-
公开(公告)号：CN118395182A
公开(公告)日：2024-07-26
申请号：CN202410502843.5
申请日：2024-04-25
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/15 , G06F18/2431 , G06F18/25 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于异质特征跨域关联的多模态识别方法及系统，方法包括以下步骤：获取原始数据，构建多模态数据集，并进行预处理；基于预处理后的多模态数据集，构建异质特征跨域关联模型，并基于异质特征跨域关联模型对预处理后的多模态数据集进行多模态情感识别，获得跨模态特征；基于三层堆叠的注意力机制、全连接层以及归一化指数函数，构建标签模态解码模块，并基于交叉熵损失、最终跨模态特征以及模态标签，训练标签模态解码模块；基于训练好的标签模态解码模块，对跨模态特征进行分类，获得多标签情感预测标签，完成基于异质特征跨域关联的多模态识别。本发明在识别精度、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：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：CN109146922B
公开(公告)日：2021-07-06
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN113012714A
公开(公告)日：2021-06-22
申请号：CN202110197042.9
申请日：2021-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于像素注意力机制胶囊网络模型的声学事件检测方法，包括如下步骤：(1)对原始音频数据进行预处理；(2)提出构建像素注意力机制胶囊网络‑双向门控循环单元网络(Pixel‑Based Attention of Capsule Network‑Bidirectional Gated Recurrent Unit,PBAttCapsNet‑BGRU)模型；(3)完成基于像素注意力机制胶囊网络模型的声学事件检测任务。本发明为了取得对不连续、重叠声学事件较好的检测效果，提出一种基于像素注意力机制胶囊网络模型的声学事件检测方法。通过与其他声学事件检测方法的性能对比，本发明提出的基于像素注意力机制胶囊网络模型的声学事件检测方法能够有效地对不连续、重叠声学事件进行检测，并提升检测性能。
-
公开(公告)号：CN108427958A
公开(公告)日：2018-08-21
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN104217422B
公开(公告)日：2017-09-08
申请号：CN201410239305.8
申请日：2014-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理技术领域，具体涉及是一种检测声纳图像的自适应窄带水平集的声纳图像检测方法。本发明包括：采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；由块方式的k‑均值聚类算法确定声纳图像的初始分割：求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数：基于自适应窄带水平集进行声纳图像检测。本发明根据声纳图像海底混响噪声严重的特点，提出设置窄带区域，完成了局部寻优，避免了已有水平集方法的全局搜索，使海底混响噪声的影响降到最小，检测结果周围噪声干扰小，提高了检测速度和精度。
-
公开(公告)号：CN104217422A
公开(公告)日：2014-12-17
申请号：CN201410239305.8
申请日：2014-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理技术领域，具体涉及是一种检测声纳图像的自适应窄带水平集的声纳图像检测方法。本发明包括：采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；由块方式的k-均值聚类算法确定声纳图像的初始分割：求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数：基于自适应窄带水平集进行声纳图像检测。本发明根据声纳图像海底混响噪声严重的特点，提出设置窄带区域，完成了局部寻优，避免了已有水平集方法的全局搜索，使海底混响噪声的影响降到最小，检测结果周围噪声干扰小，提高了检测速度和精度。
-
公开(公告)号：CN103020122A
公开(公告)日：2013-04-03
申请号：CN201210464867.3
申请日：2012-11-16
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种基于半监督聚类的迁移学习方法。包括计算目标数据与辅助数据各类中数据的相似度、平均相似度；由平均相似度得到目标数据与类标签的一个相似度权重向量，取向量中权重最大的为目标数据的标签；以目标数据为质心，进行K-均值聚类，聚类成簇，每簇中以簇中数据占所属类中总数据比例最大者的标签为簇标签；将再分类结果与预分类结果做对比；在最终形成的目标数据相似度权重向量中，挑选权重最大的数据标签作为目标数据数据标签，从而形成最终分类器。本发明提供一种将分类方法、技术从一个领域迁移到另一个领域的提高分类结果精确度的一种基于半监督聚类的迁移学习方法。
-
公开(公告)号：CN101293565A
公开(公告)日：2008-10-29
申请号：CN200810064358.5
申请日：2008-04-23
Applicant: 哈尔滨工程大学
IPC: B63H1/36
Abstract: 本发明提供的是一种水下微型仿生机器鱼。它包括一个半球形头部、一个躯体和一对推动尾。半球形头部前端安装有两个微型红外光电传感器，躯体连接于半球形头部和推动尾之间；所述的躯体是由记忆合金弹簧和套在记忆合金弹簧外的轻质压簧组成的可伸缩躯体；所述的推动尾是两片并排安放在伸缩壳体两侧的ICPF鱼尾。记忆合金弹簧、ICPF分别通过轻质导线与外界电路相连。本发明呈现了一种低电压供电的、新型智能材料驱动的、超低噪音的，水下微型仿生机器鱼。本发明是在研究了一些常见鱼类的运动方式后，综合了水母上浮下潜以及鱼类摆尾前进的特点而设计的。
-
公开(公告)号：CN120047006A
公开(公告)日：2025-05-27
申请号：CN202510215765.5
申请日：2025-02-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/092 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于DRMRPG算法的多无人艇博弈对抗方法及系统，方法包括：构建基于所述DRMRPG算法的多无人艇智能博弈框架；在MADDPG算法的基础上，引入多级经验回放策略、动态软更新策略和残差连接策略，得到所述DRMRPG算法；基于所述DRMRPG算法，构建初始多无人艇博弈决策模型；利用所述多无人艇智能博弈框架对所述初始多无人艇博弈决策模型进行训练，得到智能决策模型；利用所述智能决策模型进行多无人艇博弈对抗，得到博弈决策。本发明具备高奖励值、高稳定性和高效率，具有一定的有效性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.026 seconds)
