-
公开(公告)号:CN116089787B
公开(公告)日:2023-07-14
申请号:CN202310214534.3
申请日:2023-03-08
Applicant: 中国人民解放军海军工程大学
IPC: G06F17/16 , G06F17/18 , G06F18/241
Abstract: 本发明公开一种基于层次分析法的船舶子系统运行状态分析方法及系统,方法包括:获取船舶子系统内的各设备及与各设备相关的监测因素;根据监测因素构建每个设备的因素层判断矩阵,获取各监测因素对设备状态的权重;根据各设备构建设备层判断矩阵,获取每个设备对船舶子系统状态的权重;构建评价集,计算监测数据中四种状态的概率,并将每种状态的概率分布代入各状态的隶属度函数,建立每个设备在因素层的模糊评判矩阵;根据每个设备的模糊评判矩阵,结合每个设备中各监测因素对设备状态的权重,计算设备层的隶属度向量;根据设备层的隶属度向量,结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵,计算船舶子系统的状态等级。
-
公开(公告)号:CN116543389A
公开(公告)日:2023-08-04
申请号:CN202310236026.5
申请日:2023-03-13
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开一种基于关系网络的字符识别方法、装置、设备及介质,方法包括:获取手写字符的图像并进行预处理,得到预处理的图像数据集;将预处理的图像数据集作为预先训练的关系网络的输入,获取关系网络的输出;根据关系网络的输出,利用语言模型进行识别后处理,将满足概率要求的字符识别结果作为目标字符输出,将不满足概率要求的字符识别结果返回关系网络重新识别;关系网络的训练包括:通过嵌入函数分别提取支持集和查询集的特征图;对查询集的每一样本特征图分别进行特征图拼接及相关性得分计算,得到各样本对应的字符识别结果;将各样本的字符识别结果组成一个句子作为关系网络的输出。
-
公开(公告)号:CN116186907A
公开(公告)日:2023-05-30
申请号:CN202310484257.8
申请日:2023-05-04
Applicant: 中国人民解放军海军工程大学
IPC: G06F30/15 , G06F30/27 , G06F18/22 , G06F18/214 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开基于船用子系统状态分析适航状态的方法、系统和介质,方法包括以下步骤:S1:获取船舶航行历史记录数据,船舶航行历史记录数据包括子系统历史运行状态数据及对应的船舶适航性状态;S2:从船舶航行历史记录数据中选取一组数据作为参考样本,获取船舶子系统当前运行状态数据作为待测样本,将参考样本中的子系统历史运行状态数据和待测样本组成样本对输入到训练好的孪生神经网络模型中,得到模型输出的两个特征向量;S3:计算两个特征向量相似度,并判断相似度是否满足阈值要求,若是,则待测样本对应的船舶适航性状态与参考样本的船舶适航性状态相同,若否,则进入步骤S4;S4:重复步骤S2‑S3,直至相似度满足阈值要求。
-
公开(公告)号:CN118673454B
公开(公告)日:2024-12-20
申请号:CN202410663410.8
申请日:2024-05-27
Applicant: 中国人民解放军海军工程大学
IPC: G06F18/25 , G06F18/213 , G06N3/0985 , G06N5/01 , G06F18/21 , G06F18/243 , G06F18/214
Abstract: 本发明属于深度学习技术领域,特别涉及一种用于船舶设备的多模态数据融合方法和工具,其中,方法包括以下步骤:获取船舶设备的监测需求,并根据监测需求获取多种类型的原始数据;对原始数据进行数据特征提取,得到标准化数据;将标准化数据进行融合,并传入第一融合层级和第二融合层级,获取对应的时序特征;在第一融合层级中,得到第一融合层级预测结果;在第二融合层级中,得到第二融合层级预测结果;在基于决策树的元学习器中,得到最终预测结果。本发明提供的用于船舶设备的多模态数据融合方法通过多模态信息融合、时序特征提取、多层级融合与决策以及集成学习等方式,保证了数据的多样性和综合性,提高了预测性能和稳定性。
-
公开(公告)号:CN118673454A
公开(公告)日:2024-09-20
申请号:CN202410663410.8
申请日:2024-05-27
Applicant: 中国人民解放军海军工程大学
IPC: G06F18/25 , G06F18/213 , G06N3/0985 , G06N5/01 , G06F18/21 , G06F18/243 , G06F18/214
