“褚慈”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于预设计划的数据采集方法和系统-CN202310857850.2在审
发明人：黄晶靖;王月明;侯育卓;杨明凯;刘靖雨;王子卉;杨希成;褚慈;林鲲鹏;任天一 -专利权人：中国电子科技集团公司第二十八研究所;中国人民解放军63921部队
申请日： 2023-07-13 - 公布日： 2023-08-11 - 主分类号： G06F16/23 文献下载
摘要：本发明公开了一种基于预设计划的数据采集方法和系统，包括：采集计划配置模块对数据采集计划任务进行配置，采集任务调度模块对数据采集任务进行调度管理，采集任务执行模块执行数据采集任务，采集任务监控模块对数据采集任务进行情况监控，本发明基于预设计划，进行数据采集任务调度管理，按需按计划采集目标数据，同时兼顾数据采集实时性；能够动态调整数据采集规则，对数据采集计划的变更，实时同步更新采集任务调度规则；对于单次执行异常任务，设计采用异常任务处理机制，提升数据采集成功率；设计采用采集任务实时监控机制，实时监控数据采集进度及采集任务实时状态，并对异常任务进行跟进处理。
一种基于预设计划数据采集方法系统

[发明专利]一种面向卷积神经网络分类结果的可视化算法-CN201810519569.7有效
发明人：周连科;谢晓东;褚慈;王红滨;李秀明;王念滨;赵昱杰;薛冬梅;王勇军;何茜茜 -专利权人：哈尔滨工程大学
申请日： 2018-05-28 - 公布日： 2022-11-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种面向卷积神经网络分类结果的可视化算法，属于计算机视觉与数字图像处理技术领域。本发明在全连接层使用相关性传播算法，得到最后一层卷积层中每个神经元对最终输出结果的贡献的大小，根据其贡献计算出该卷积神经网络的类激活映射图。在得到类激活映射图之后，也就获得了最后一层卷积层中对分类结果有贡献的神经元的位置，根据提出的基于位置信息的传播算法，将卷积层中支持分类的神经元位置逐层向前重定向，直到输入层，从而得到输入图像中对输出结果有贡献的像素位置集合，最终得到可以解释卷积神经网络分类依据的可视化图像，本发明在解释卷积神经网络的分类方面具有更高的准确性，且在解释分类决策时能区分类别之间的特征。
一种面向卷积神经网络分类结果可视化算法

[发明专利]基于LCWaveGAN的船舶航行噪声仿真生成方法-CN202110277082.4有效
发明人：何鸣;褚慈;王念滨;王红滨;周连科;张毅;湛浩旻 -专利权人：哈尔滨工程大学
申请日： 2021-03-15 - 公布日： 2022-09-30 - 主分类号： G06F30/27 文献下载
摘要：基于LCWaveGAN的船舶航行噪声仿真生成方法，本发明涉及船舶航行噪声仿真生成方法。本发明的目的是为了解决现有船舶航行水下辐射噪声信号准确率低，获得方式繁琐的问题。过程为：一、获取真实的船舶水下辐射噪声；二、得到连续谱；三、生成时域的连续谱噪声信号；四、生成仿真的船舶水下辐射噪声连续谱的时域信号；五、生成仿真的连续谱时域信号；六、提取调制参数；七、合成调制信号；八、提取真实的船舶水下辐射噪声的线谱；九、生成连续谱；十、通过调制信号和连续谱，叠加形成静止状态下的消声水池的目标仿真水下辐射噪声；十一、对水下辐射噪声进行运动修正，得到仿真船舶航行水下辐射噪声。本发明用于船舶航行数据生成领域。
基于 lcwavegan 船舶航行噪声仿真生成方法

[发明专利]一种基于属性相关的差分隐私保护方法-CN201810589946.4有效
发明人：董宇欣;陈福坤;褚慈;谢晓东;印桂生;韩启龙;王红滨;万丽;秦帅;白云鹏 -专利权人：哈尔滨工程大学
申请日： 2018-06-08 - 公布日： 2022-02-11 - 主分类号： G06F21/62 文献下载
摘要：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。
一种基于属性相关隐私保护方法

[发明专利]变色龙算法中相似性度量及截断方法-CN201810589956.8有效
发明人：董宇欣;姜凯;谢晓东;褚慈;秦帅;印桂生;王野;王红滨;王勇军;白云鹏 -专利权人：哈尔滨工程大学
申请日： 2018-06-08 - 公布日： 2021-08-31 - 主分类号： G06K9/62 文献下载
摘要：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。
变色龙算法相似性度量截断方法

