-
公开(公告)号：CN108830842B
公开(公告)日：2022-01-07
申请号：CN201810561043.5
申请日：2018-06-04
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于角点检测的医学图像处理方法。一：对医学图像进行预处理；二：提取Harris角点；三：计算尺度归一化算子，检测每个点在某一个尺度响应值是否达到最大，获得提取的角点矩阵；四：获得了图像的角点矩阵之后将获得的点在图像中绘制出来，之后将角点矩阵传给聚类算法，进行聚类处理；五：给出一个K值，按照Kmeans算法进行聚类处理，用相似度矩阵作为判别函数，相似度低于阈值的类，不再进行合并。本发明无论是效果还是处理效率，亦或是在实际中的应用方面，均表现出了优越性与极大的适用价值。
-
公开(公告)号：CN110968576A
公开(公告)日：2020-04-07
申请号：CN201911189468.9
申请日：2019-11-28
Applicant: 哈尔滨工程大学
IPC: G06F16/215
Abstract: 本发明提供的是一种基于内容相关的数值型数据一致性清洗方法。(1)利用CNFD对数据进行规则发现和合并；(2)使用CNFD-detect算法检测数据中存在的不一致数据；(3)使用CNFD-repair算法对数据中不一致数据进行修复；(4)对于修复过的数据进行再次检测和修复。本发明采用CNFD-detect算法检测出不一致数据，判断规则是否可能发生死锁，若是则将可能发生死锁规则放在一起，统一赋值再进行修复，若否则直接修复；对修复后的数据迭代进行检测，以解决修复产生新的不一致矛盾。本发明在数据一致性清洗方向，无论是错误检测率还是错误修复率，或是实际中的应用方面，均表现出了优越性和极好的适应性。
-
公开(公告)号：CN110889282A
公开(公告)日：2020-03-17
申请号：CN201911189487.1
申请日：2019-11-28
Applicant: 哈尔滨工程大学
IPC: G06F40/284 , G06F40/211 , G06F40/216 , G06N3/04
Abstract: 本发明提供了一种基于深度学习的文本情感分析方法。(1)输入文本数据，去除停用词，提取关键字，形成关键字集合。(2)通过构建关键字共现图，形成稠密的子图；获取子图和文档中句子的向量表示，进而将句子分配给子图；设计子图与子图之间的边缘连接和边缘权重，形成文档的拓扑交互图表达；(3)将拓扑交互图作为Emo-GCN模型的输入，进行抽取节点特征变换，然后融合局部结构信息，获得节点聚合矩阵。将聚合的信息做非线性变换。Emo-GCN模型采用层级结构，逐层抽取特征。本发明采用新颖的拓扑交互图表达文本信息进而使用图卷积神经网络进行文本情感分析，并且仍然具备强大的适应性。该方法应用于产品推荐、市场预测、决策调整，具有极高的商业价值。
-
公开(公告)号：CN110827857A
公开(公告)日：2020-02-21
申请号：CN201911189489.0
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于谱特征和ELM的语音情感识别方法。原始语音信号进行基本特征提取包括韵律特征、音质特征；利用Teager能量算子TEO算法提取梅尔频率倒谱系数MFCC和耳蜗滤波倒谱系数CFCC，二者加权得到teCMFCC特征，并与基本特征值进行融合，构建特征矩阵；用Fisher准则和相关分析对特征进行选择降维，保留语音信号的个性特征；建立极限学习机ELM决策树模型，完成语音情感识别分类。本发明强调了语音信号的非线性特征，具有很好的鲁棒性，在中国科学院自动化研究所录制的CASIA中文情感语料库上进行实验，验证提出的基于谱特征和ELM的语音情感识别算法对中文语音信号具有很好的分类识别精度。
-
公开(公告)号：CN103838806B
公开(公告)日：2017-04-12
申请号：CN201310470139.8
申请日：2013-10-10
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及的是一种社会网络用户参与主题的行为分析方法。本发明包括：定义主题相似性，关键词相似性，并建立“用户—主题—关键词”三个层次的网络模型；设计具有最大区分度的“关键词”选择算法；给出用户行为分析的相关定义和计算公式，具体包括：用户主动参与主题行为，被动参与主题行为，主题传播力以及主题影响力，并对用户参与主题的行为进行分析。本发明用网络模型完整的记录了用户在社会网络中的行为，并设计了具有最大区分度的关键词选择算法，保证了用户行为分析的效率。
