-
公开(公告)号：CN109189862A
公开(公告)日：2019-01-11
申请号：CN201810766488.7
申请日：2018-07-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向科技情报分析的知识库构建方法，属于计算机知识库构建领域。提出了CWATT-BiLSTM-LSTMd模型用于实体抽取、RL-TreeLSTM模型用于实体关系抽取。实体抽取采用编码-解码模式，BiLSTM(双向长短期记忆网络)用于编码，LSTMd(长短期记忆网络)用于解码，并且对嵌入层和解码层进行了改进，然后使用此模型对科技情报领域的语料进行实体抽取。在实体抽取的基础之上，基于强化深度学习的思想提出RL-TreeLSTM模型对实体之间的关系进行抽取。RL-TreeLSTM模型分为两个部分：选择器和分类器。选择器选择有效的句子传入分类器，以降低远程监督方法带来的噪音；分类器对有效句子进行实体关系抽取，提高关系抽取的准确率。
-
公开(公告)号：CN111626341B
公开(公告)日：2022-04-08
申请号：CN202010397828.0
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 一种面向水下目标识别的特征级信息融合方法，它属于水下目标识别技术领域。本发明解决了原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题。本发明对采集的原始声音数据进行处理，使处理过的数据不仅包含目标水声特性，还包含了目标方位特性与速度变化特性。再采用一个端到端的深度神经网络完成后续的特征提取和信息融合工作，克服了采用专家特征提取方法很难从原始数据中提取出有效特征的问题，而且通过实验证明了本发明特征信息融合方法的有效性。本发明可以应用于水下目标识别。
-
公开(公告)号：CN107871140B
公开(公告)日：2021-10-01
申请号：CN201711085758.X
申请日：2017-11-07
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。
-
公开(公告)号：CN108776763A
公开(公告)日：2018-11-09
申请号：CN201810589946.4
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于属性相关的差分隐私保护方法，属于信息安全技术领域。本发明采取投影转换的思想，提出了新的面向属性相关的隐私保护方法。该方法不仅考虑了属性之间存在相关性的情况，而且利用这种相关关系减少噪声的加入。即利用最大信息系数衡量各敏感属性相关关系，构建最大信息系数矩阵；从而构造投影算子，获得投影矩阵，该结构的使用使得维度降低，在提供相同的隐私保证的情况下，所需噪声数减少。
-
公开(公告)号：CN108694469A
公开(公告)日：2018-10-23
申请号：CN201810589288.9
申请日：2018-06-08
Applicant: 哈尔滨工程大学
CPC classification number: G06Q10/04
Abstract: 本发明为一种基于知识图谱的关系预测方法，将知识图谱利用无向图来表示，提出了一种改进的结合了双向关系路径和嵌入式的混合关系预测算法，包括如下步骤：(1)将三元组数据集构建一个有效的知识图谱，并初始化参数；(2)对知识图谱中每个实体和关系利用TransE算法进行训练，将实体和关系嵌入到一个低维的向量空间中；(3)抽取出每个三元组的关系标签，构建每个关系的子图；(4)在每个关系子图上，通过迭代的方式发现每个实体之间的可达路径，并根据图结构划分子图，对每个可达路径的可靠性进行计算；(5)迭代每两个没有直接边连接的实体，通过构造的联合评价函数和损失函数来评估两个实体之间是否存在隐含关系；(6)补全知识图谱结构。
-
Patent Agency Ranking
公开(公告)号：CN107871140A
公开(公告)日：2018-04-03
申请号：CN201711085758.X
申请日：2017-11-07
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6215
Abstract: 本发明提供的是一种基于斜率弹性相似性度量方法。步骤一：输入时间序列x和y及过滤参数λ，进行l1趋势过滤，输出折线X和Y；步骤二：计算折线X和Y各分段加权斜率，折线X和Y用加权斜率表示为kx和ky；设定等距间隔参数d，等距插入加权斜率；步骤三：经过插值处理后，形成两个新不等长序列，使用动态时间弯曲距离DTW计算不等长序列的趋势距离。本发明把时间序列通过滤波特征表示为折线段，保留了趋势信息并实现了降维；线段权重斜率可实现趋势的度量比较；通过等距插值以适应DTW等间隔计算，实现了弹性度量。
-
公开(公告)号：CN111626341A
公开(公告)日：2020-09-04
申请号：CN202010397828.0
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 一种面向水下目标识别的特征级信息融合方法，它属于水下目标识别技术领域。本发明解决了原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题。本发明对采集的原始声音数据进行处理，使处理过的数据不仅包含目标水声特性，还包含了目标方位特性与速度变化特性。再采用一个端到端的深度神经网络完成后续的特征提取和信息融合工作，克服了采用专家特征提取方法很难从原始数据中提取出有效特征的问题，而且通过实验证明了本发明特征信息融合方法的有效性。本发明可以应用于水下目标识别。
-
公开(公告)号：CN108932528A
公开(公告)日：2018-12-04
申请号：CN201810589956.8
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明公开了变色龙算法中相似性度量及截断方法，属于凝聚型层次聚类算法技术领域。变色龙在稀疏图上运行，其中节点表示数据项，加权边表示数据项之间的相似性，变色龙通过使用两阶段算法找出数据集中的簇，在第一阶段，根据数据集构造出一个k-最近邻图Gk，使用图分区算法将数据项分为几个相对较小的子集群，在第二阶段，它使用一种算法，通过重复组合这些子集群来找到真正的集群；该改进算法通过引入递归二分法、flood fill漫水填充法以及第一跳截断等对传统的变色龙聚类算法进行了改进，还提出了一种能够从修改的变色龙树状图中自动选择最佳聚类结果的方法。
-
公开(公告)号：CN108776763B
公开(公告)日：2022-02-11
申请号：CN201810589946.4
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于属性相关的差分隐私保护方法，属于信息安全技术领域。本发明采取投影转换的思想，提出了新的面向属性相关的隐私保护方法。该方法不仅考虑了属性之间存在相关性的情况，而且利用这种相关关系减少噪声的加入。即利用最大信息系数衡量各敏感属性相关关系，构建最大信息系数矩阵；从而构造投影算子，获得投影矩阵，该结构的使用使得维度降低，在提供相同的隐私保证的情况下，所需噪声数减少。
-
公开(公告)号：CN108932528B
公开(公告)日：2021-08-31
申请号：CN201810589956.8
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明公开了变色龙算法中相似性度量及截断方法，属于凝聚型层次聚类算法技术领域。变色龙在稀疏图上运行，其中节点表示数据项，加权边表示数据项之间的相似性，变色龙通过使用两阶段算法找出数据集中的簇，在第一阶段，根据数据集构造出一个k‑最近邻图Gk，使用图分区算法将数据项分为几个相对较小的子集群，在第二阶段，它使用一种算法，通过重复组合这些子集群来找到真正的集群；该改进算法通过引入递归二分法、flood fill漫水填充法以及第一跳截断等对传统的变色龙聚类算法进行了改进，还提出了一种能够从修改的变色龙树状图中自动选择最佳聚类结果的方法。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