[发明专利]一种空间众包任务分配方法-CN201810519625.7有效
发明人：王红滨;谢晓东;褚慈;原明旗;王勇军;周连科;王念滨;秦帅;何茜茜;刘红丽 -专利权人：哈尔滨工程大学
申请日： 2018-05-28 - 公布日： 2021-08-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种空间众包任务分配方法，属于互联网技术领域，本发明分别设计了用于计算任务处理优先级的TPC方法、用于选择工人的WFC方法以及用于任务地点选择的MLS方法，基于这三个方法提出了一种空间众包任务分配方法，目标是在满足各种约束的条件下，保证任务分配总数以及平台收益，并最大化任务分配的总收益。
一种空间任务分配方法

[发明专利]基于力引导的点布局优化算法-CN201810519647.3在审
发明人：周连科;赵昱杰;谢晓东;褚慈;薛冬梅;王念滨;王红滨;李秀明;王勇军;迟熙翔 -专利权人：哈尔滨工程大学
申请日： 2018-05-28 - 公布日： 2018-12-14 - 主分类号： H04L12/24 文献下载
摘要：本发明属于可视化数据技术领域，公开了基于力引导的点布局优化算法，包括如下步骤：步骤(1)：定义节点集合，边集合和无向图G；步骤(2)：设置系统中吸引力的总大小，系统中排斥力的总大小和总量级函数；步骤(3)：定义M(0)；步骤(4)：用算法聚集阶段迭代的总数和算法分裂阶段迭代的总数表示；步骤(5)：计算吸引力和排斥力在X轴方向和Y轴方向上的分量；步骤(6)：用笛卡尔坐标空间内X、Y轴方向上的排斥力和吸引力表示第t次迭代时节点在X、Y轴方向上受到的合力，然后获取节点迭代后的坐标；步骤(7)：迭代次数等于一个固定值时，迭代停止，算法结束。本发明解决传统算法中迭代次数多的问题，具有更好的扩展性。
迭代算法布局优化排斥力引导的笛卡尔坐标可视化数据传统算法迭代停止定义节点分裂阶段设置系统扩展性边集合无向图斥力集合

[发明专利]一种基于Relief和互信息的特征选择算法-CN201810519640.1在审
发明人：王红滨;褚慈;谢晓东;王勇军;原明旗;王念滨;周连科;秦帅;李浩然;白云鹏 -专利权人：哈尔滨工程大学
申请日： 2018-05-28 - 公布日： 2018-11-23 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于Relief和互信息的特征选择算法，属于计算机算法领域。本发明的步骤如下：(1)将最优特征子集设置成空集，设置最优特征子集权重；(2)选择一个数据中的所有特征中不属于最优特征子集中的特征，将其放入候选最优特征子集中，并通过复合特征评价准则计算当前候选最优特征子集的权重；(3)对此时候选最优特征子集的权重进行评价并更替；(4)去除不符合要求的待选特征；(5)若还有待选特征，则从返回(2)继续计算。否则，算法结束。本发明提供的方法针对Relief特征选择算法只能处理二分类问题而不能处理冗余特征的问题进行改进，提出了基于改进的Relief权重的特征选择算法，使该特征选择算法计算高效的同时具有更高的计算准确率。
特征选择算法最优特征子集权重互信息计算机算法复合特征评价准则冗余特征二分类准确率放入空集去除算法更替改进返回

[发明专利]一种面向水下目标识别的卷积神经网络优化方法-CN201810519571.4在审
发明人：王红滨;褚慈;谢晓东;秦帅;原明旗;王念滨;周连科;王勇军;何茜茜;薛冬梅 -专利权人：哈尔滨工程大学
申请日： 2018-05-28 - 公布日： 2018-11-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种面向水下目标识别的卷积神经网络优化方法，属于水下目标识别技术领域，本发明将原始声音数据通过短时傅里叶变换等操作转化为灰度声谱图像，之后将单层SAE判别式分类法和多层SAE重建式分类法分别添加到Alexnet模型当中，将灰度声谱图像进行打标签和训练，用灰度声谱图像的70％作为训练集，用其余的30％作为测试集，将训练集和测试集分别应用在改进前的Alexnet模型和改进后的Alexnet模型中进行准确率和训练时间对比实验，并对测试的结果进行分析。本发明对卷积神经网络中的目标分类层进行优化，解决了当前卷积神经网络在水下目标识别领域的分类准确率不高等问题，较改进之前更适用于水下目标识别领域，对水下目标领域取得了更好的分类效果。
水下目标卷积神经网络声谱图像灰度分类法测试集训练集短时傅里叶变换优化原始声音数据分类准确率改进分类效果目标分类时间对比判别式准确率单层多层标签测试重建应用转化分析

1
共 9 条