型学到更多的有效特征信息，有助于提升迁移到下游分类任务的识别性能。通过定义不同的下游分类模块能够得到各种不同的应用于HRRP目标识别的通用鲁棒模型，为雷达HRRP目标识别领域提供了一种新的思路和方法。
-
公开(公告)号：CN111736125B
公开(公告)日：2023-07-07
申请号：CN202010256158.0
申请日：2020-04-02
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/241 , G06F18/2415 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制和双向堆叠循环神经网络的雷达目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并建立动态调整层；然后选取滑窗尺寸对HRRP进行切分，滑窗移动距离小于滑窗长度；然后通过重要性网络调整各切分序列的重要程度；再通过双向堆叠RNN对样本的时序相关性进行建模，提取出其高层次特征；最后采用多层次的注意力机制调整隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN115062754A
公开(公告)日：2022-09-16
申请号：CN202210391546.9
申请日：2022-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于优化胶囊的雷达目标识别方法，首先对原始HRRP样本集进行预处理，进行数据扩充；通过SimSiam模块进行特征提取，提取到的高维特征传入卷积模块，将经过卷积模块提取到的特征输入基于SE层的基础胶囊网络，最后搭建分类器，对HRRP目标分类。通过新的路由机制实现HRRP目标的识别，实现更快的收敛和更高的识别性能，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。优化基础胶囊质量并减少胶囊参数量，极大地降低了网络中可训练的参数量还提升了一定的识别性能，为实际的雷达识别工程应用提供一种可行的方法。
-
公开(公告)号：CN112782660A
公开(公告)日：2021-05-11
申请号：CN202011599336.6
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，对HRRP数据进行幂次变换，并使用注意力机制；S3，用Bert模型处理幂次变换的输出，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert模型的输出，再次使用注意力机制的思想，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112699782A
公开(公告)日：2021-04-23
申请号：CN202011595694.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于N2N和Bert的雷达HRRP目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，用N2N模块进行降噪；S3，经过N2N模块的数据，经过卷积神经网络模块提取，调整下通道数，以便输入到Bert模型中；S4，用Bert处理CNN提取的有效特征，提取更加深层的特征；S5，在分类层对特征进行分类；S6，将经过S1处理后的HRRP测试集送入S5步骤中已训练完成的模型中进行测试。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.135 seconds)
