“刘洁怡”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18个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的多站雷达系统干扰鉴别方法-CN202011391149.9有效
发明人： 刘洁怡;罗宏亮;公茂果;周佳社;张明阳;李豪 -专利权人：西安电子科技大学
申请日： 2020-12-02 - 公布日： 2023-10-03 - 主分类号： G01S7/36 文献下载
摘要：本发明公开了一种基于卷积神经网络的多站雷达系统干扰鉴别方法，包括：根据多站雷达系统中的K个雷达得到K组慢时间随机复包络序列；将K组慢时间随机复包络序列依次水平链接得到第一二维数据块；将第一二维训练数据块输入至第一干扰鉴别网络得到第一分类输出结果；采用梯度下降法得到第一干扰鉴别网络的损失函数的最小值以得到第二干扰鉴别网络；将第一二维数据块输入至第二干扰鉴别网络，在第二干扰鉴别网络的误差和小于或者等于阈值时得到第三干扰鉴别网络；将第二二维数据块输入至所述第三干扰鉴别网络得到最终分类输出结果。本发明的干扰鉴别方法提高了多站雷达系统信息处理过程对采样数据的利用率，提高了对欺骗式干扰的鉴别概率。
一种基于卷积神经网络雷达系统干扰鉴别方法

[发明专利]一种云计算环境下代理优化的问题规模统一化方法-CN202111424117.9有效
发明人：公茂果;熊普;李豪;李得众;武越;王善峰;刘洁怡;蒋祥明 -专利权人：西安电子科技大学
申请日： 2021-11-26 - 公布日： 2023-08-08 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种云计算环境下代理优化的问题规模统一化方法，应用于云端，包括：获取客户端关于多目标问题的优化任务；产生多个输入样本，利用真实函数得到输出矩阵；产生多个权向量，将多目标问题聚合为单目标问题；从云端数据库中获取若干个相关源模型，构建多问题代理模型；利用多问题代理模型搜索待评估点，利用真实函数评估待评估点以更新输出矩阵，得到帕累托前沿面；判断是否达到预设的评估次数；若否返回产生多个权向量的步骤；若是将最终得到的帕累托前沿面作为优化结果返回客户端。本发明运用了多问题代理模型的方法来进行多目标优化，引入随机投影矩阵能解决源模型与目标模型问题规模不一致的情况，能得到更精确的结果，并降低成本。
一种计算环境代理优化问题规模统一化方法

[发明专利]改进的基于CycleGAN的超声图像散斑噪声降噪方法-CN202211423280.8在审
发明人：张麒;刘洁怡 -专利权人：上海大学
申请日： 2022-11-15 - 公布日： 2023-03-07 - 主分类号： G06T5/00 文献下载
摘要：一种改进的基于循环生成对抗网络的超声图像散斑噪声降噪方法，获取医学超声图像数据集的GAD降噪图像；使用提出的ENR降噪图形质量评价指标对GAD降噪图像进行评分，并筛选出用作训练集和测试集的图像；引入循环一致性结构，搭建用于降噪的循环生成对抗网络模型CycleGAN，使用两套生成器和鉴别器进行双向训练。使用训练集进行训练，根据checkpoint以及降噪结果确定合适的CycleGAN模型；在在线阶段通过训练后的CycleGAN模型，对测试集图像进行降噪，并使用ENR评价图像降噪质量。本发明针对被散斑噪声污染的医学超声图像能够获得优秀的降噪效果。
改进基于 cyclegan 超声图像噪声方法

[发明专利]一种基于半监督生成对抗网络的欺骗式干扰鉴别方法-CN202211289033.3在审
发明人： 刘洁怡;刘静遥;公茂果;蒋祥明;詹涛;唐泽栋 -专利权人：西安电子科技大学
申请日： 2022-10-20 - 公布日： 2023-01-31 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于半监督生成对抗网络的欺骗式干扰鉴别方法，包括：得到待识别目标的K组慢时间复包络序列；将K组慢时间复包络序列依次水平链接得到二维数据块；构造干扰鉴别网络，包含生成器网络和鉴别器网络；将白噪声数据输入生成器网络中进行训练，获得与待识别回波信号相似的伪标签数据；将伪标签数据、雷达获取的带标记回波信号数据和未标记回波信号数据共同构建的数据块，输入鉴别器网络中进行训练；将待识别信号的二维数据块输入至训练后的鉴别器网络中，获得分类结果。本发明使用少量标记数据、大量未标记数据以及生成器网络生成的大量伪标记数据来训练网络模型，极大提高了小样本条件下干扰鉴别网络的欺骗式干扰鉴别概率。
一种基于监督生成对抗网络欺骗干扰鉴别方法

