-
公开(公告)号：CN102799627A
公开(公告)日：2012-11-28
申请号：CN201210211474.1
申请日：2012-06-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据迁移、数据集成领域，具体涉及一种高匹配效率和准确率的基于一阶逻辑和神经网络的数据对应方法。本发明包括：（1）分析已完成匹配的数据模式；（2）将模式转换为表向量，存放在待匹配表训练集合中；（3）对集合中的表进行特征提取；（4）存储提取的表的特征。（5）对待匹配模式中的待匹配表进行匹配；（6）对已完成匹配的模式中的字段进行训练，修正字段的表示形式和建立的神经网络；（5）使用训练好的神经网络和修正后的字段表示格式，对已完成匹配的表进行字段匹配。本发明减少了在数据对应过程中的时间，提高了匹配的效率和准确率。
-
公开(公告)号：CN101499981A
公开(公告)日：2009-08-05
申请号：CN200910071577.0
申请日：2009-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种电子邮件邮件网关类系统邮件账户维护的方法。使用POP3协议和SMTP协议探测邮件帐户信息，并将有效账户信息存储在动态散列表中，通过时间滑动窗口维护信息的有效性，这样当发现投递失败的邮件则将其从散列表中丢弃，对于新增加的用户在经过滑动窗口的等待时间以后在重新进行探测。在固定周期内，将散列结构存储到文件系统中，防止信息丢失，在系统意外重起时，可以直接从文件加载。本发明的有点在于：1)可以帮助邮件网关过滤掉大量账户不存在的邮件信息，降低了网关的负担，提高网关系统的利用率；2)支持在一个邮件网关中，同时管理多个邮件系统，减少了系统的部署成本。
-
公开(公告)号：CN114519369B
公开(公告)日：2024-11-01
申请号：CN202210066080.5
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/10 , G06N3/0464 , G06N3/047 , G06N3/084 , G16H10/60 , A61B5/346
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种在病历中快速提取十二导联心电图的方法。本发明包括病历数据的预处理以及手工定义特征的二次细化，使用该二次细化可以加速人工标记过程，加快了模型训练过程。本发明通过定义卷积神经网络EcgNet；结合设置特征和卷积神经神经网络训练模型实现自动提取十二导联心电图，经过检验该模型提取的十二导联心电图具有单边100％的准确率，提取的心电图达到人工提取的水平。本发明可以快速精准的从病历数据中提取出满足要求的十二导联心电图，训练好模型后的提取过程快速且不需要人力参与，极大地节省了人力物力，加速了心血管疾病患者的临床数据集的构建。
-
公开(公告)号：CN114840857B
公开(公告)日：2024-08-13
申请号：CN202210476264.9
申请日：2022-04-29
Applicant: 哈尔滨工程大学
Abstract: 基于深度强化学习与多级覆盖策略的智能合约模糊测试方法及系统，它属于区块链智能合约安全检测技术领域。本发明解决了现有智能合约动态漏洞检测方法效率低，不适用于智能合约程序特性的问题。本发明首先根据智能合约二进制代码得到对应ABI规范，再使用二进制代码和ABI规范生成初始种子加入到多级覆盖策略定义的种子树。再从种子树中选择种子进行变异，并将变异种子和二进制代码送入智能合约执行环境，分析合约执行后产生的执行记录计算变异种子是否出现新覆盖特性，若出现则变异种子加入种子树，并将变异种子的覆盖特性作为奖励送入DDPG算法，用于下一次变异策略的选择，直至循环终止再判断该合约是否有漏洞。本发明可以应用于智能合约模糊测试。
-
公开(公告)号：CN113537113B
公开(公告)日：2022-10-25
申请号：CN202110844909.5
申请日：2021-07-26
Applicant: 哈尔滨工程大学
Abstract: 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
Patent Agency Ranking
公开(公告)号：CN113532422B
公开(公告)日：2022-06-21
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：CN114153985A
公开(公告)日：2022-03-08
申请号：CN202111424146.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于元学习与知识表示学习技术领域，具体涉及一种基于小样本学习的知识图谱实体链接预测方法。本发明利用元学习的方式在一个任务中只利用少数三元组信息完成关系信息的提取以及快速更新；考虑数据集中的三元组会存在复杂的头尾实体数量对应关系，通过预先统计出完整三元组中的头尾实体数量，根据头尾实体所占比例确定负样本的生成方式；通过知识表示学习的传统评分函数将实体向量和关系向量以共处同一平面的方式进行数学计算。本发明通过将更新后的关系信息向量映射到超平面，并将实体向量进行超平面投影分解，使得模型能够有效缓解训练过程中过度收敛的情况。
-
公开(公告)号：CN114022714A
公开(公告)日：2022-02-08
申请号：CN202111333621.8
申请日：2021-11-11
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于Harris的数据增强图像分类方法及系统，它属于数据处理技术与计算机视觉技术相结合的学科交叉领域。本发明解决了采用现有的数据增强方法获得的图像分类准确率低的问题。本发明通过采用Harris算法进行数据增强，使训练好的卷积神经网络提取图像信息特征的强大功能得以充分利用，提高了对图像分类的准确率、鲁棒性以及泛化性能；与现有的数据增强算法相比，在相同难度的图像分类任务中，本发明方法的收敛速度较快，算法的运行效率更高，总回报增多，能够有效进行训练数据集的遮挡，加大训练难度，使分类算法的准确率上升了3.86％，从而提高了算法的性能。本发明可以应用于图像分类领域。
-
公开(公告)号：CN113537113A
公开(公告)日：2021-10-22
申请号：CN202110844909.5
申请日：2021-07-26
Applicant: 哈尔滨工程大学
Abstract: 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
公开(公告)号：CN112784576A
公开(公告)日：2021-05-11
申请号：CN202110039887.5
申请日：2021-01-13
Applicant: 哈尔滨工程大学 , 中电科大数据研究院有限公司
IPC: G06F40/211 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明属于依存句法分析技术领域，具体涉及一种文本依存句法分析方法。依存句法树是关系提取工作所需的重要依据，依存句法分析的目的是构建依存句法树，依存句法分析的准确性直接影响着关系提取等上层工作的精度，为了提高依存句法分析的准确性，本发明提出了基于Pointer‑Net与TreeLSTM相结合的神经网络模型的一种文本依存句法分析方法，该方法可以在依存分析的过程中兼顾上下文的语义特征，在每一步的决策过程中都会考虑到已生成的依存子树，进而提高依存句法分析的精度。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.026 seconds)
