-
公开(公告)号：CN104168189A
公开(公告)日：2014-11-26
申请号：CN201410424437.8
申请日：2014-08-26
Applicant: 哈尔滨工程大学
IPC: H04L12/701 , H04L12/721
Abstract: 本发明属于容忍延迟网络(DTN)领域，具体涉及一种在DTN网络中基于节点属性模型的散发等待路由方法。本发明包括：源节点S确定当前所要传递的消息副本数L；S判断邻居节点A的运动夹角θA；利用节点运动属性模型公式确定源节点S将要传递给邻居节点A的消息转发副本参数γ；S在自身缓存中复制γ*L个消息副本；判断节点A与源节点S的关系属性权值；若源节点S在运动属性和关系属性方面都优于邻居节点A，则S不向节点A传输任何该消息的副本。本方案在消息传递的过程中合理地考虑到了网络中节点属性的权重，结合多副本模式的散发等待路由，合理的分配了节点所携带的各个消息副本。该方案具有计算简单、处理快、高效等特点。
-
公开(公告)号：CN116501908A
公开(公告)日：2023-07-28
申请号：CN202310546775.8
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于特征融合可学习图注意力网络的图像检索方法，具体包括以下步骤：获取原始图像数据和原始点云数据；基于所述原始图像数据和所述原始点云数据，获取图像特征向量和点云特征向量；构建基于特征融合可学习图注意力网络模型，利用所述图像特征向量和所述点云特征向量训练所述特征融合可学习图注意力网络模型；利用所述基于特征融合可学习图注意力网络模型进行图像检索，完成基于特征融合课学习图注意力网络的图像检索。本发明提出的基于特征融合可学习图注意力网络的图像检索方法，在识别精度、任务适应性和抗噪鲁棒性上有较好的表现，具有一定的有效性。
-
公开(公告)号：CN110910377A
公开(公告)日：2020-03-24
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
公开(公告)号：CN104168325B
公开(公告)日：2017-12-19
申请号：CN201410424419.X
申请日：2014-08-26
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于计算机应用领域，具体涉及一种具备自维护功能的分布式Web服务选择方法。本发明包括：用户向代理服务器broker发送服务请求，broker根据用户定义的各QoS属性权重W，按照QoSi*Wi计算出用户请求的总体属性值UEQ；将队列Qi中的服务分批次上传至broker，每次传送k个服务；broker将从各节点接收到的服务进行合并，并将每个服务与用户请求进行语义匹配，并将满足用户要求的相似度的服务进行反馈；分布式服务选择过程结束。本发明保证用户率先得到那些最满足用户要求，且符合相似度标准的服务。提高了服务选择的整体效率与实时性；健壮性和灵活自适应性。
-
公开(公告)号：CN105184428A
公开(公告)日：2015-12-23
申请号：CN201510727233.6
申请日：2015-10-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机应用领域，具体涉及一种解决了冰壶比赛对阵组合自动设计方法中难于找到最优解问题的基于多层遗传算法的冰壶比赛对阵组合设计方法。本发明包括：编码；初始种群生成；根据适应度函数计算种群内每个个体的适应度函数值。与此前的解决冰壶比赛方案自动设计的方法相比，本发明一定能找到问题的最优解，满足冰壶比赛复杂且相互关联的诸多约束条件，解决了此前方法中无法找到最优解或找到最优解效率低的问题。该方法实现简单，能够根据冰壶比赛的不同情况快速设计出满足其苛刻约束条件的对阵组合。执行效率能够满足现实要求。
-
Patent Agency Ranking
公开(公告)号：CN104168330A
公开(公告)日：2014-11-26
申请号：CN201410431728.X
申请日：2014-08-28