[发明专利]环烷烃燃料及其制备方法-CN202210973068.2在审
发明人：刘斯宝;魏俊德;刘国柱;刘洁怡;王莅 -专利权人：天津大学
申请日： 2022-08-15 - 公布日： 2022-12-02 - 主分类号： C10G1/10 文献下载
摘要：本发明提供了环烷烃燃料及其制备方法。环烷烃燃料的制备方法包括：在溶剂存在的情况下，采用负载型金属‑固体酸催化剂催化芳香含氧废塑料发生加氢脱氧反应，得到所述环烷烃燃料；其中，所述负载型金属‑固体酸催化剂包括活性金属和固体酸载体，所述活性金属负载在所述固体酸载体上；所述活性金属包括Ru、Ir、Pd、Pt、Rh、Ni、Fe、Co、和Cu中的至少一种；所述固体酸载体包括沸石分子筛、无定型硅铝材料、杂多酸、磷酸锆、钨酸锆、酸性黏土、磷酸氧铌、五氧化二铌、和酸性阳离子交换树脂中的至少一种。该方法简易、高效、成本低，可以在低温条件下进行。
环烷烃燃料及其制备方法

[发明专利]一种基于模因优化的多目标端元识别方法-CN202210588220.5在审
发明人：蒋祥明;公茂果;詹涛;李豪;刘洁怡;张明阳;唐泽栋;王善峰 -专利权人：西安电子科技大学
申请日： 2022-05-27 - 公布日： 2022-09-30 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于模因优化的多目标端元识别方法，包括：获取待识别端元的原始高光谱图像；根据原始高光谱图像的数据，基于纯像元假设采用顶点成分分析修剪高光谱图像的像元构造自词典；基于所述自词典构建高光谱图像端元识别的多目标优化模型；基于模因优化算法获得所述多目标优化问题模型的非支配解集；利用所述多目标优化问题模型的非支配解集，基于膝点法确定最优端元组合。本发明可以综合演化算法的全局搜索能力和局部搜索算子的局部寻优能力，提升端元识别的精度和效率，同时还可以根据膝点法从非支配解集中确定最优端元组合。
一种基于优化多目标识别方法

[发明专利]一种基于自监督学习的高分辨率遥感影像变化检测方法-CN202210509781.1在审
发明人：詹涛;赵伟;蒋祥明;徐偲;刘洁怡;张普照 -专利权人：西安电子科技大学
申请日： 2022-05-11 - 公布日： 2022-08-19 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于自监督学习的高分辨率遥感影像变化检测方法，包括：获取两幅高分辨率遥感影像并进行辐射校正和配准，得到两幅目标图像；对两幅目标图像进行光谱特征的比较得到像素级差异图；通过孪生特征提取网络获取目标图像对应的多个特征图；根据特征图计算两幅目标图像的多个目标级差异图；对像素级差异图以及多个目标级差异图进行融合，根据融合图像得到变化检测结果；孪生特征提取网络是一深度孪生卷积网络模型中的子网络；训练样本来自于高分辨率的样本遥感影像对，标注信息基于样本遥感影像对自动计算生成。本发明将深度网络的自监督学习应用到高分辨率遥感影像变化检测中，以此提高了高分辨率遥感影像变化检测的性能。
一种基于监督学习高分辨率遥感影像变化检测方法

[发明专利]基于多任务子网络分解的SAR变化检测网络训练方法-CN202210011083.9在审
发明人：李豪;郑宇;公茂果;刘洁怡;蒋祥明;唐泽栋;张明阳;武越 -专利权人：西安电子科技大学
申请日： 2022-01-05 - 公布日： 2022-05-27 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于多任务子网络分解的SAR变化检测网络训练方法，包括：获取SAR图像样本集，获取预设卷积神经网络并对目标参数初始化；用SGD随机梯度下降法迭代训练；当训练效果不明显时，利用得到的多组全网目标参数得到父代种群；全网目标参数优化定为主任务，全网络按层分解得到子网络的优化定为辅任务，选择一个辅任务配合主任务，基于种群遗传方式迭代训练，若多次迭代后辅任务遍历完成，保留得到的一组最优的全网目标参数，返回SGD随机梯度下降法；在训练结束时获得最优全网目标参数代入预设卷积神经网络得到训练完成的SAR图像变化检测网络。本发明能加快网络收敛，避免陷入局部最优，缓解梯度消失和梯度爆炸现象。
基于任务网络分解 sar 变化检测训练方法

