公开(公告)号：CN108052968A

公开(公告)日：2018-05-18

申请号：CN201711293976.2

申请日：2017-12-08

Applicant: 哈尔滨工程大学

Inventor： 吴艳霞 ,  王兴梅 ,  焦佳 ,  李其明 ,  史家豪

IPC: G06K9/62 ,  G06N3/00 ,  G06F21/55

Abstract: 本发明提供一种QSFLA‑SVM的感知入侵检测方法，设置相关参数；对青蛙种群的位置进行初始化；将每个青蛙个体的位置信息传入支持向量机异常序列检测模型，将计算出的测试集分类正确率作为每个青蛙个体适应度函数值，对青蛙种群进行降序排列并对排列后的种群进行子种群划分；利用量子粒子群更新机制对每个青蛙子种群最坏个体进行更新，直到达到局部最大迭代次数；进行全局信息交换，如果达到全局最大迭代次数，则返回全局最优青蛙个体，此时该个体位置信息为SVM异常序列检测模型对测试集分类取得最大正确率时参数最优值，输出最优测试集分类结果。本发明结合基于量子粒子群搜索机制的量子衍生混合蛙跳入侵检测算法和支持向量机来进行入侵检测。

公开(公告)号：CN105405125B

公开(公告)日：2018-05-18

申请号：CN201510706021.X

申请日：2015-10-27

Applicant: 哈尔滨工程大学

Inventor： 王兴梅 ,  吴艳霞 ,  滕旭阳 ,  刘志鹏 ,  宋洪涛 ,  王永华

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/00 ,  G06K9/62

Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。

公开(公告)号：CN103176961B

公开(公告)日：2017-02-08

申请号：CN201310069560.8

申请日：2013-03-05

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  陈曼 ,  夏琳琳 ,  沈洁 ,  张健沛 ,  杨静 ,  王勇 ,  高迪 ,  王兴梅 ,  李丽洁

IPC: G06F17/27

Abstract: 本发明的目的在于提供一种基于潜在语义分析的迁移学习方法，包括以下步骤：对训练数据做去停用词、词干化处理，分别计算源领域与目标领域词汇权重，得到词汇-文本矩阵M，对矩阵M进行奇异值分解，将M中词汇与文本映射到低维潜在语义空间，去除源领域中同义词噪音影响，调整矩阵M结构，从源领域中找出与目标领域文本关联度较大的词汇作为迁移词，再对矩阵M结构进行调整，分析调整后的矩阵M中目标领域词汇，得到目标领域数据新的特征表示，在训数据集中得到最终分类器，对测试数据集S进行分类。

公开(公告)号：CN103903280B

公开(公告)日：2017-01-11

申请号：CN201410120980.9

申请日：2014-03-28

Applicant: 哈尔滨工程大学

Inventor： 王兴梅 ,  印桂生 ,  刘海波 ,  李林 ,  刘志鹏

IPC: G06T7/20

Abstract: 本发明属于图像处理技术领域，具体涉及一种改进水平集目标提取的子块权重Mean-Shift跟踪方法。本发明包括：对跟踪目标区域进行分块；计算每个子块的权重和最终权重；计算每个子块目标区域与候选区域的相似度以及整体目标区域与候选区域的相似度；更新模板，跟踪结果的确定。本发明根据算法过程和视频图像的特点，为了提高提取精度和运行效率，提出结合惩罚项的窄带水平集方法得到目标的边缘轮廓，确定目标边缘位置。

公开(公告)号：CN103020122B

公开(公告)日：2015-09-30

申请号：CN201210464867.3

申请日：2012-11-16

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  陈曼 ,  沈洁 ,  夏琳琳 ,  王勇 ,  李丽洁 ,  高迪 ,  王兴梅

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：CN101286229A

公开(公告)日：2008-10-15

申请号：CN200810064436.1

申请日：2008-05-05

Applicant: 哈尔滨工程大学

Inventor： 叶秀芬 ,  王兴梅 ,  张哲会 ,  方超

IPC: G06T5/00

Abstract: 本发明提供的是一种基于分层MRF的声呐图像自适应分割方法。包括如下步骤：(1)用块方式的k－均值聚类算法确定声呐图像的初始三类分割；(2)基于空间邻域MRF的三类分割；(3)基于分层MRF的三类分割。本发明根据声呐设备接收目标区反射回的放大信号常常引起接收器的饱和，而导致属于目标区的灰度值都较大这一特点，提出了一个简单的正比例函数来描述目标区的分布。同时根据各向异性的二阶邻域系统模型建立新的声呐图像三类分割MRF模型参数，并将分层MRF理论应用到声呐图像三类分割中，提高了复杂海底声呐图像中目标的实时探测效率，并为后续水下目标的识别精度提供了更好的前提条件。