-
Patent Agency Ranking
公开(公告)号：CN102111295A
公开(公告)日：2011-06-29
申请号：CN201110001347.4
申请日：2011-01-06
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种分布式系统中多层次测度网络关系构建方法。根据测度属性的类型对测度参数进行分层；构造任意两个测度属性对之间的概率转移矩阵；构建同一个层次中测度属性的网络关系模型；构建不同层次间测度参数的网络关系模型。本发明的优点在于：可以动态的更新分布式系统的测度参数之间的转移关系，并构建测度参数的立体层次网络模型。
-
公开(公告)号：CN101127043A
公开(公告)日：2008-02-20
申请号：CN200710072608.5
申请日：2007-08-03
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种轻量级个性化搜索引擎及其搜索方法。由信息抓取模块、信息检索模块和用户个性分析模块三部分连接组成，其中信息抓取模块由抓取程序和索引程序组成，因特网信息资源和Web库接入信息抓取模块，信息抓取模块的输出连接用户个性分析模块，用户兴趣记录与查询关键字输入信息检索模块，信息检索模块与用户个性分析模块，信息检索模块与用户个性分析模块结合提供个性化检索服务。本发明的服务器端不需要增加存储开销，充分利用客户端的资源来实现个性化的搜索。通过客户端的存储与服务器端的用户行为跟踪引擎的结合，本发明给出了针对用户不同需求，符合用户兴趣的个性化搜索引擎的解决方案。
-
公开(公告)号：CN108595515A
公开(公告)日：2018-09-28
申请号：CN201810248802.2
申请日：2018-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种结合微博弱关系的微博情感分析方法，属于文本分类技术领域，包含如下步骤：步骤(1)：计算微博之间的情感一致性关系矩阵，建立基于情感一致性的微博情感分析模型；步骤(2)：计算微博情绪感染性矩阵，建立基于情绪感染性的微博情感分析模型；步骤(3)：使用社区划分算法，计算微博弱关系矩阵，建立基于微博弱关系的微博情感分析模型；步骤(4)：结合步骤(1),步骤(2)和步骤(3)，得到综合模型，然后加入基于微博文本内容的情感分析模型并正则化，得到最终模型；步骤(5)：优化最终模型，解出微博情感分析器。本发明不仅利用了微博矩阵，还考虑了微博的文本内容，更加精确可信。
-
公开(公告)号：CN108510503A
公开(公告)日：2018-09-07
申请号：CN201810222986.5
申请日：2018-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的事一种基于纳什均衡理论的多纹理特征图像分割方法。主要包括：对图像的14种纹理特征值进行归一化处理；采用纳什均衡理论，不断的求取14个纹理特征值各自区域收益的最大值max(∑p∈Pσp)，并且根据区域收益值进行相似区域的判断与合并；将结果输出至改进的基于纳什均衡的多纹理C-V模型中，获得光滑的图像分割轮廓线。由于模型是充分利用全图像14种纹理信息进行计算的，所以得到的结果更加全面和准确。
-
公开(公告)号：CN103902694B
公开(公告)日：2017-04-12
申请号：CN201410122930.4
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于聚类和查询行为的检索结果排序方法，包括如下步骤：计算文档与查询的相关度，选取候选文档集合；对候选文档集合进行聚类分析，计算每个聚类与查询的相关度；根据文档的相关度和文档所在聚类的相关度，计算文档的排序Rank(di)；根据用户点击文档的反馈信息更新文档的相关度和聚类的相关度；更新文档的排序Rank(di)。本发明能够根据用户的点击行为，挖掘用户查询所蕴含的各种潜在意图，可以动态的调整文档的排列顺序，从而更好地满足了用户的多样化需求。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.022 seconds)