Abstract: 本发明属于深度学习技术领域,特别涉及一种用于船舶设备的多模态数据融合方法和工具,其中,方法包括以下步骤:获取船舶设备的监测需求,并根据监测需求获取多种类型的原始数据;对原始数据进行数据特征提取,得到标准化数据;将标准化数据进行融合,并传入第一融合层级和第二融合层级,获取对应的时序特征;在第一融合层级中,得到第一融合层级预测结果;在第二融合层级中,得到第二融合层级预测结果;在基于决策树的元学习器中,得到最终预测结果。本发明提供的用于船舶设备的多模态数据融合方法通过多模态信息融合、时序特征提取、多层级融合与决策以及集成学习等方式,保证了数据的多样性和综合性,提高了预测性能和稳定性。
-
公开(公告)号:CN116543389B
公开(公告)日:2023-09-19
申请号:CN202310236026.5
申请日:2023-03-13
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开一种基于关系网络的字符识别方法、装置、设备及介质,方法包括:获取手写字符的图像并进行预处理,得到预处理的图像数据集;将预处理的图像数据集作为预先训练的关系网络的输入,获取关系网络的输出;根据关系网络的输出,利用语言模型进行识别后处理,将满足概率要求的字符识别结果作为目标字符输出,将不满足概率要求的字符识别结果返回关系网络重新识别;关系网络的训练包括:通过嵌入函数分别提取支持集和查询集的特征图;对查询集的每一样本特征图分别进行特征图拼接及相关性得分计算,得到各样本对应的字符识别结果;将各样本的字符识别结果组成一个句子作为关系网络的输出。
-
公开(公告)号:CN119314187A
公开(公告)日:2025-01-14
申请号:CN202411367984.7
申请日:2024-09-29
Applicant: 中国人民解放军海军工程大学
IPC: G06V30/262 , G06V30/19 , G06V30/413
Abstract: 本发明公开了一种纸质设备运行记录识别结果的错误纠正方法及系统,所述方法首先扫描纸质设备运行记录,通过OCR技术对扫描后的记录进行字符识别并评估置信度;然后对识别结果进行分层错误检测:识别置信度低的字符、不符合列模式的字符、采用异常值检测方法识别并标记所有列中的异常字符;最后从候选字符集中选择与错误字符最相似且符合列模式的字符进行纠正,生成准确的设备运行记录表。本发明的方法针对纸质的设备运行记录文档数字化场景,结合设备运行记录数据的内容和组织方式,对识别结果中的错误进行定位和纠正,减少了设备运行记录表数字化过程中校对的工作量。
-
公开(公告)号:CN116186907B
公开(公告)日:2023-09-15
申请号:CN202310484257.8
申请日:2023-05-04
Applicant: 中国人民解放军海军工程大学
IPC: G06F30/15 , G06F30/27 , G06F18/22 , G06F18/214 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开基于船用子系统状态分析适航状态的方法、系统和介质,方法包括以下步骤:S1:获取船舶航行历史记录数据,船舶航行历史记录数据包括子系统历史运行状态数据及对应的船舶适航性状态;S2:从船舶航行历史记录数据中选取一组数据作为参考样本,获取船舶子系统当前运行状态数据作为待测样本,将参考样本中的子系统历史运行状态数据和待测样本组成样本对输入到训练好的孪生神经网络模型中,得到模型输出的两个特征向量;S3:计算两个特征向量相似度,并判断相似度是否满足阈值要求,若是,则待测样本对应的船舶适航性状态与参考样本的船舶适航性状态相同,若否,则进入步骤S4;S4:重复步骤S2‑S3,直至相似度满足阈值要求。
-
公开(公告)号:CN116089787A
公开(公告)日:2023-05-09
申请号:CN202310214534.3
申请日:2023-03-08
Applicant: 中国人民解放军海军工程大学
IPC: G06F17/16 , G06F17/18 , G06F18/241
Abstract: 本发明公开一种基于层次分析法的船舶子系统运行状态分析方法及系统,方法包括:获取船舶子系统内的各设备及与各设备相关的监测因素;根据监测因素构建每个设备的因素层判断矩阵,获取各监测因素对设备状态的权重;根据各设备构建设备层判断矩阵,获取每个设备对船舶子系统状态的权重;构建评价集,计算监测数据中四种状态的概率,并将每种状态的概率分布代入各状态的隶属度函数,建立每个设备在因素层的模糊评判矩阵;根据每个设备的模糊评判矩阵,结合每个设备中各监测因素对设备状态的权重,计算设备层的隶属度向量;根据设备层的隶属度向量,结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵,计算船舶子系统的状态等级。
-
-
-
-
-
-
-
-