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于分布式的Web服务组合领域，具体涉及一种基于关系图的解决Web服务组合异常问题的最优补偿方法。本发明包括：选取QoS指标作为衡量Web服务消耗代价大小的标准；使用遗传算法搜索具有相反功能的Web服务或组合；选取遗传算法的初始集群，使用选择、交叉、变异操作，最终获得代价最小的Web服务或者组合；将使用遗传算法获取的最优的Web服务或组合；分析业务流程中各个Web服务之间的逻辑控制关系用关系图表述出来；根据关系图；对于需要补偿的Web服务，直接调用与其绑定的补偿服务。本发明可以在消耗代价最小的情况下，处理异常，使业务流程恢复到一致状态，保证其一致性。
-
公开(公告)号：CN118733297A
公开(公告)日：2024-10-01
申请号：CN202410859372.3
申请日：2024-06-28
Applicant: 哈尔滨工程大学
IPC: G06F9/54 , G06T3/4038
Abstract: 本发明提供了一种多波束前视声呐的数据处理方法、装置、设备及存储介质，属于声呐信号处理领域，该方法包括：根据处理该原始波束域数据过程中产生的多个数据类型，将该处理过程划分为多个阶段；建立对应于每个阶段的处理流水线和数据共享区域；将处理过程中产生的数据存放在对应类型的数据共享区域，通过对应的处理流水线中的任务核对该数据同步进行处理，将同步处理结果进行拼接并放入下一阶段的数据共享区域；将最后阶段数据共享区域中的数据进行拼接得到目标数据。这样，能够避免声呐的基元数多、采样频率高、数据量大带来的实时处理问题，同时能够动态选择数据的处理路径，提高数据处理的灵活性，并且具有软硬解耦特征，提高了系统稳定性。
-
公开(公告)号：CN118655582A
公开(公告)日：2024-09-17
申请号：CN202410787108.3
申请日：2024-06-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于前视声纳分区的水下目标检测装置及运行方法，涉及水声信号处理技术领域，本发明通过显示量程范围，从波束和距离两个维度对波束域进行网格划分，形成多个局部检测网格，对对应波束域数据压缩成像形成图像域数据，并根据对应图像域数据的信噪比确定每个局部检测网格的检测阈值以确定水下目标，本发明通过对检测区域的波束域数据按波束和距离进行网格划分，可将信号域对应的波束域数据中的水下目标、水下混响及声线变化等所产生的波束域数据分别进行合理划分，对每个局部检测网格的波束域数据进行压缩成像，从图像域数据的信噪比获取检测阈值的角度将水下目标、水下混响及声线变化等特征对应的参量精确识别，精确识别水下目标。
-
公开(公告)号：CN116543773A
公开(公告)日：2023-08-04
申请号：CN202310672371.3
申请日：2023-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于自适应扩充策略的三阶段半监督声纹识别方法，包括：(1)提出构建三阶段框架的半监督学习方法；(2)提出基于自适应扩充策略的三阶段半监督声纹识别方法；(3)完成对基于自适应扩充策略的三阶段半监督声纹识别方法的训练和测试。本发明提出的一种基于自适应扩充策略的三阶段半监督声纹识别方法，能在有标签声纹数据不足时充分利用无标签声纹数据提升声纹识别性能，具有较低的等错误率，表现出一定的有效性。
-
公开(公告)号：CN111028152B
公开(公告)日：2023-05-05
申请号：CN201911240433.3
申请日：2019-12-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像超分辨率重建技术领域，具体涉及一种基于地形匹配的声呐图像的超分辨率重建方法。本发明通过使用中值滤波器、拉普拉斯滤波器对声呐图像进行预处理，在声呐图像中识别并选定地形作为参照物，对同一地形参照物进行配准，解决声呐图像在产生的过程中同一地形在图像中的位置不同的问题。本发明利用声呐图像中的同一地形，将多张声呐图像依据该地形进行配准，使用多张声呐图像重建一张新的图像，直到最终高分辨率图像的生成，解决了声呐图像分辨率低、信噪比低、对比度低、斑点噪声突出的问题，提高了声呐图像的分辨率从而获得更多信息。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
