-
公开(公告)号:CN113673627B
公开(公告)日:2024-02-13
申请号:CN202111026189.8
申请日:2021-09-02
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06Q30/0601
Abstract: 一种具有解释性的商品自动分类方法及系统,它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性,导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集,利用构建的数据集对设计的网络架构进行训练,再采用训练好的网络架构对图像进行分类,同时在网页中展示其可视化结果,实现一个分类准确率高且解释力强的商品识别分类模型,解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
公开(公告)号:CN117437979A
公开(公告)日:2024-01-23
申请号:CN202311332189.X
申请日:2023-10-13
Applicant: 哈尔滨工程大学
IPC: G16B30/00 , G16B40/30 , G06F17/16 , G06N3/0455 , G06F18/23213
Abstract: 一种基于图自编码器的单细胞RNA测序数据聚类方法及系统,它属于深度学习和生物信息领域。本发明解决了现有聚类方法没有深入考虑细胞与细胞之间的关系,导致对单细胞RNA测序数据的聚类精度低的问题。本发明采用特征自编码器进行数据特征的提取并采用KNN算法构成图,作为后续图自编码器的输入,从图的角度出发考虑细胞间的关系,而不是传统的仅仅考虑一个个孤立的点;引入了基于GAT的图自编码器进行图重构效果的优化,自适应地计算每个图节点的邻居节点的权重,从而抽象出细胞之间的高阶关系。本发明可以应用于单细胞RNA测序数据聚类。
-
公开(公告)号:CN113673627A
公开(公告)日:2021-11-19
申请号:CN202111026189.8
申请日:2021-09-02
Applicant: 哈尔滨工程大学
Abstract: 一种具有解释性的商品自动分类方法及系统,它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性,导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集,利用构建的数据集对设计的网络架构进行训练,再采用训练好的网络架构对图像进行分类,同时在网页中展示其可视化结果,实现一个分类准确率高且解释力强的商品识别分类模型,解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
公开(公告)号:CN113532422A
公开(公告)日:2021-10-22
申请号:CN202110784798.3
申请日:2021-07-12
Applicant: 哈尔滨工程大学
Abstract: 一种基于距离图和数据清洗的多传感器航迹融合方法,它属于多传感器信息融合技术领域。本发明是为解决现有多传感器航迹融合方法存在着计算量与融合精度不平衡的问题。本发明将采样点的距离作为判定两条航迹在该时刻是否关联的依据,在此基础上构造距离图,通过对距离图的剪枝完成航迹关联,从而更好的放映航迹之间的关联关系,以较小的时间代价获得了较高的关联精度。运用格拉布斯准则对关联航迹进行数据清洗,剔除传感器航迹中的离群点,用较少的融合时间达到了较高的融合精度,为多传感器航迹融合问题提供了技术支持。本发明可以应用于对多传感器航迹进行融合。
-
公开(公告)号:CN117711493A
公开(公告)日:2024-03-15
申请号:CN202311730187.6
申请日:2023-12-15
Applicant: 哈尔滨工程大学
Abstract: 一种基于深度图嵌入聚类的单细胞RNA测序数据聚类方法,它属于深度学习和单细胞RNA测序数据分析技术领域。本发明解决了由于现有方法对单细胞RNA测序数据去噪和降维的成效有限、数据存在批次效应且数据存在丢失导致对单细胞RNA测序数据聚类效果不佳的问题。本发明对单细胞RNA测序数据集进行数据筛选、归一化、添加噪声处理,再将添加噪声处理后的基因表达矩阵输入到基于ZINB分布的去噪自动编码器,得到去噪和降维后的基因表达矩阵;得到的基因表达矩阵再作为深度图嵌入聚类模型的输入进而得到输出数据;并对输出数据进行降维,再对降维后的数据进行聚类。本发明方法可以应用于单细胞RNA测序数据分析。
-
公开(公告)号:CN113467481B
公开(公告)日:2022-10-25
申请号:CN202110918358.2
申请日:2021-08-11
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种基于改进Sarsa算法的路径规划方法,属于强化学习和路径规划领域。本发明为了解决基于传统Sarsa算法的路径规划过程存在规划收敛速度较慢、规划效率较低的问题。本发明针对于待进行路径规划的区域建立地图模型,引入路径矩阵P(s,a),在智能体探索的过程中,动态调整贪婪因子ε,采用ε‑greedy策略进行动作选择,智能体采取动作a后,环境会反馈一个奖励R并进入到下一个状态s′;并基于路径矩阵更新Q值表,从而基于改进的Sarsa算法实现路径规划。主要用于机器人的路径规划。
-
公开(公告)号:CN110361006B
公开(公告)日:2022-07-19
申请号:CN201910575692.5
申请日:2019-06-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是局部航迹分维度的选择性航迹状态估计融合方法。本发明对局部航迹进行读取和预处理,进行时间对准和空间对准;对局部航迹按纬度进行拆分,利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算,并分维度排序;设置循环次数,根据航迹质量依据选择单纬度航迹数,将两条高质量的单纬度航迹和进行航迹状态估计融合,得到融合航迹,确定系统航迹;当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量,本发明实现了局部航迹的选择性融合,维度拆分后,再经过算法结构实现航迹选择,并采用局部航迹与局航迹的多传感器的简单凸组合融合方法后,融合生成的系统航迹精度有所提高。
-
公开(公告)号:CN110361006A
公开(公告)日:2019-10-22
申请号:CN201910575692.5
申请日:2019-06-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是局部航迹分维度的选择性航迹状态估计融合方法。本发明对局部航迹进行读取和预处理,进行时间对准和空间对准;对局部航迹按纬度进行拆分,利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算,并分维度排序;设置循环次数,根据航迹质量依据选择单纬度航迹数,将两条高质量的单纬度航迹和进行航迹状态估计融合,得到融合航迹,确定系统航迹;当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量,本发明实现了局部航迹的选择性融合,维度拆分后,再经过算法结构实现航迹选择,并采用局部航迹与局航迹的多传感器的简单凸组合融合方法后,融合生成的系统航迹精度有所提高。
-
-
-
-
-
-
-