-
公开(公告)号：CN118277757A
公开(公告)日：2024-07-02
申请号：CN202410363850.1
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G06F18/2111 , G06F18/15 , G06F18/241 , G06N3/006 , G06N3/0499
Abstract: 本发明提供了一种基于离散沙猫搜索机制的特征选择方法及系统，属于特征选择方法领域。为了解决现有封装式特征选择方法选择的特征子集精度不够，与后续学习算法结合的分类正确率不高和时间复杂度高的问题。本发明将解决连续优化问题的沙猫群搜索机制进行离散化处理，得到寻优性能优越和更适合解决特征选择问题的离散沙猫群搜索机制，使其具有更高的鲁棒性，采用离散沙猫搜索机制也更适用于特征选择问题，突破了沙猫群搜索机制的应用局限；同时采用BP神经网络作为后续学习算法的分类器，将BP神经网络优越的分类能力与特征选择相结合，极大的提升了所选特征子集的精度，拥有更快的收敛速度、更高的收敛精度和更好的鲁棒性。
-
公开(公告)号：CN116756599A
公开(公告)日：2023-09-15
申请号：CN202310548346.4
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F18/23213 , G06N3/006 , G06N10/60
Abstract: 本发明提供一种基于量子毒爆虫爆破机制的欠定混合矩阵估计方法，是一种具有更好有效性和鲁棒性的基于量子毒爆虫爆破机制的欠定混合矩阵鲁棒估计方法，解决了现有混合矩阵估计方法对初始聚类中心选择、噪声及异常值过于敏感的工程难题。本发明设计了加入单源点检测信号预处理模型，构建初始种群生成策略，将量子计算与毒爆虫爆破机制结合，设计了量子毒爆虫爆破机制，然后将量子毒爆虫爆破机制对混合目标函数寻优得到的最优解作为均值聚类初始聚类中心，构建量子毒爆虫爆破机制和K‑means聚类方法联合的欠定混合矩阵估计方法。
-
公开(公告)号：CN115617071A
公开(公告)日：2023-01-17
申请号：CN202211224098.X
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明设计了量子雪豹机制的多无人机对抗任务规划方法，每个目标都有三个任务：勘察，袭击和评估，三个任务严格按照时间顺序执行。为了实现三种任务的时间耦合，本发明设计了协同对抗和独立对抗并行使用的战斗方略，有效解决了时间约束问题。本发明设计的量子编码的雪豹量子位置演化机制，得到一种新的量子雪豹机制方法，量子雪豹中的移动追踪策略用于全局搜索，狩猎策略用于局部搜索，种群繁衍和灭绝策略用于淘汰劣等量子雪豹个体，三种策略协同优化适应度函数，克服了过去方法容易陷入局部收敛的弊端，也提升了演化机制的寻优速率。
-
公开(公告)号：CN117992807B
公开(公告)日：2024-11-22
申请号：CN202410172704.0
申请日：2024-02-07
Applicant: 哈尔滨工程大学
IPC: G06F18/23 , G06F18/2413 , G06F18/214 , G06N10/60 , G06Q50/18
Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质，涉及数据处理领域，为解决现有的特征选择方法分类正确率不高以及时间复杂度高，选择的特征子集精度不够的问题。包括：步骤一：对数据集进行归一化处理，采用K近邻分类器对训练集样本进行聚类，对测试集样本进行分类，构建特征选择的目标函数；步骤二：初始化量子警察群体中每个成员的量子位置，计算量子警察个体的适应度，确定初始全局最优量子位置；步骤三：分别对调查组和追捕组每个成员的量子位置进行更新；步骤四：更新调查组和追捕组以及量子警察群体的全局最优量子位置；步骤五：对调查组和追捕组中的部分成员进行交换，继续演化；步骤六：最终迭代得到选取的最优特征子集。
-
公开(公告)号：CN117970233B
公开(公告)日：2024-10-25
申请号：CN202410158426.3
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/14 , G06F18/232 , G06F18/2433
Abstract: 本发明提供一种相干分布源的信源数与波达方向联合估计方法及系统，属于阵列信号处理领域。为解决现有方法在信源个数未知以及处于冲击噪声环境下时，利用谱峰搜索，无法同时保证低复杂度和高精准度的问题。本发明将聚类思想与量子优化理论引入吉萨金字塔建造机制中设计多峰量子吉萨金字塔建造机制，利用聚类环节和量子计算理论设计模拟量子旋转门，改进其演进策略，提升机制收敛速度与全局收敛性能；构造基于拉普拉斯核相关熵的低阶协方差矩阵，并通过对角加载技术对协方差矩阵修正，设计基于m‑Capon方法的空间谱函数；最后利用多峰优化机制对空间谱函数进行搜索，实现对信源数和波达方向的联合估计。
-
Patent Agency Ranking
公开(公告)号：CN118330549A
公开(公告)日：2024-07-12
申请号：CN202410364777.X
申请日：2024-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种冲击噪声下基于复合熵的宽带测向方法及系统。该方法包括：在冲击噪声下构建基于聚焦中值离差复合熵的低阶矩阵，建立基于复合熵的低阶矩阵的加权信号子空间拟合宽带信号测向模型，所设计宽带信号测向模型在冲击噪声环境下能有效测向，且具有良好的解相干能力；设计连续量子白骨顶鸡搜索机制求解加权信号子空间拟合宽带信号测向模型，能够在减少计算量的情况下，提高求解精度，使宽带测向估计结果更准确和具有鲁棒性。
-
公开(公告)号：CN117970233A
公开(公告)日：2024-05-03
申请号：CN202410158426.3
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/14 , G06F18/232 , G06F18/2433
Abstract: 本发明提供一种相干分布源的信源数与波达方向联合估计方法及系统，属于阵列信号处理领域。为解决现有方法在信源个数未知以及处于冲击噪声环境下时，利用谱峰搜索，无法同时保证低复杂度和高精准度的问题。本发明将聚类思想与量子优化理论引入吉萨金字塔建造机制中设计多峰量子吉萨金字塔建造机制，利用聚类环节和量子计算理论设计模拟量子旋转门，改进其演进策略，提升机制收敛速度与全局收敛性能；构造基于拉普拉斯核相关熵的低阶协方差矩阵，并通过对角加载技术对协方差矩阵修正，设计基于m‑Capon方法的空间谱函数；最后利用多峰优化机制对空间谱函数进行搜索，实现对信源数和波达方向的联合估计。
-
公开(公告)号：CN117970227A
公开(公告)日：2024-05-03
申请号：CN202410158427.8
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 本发明提供了一种在强冲击噪声下基于相干分布源的幅相误差和角度参数联合估计方法及系统，属于阵列信号处理领域。为了解决现有相干分布源测向方法受强冲击噪声或幅相误差影响，或导致性能恶化甚至失效，或不能直接去相干，不能对幅相误差进行校正的问题。本发明是在强冲击噪声下设计了一种均值滤波器对接收数据进行去冲击预处理，基于预处理数据的极大似然方程对幅相误差和角度参数进行联合估计，并通过量子流向机制快速得到估计结果，解决现有的相干分布源测向方法在强冲击噪声环境和存在幅相误差时性能恶化而且不损失阵列孔径不能去相干的技术难题。
-
公开(公告)号：CN116842354A
公开(公告)日：2023-10-03
申请号：CN202310548465.X
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F18/211 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N10/60
Abstract: 本发明提供一种基于量子人工水母搜索机制的特征选择方法，将量子优化理论和人工水母搜索机制结合进而得到量子人工水母搜索机制，并将解决连续优化问题的人工水母搜索机制进行离散化处理，使其具有更高的鲁棒性，突破人工水母搜索机制的应用局限。采用同步优化方法的封装式特征选择可以有效的降低传统封装式特征选择的时间复杂度。利用群智能优化方法同时进行对支持向量机超参数的寻优和特征子集的选取对于所选用的智能优化方法的性能有较高的要求，而本发明的量子人工水母搜索机制拥有较优秀的收敛性和更短的用时。因此相较于一些基于已有传统群智能的特征选择方法，本发明拥有更快的收敛速度、更高的收敛精度、更低的时间复杂度和更好的鲁棒性。
-
公开(公告)号：CN115942494A
公开(公告)日：2023-04-07
申请号：CN202211542384.0
申请日：2022-12-03
Applicant: 哈尔滨工程大学
IPC: H04W72/53 , H04W72/542 , H04W72/543 , G06N3/006 , H04B7/0413 , H04B7/145 , H04W12/122
Abstract: 本发明提供一种基于智能反射面的多目标安全MassiveMIMO资源分配方法，将野马群智能与支配关系相结合，设计了解决多目标连续优化问题的多目标野马优化算法，改进了原始野马群智能执行放牧行为、交配行为的位置更新公式，并且舍弃了野马群智能分组优化的模式，突破了已有野马优化算法只能解决单目标优化问题的应用局限。针对基于智能反射面的安全MassiveMIMO通信系统，以最大化合法用户处的信息传输速率、最小化非合法用户处的信息传输速率为目标利用多目标野马群智能优化每个反射元的相移控制角和基站功率传输矩阵，本发明同时优化智能反射面中每个反射元的相移控制角和基站功率传输矩阵，提升系统的资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.03 seconds)