[发明专利]基于嵌入特征相似度的注意力迁移的神经网络压缩方法-CN202111387298.2在审
发明人：公茂果;刘昊;李豪;乔文远;张明阳;唐泽栋;刘洁怡;蒋祥明 -专利权人：西安电子科技大学
申请日： 2021-11-22 - 公布日： 2022-04-22 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于嵌入特征相似度的注意力迁移的神经网络压缩方法，包括：获取多个训练样本，每个训练样本包括样本图像以及样本图像对应的类别；确定第一待训练神经网络模型后，利用训练样本训练第一待训练神经网络模型，得到教师网络；利用教师网络生成第一注意力图向量；确定第二待训练神经网络模型后，利用训练样本及预设损失函数训练第二待训练神经网络，并根据第二待训练神经网络模型生成的第二注意力图向量及输出结果确定损失值；当预设损失函数的损失值满足预设条件时，第二待训练神经网络训练完成，获得压缩后的学生网络。本发明在达到任务分类要求的同时，有效提高了训练的速度和精度，得到了效果更好的小规模网络。
基于嵌入特征相似注意力迁移神经网络压缩方法

[发明专利]一种基于模型协同的遥感图像变化检测网络快速压缩方法-CN202111389477.X在审
发明人：公茂果;刘慧林;李豪;郑宇;蒋祥明;刘洁怡;武越;唐泽栋 -专利权人：西安电子科技大学
申请日： 2021-11-22 - 公布日： 2022-04-22 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于模型协同的遥感图像变化检测网络快速压缩方法，包括：得到初始的遥感图像变化检测网络并确定编码方式；生成首代种群；评估建立首代的高斯过程训练集；获得子代种群；得到中保真度模型和子代种群中个体的低保真度模型，利用两者得到代理模型；评估子代种群的个体；从合并种群得到帕累托前沿面并选出预设数量个优秀个体以及选择部分优秀个体进行评估；判断是否达到最大迭代次数；若否将预设数量个优秀个体作为下一代种群并得到下一代的高斯过程训练集返回迭代；若是由最优种群帕累托前沿面上拐点处个体得到压缩后的最优遥感图像变化检测网络。本发明能避免人为设计压缩规则的局限性，同时保证压缩率和准确率，并提高压缩速度。
一种基于模型协同遥感图像变化检测网络快速压缩方法

[发明专利]云计算环境大规模问题代理优化的源模型聚类选择方法-CN202111370262.3在审
发明人：李豪;李得众;公茂果;刘洁怡;王依新;张明阳;武越;蒋祥明 -专利权人：西安电子科技大学
申请日： 2021-11-18 - 公布日： 2022-04-12 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种云计算环境大规模问题代理优化的源模型聚类选择方法，应用于云端，包括：获取客户端的多目标优化问题；创建输入矩阵，获取若干个相关源模型；得到源模型输出矩阵，构造源模型特征集；将若干个相关源模型聚类得到目标数量个初选源模型；将多目标优化问题聚合成单目标优化问题对应的真实函数，利用其评价输入矩阵得到目标输出矩阵；进行模型训练得到一个初始目标模型；构建最终代理模型；对最终代理模型寻优得到最优输出；判断是否满足迭代终止条件；若否改变聚合多目标优化问题的权重向量并返回S5；若是得到帕累托前沿面返回客户端。本发明能够为客户端提供合理可靠的选择依据和方案，保证多样性、提升优化结果的精度和准确度。
计算环境大规模问题代理优化模型选择方法

[发明专利]一种网络参数和结构协同优化的SAR图像变化检测方法-CN202111334939.8在审
发明人：公茂果;高天启;李豪;武越;张明阳;王善峰;刘洁怡 -专利权人：西安电子科技大学
申请日： 2021-11-11 - 公布日： 2022-04-01 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种网络参数和结构协同优化的SAR图像变化检测方法，包括：对同一地点不同时刻的两幅SAR图像得到去噪SAR图像；基于邻域波动性进行像素邻域信息分析生成相似性矩阵；分割相似性矩阵得到伪标签矩阵；生成样本集并选出训练样本集；设定卷积神经网络结构遍历空间，利用多目标优化算法采用上下两层的显著代理模型协同优化网络结构与权重参数，寻求最优分类网络模型得到一组帕累托前沿面；选择拐点处的解得到表示最优性能的卷积神经网络结构与相关参数，重新训练得到变化检测分类网络；输入样本集得到变化检测结果。本发明不生成差异图，引入协同进化思想自动高效寻求最优网络结构和参数配置，能提高检测精度，降低计算复杂性。
一种网络参数结构协同优化 sar 图像变化检测方法

[发明专利]基于子站选择的多站雷达系统抗欺骗式干扰方法-CN201810938136.5有效
发明人：张林让;于恒力;刘洁怡;李升远 -专利权人：西安电子科技大学
申请日： 2018-08-17 - 公布日： 2022-03-18 - 主分类号： G01S7/36 文献下载
摘要：本发明提出了一种基于子站选择的多站雷达系统抗欺骗式干扰方法，其实现步骤是：多站雷达系统发射信号；多站雷达系统接收回波信号；计算欺骗距离估计值；对欺骗式干扰和目标进行鉴别；计算欺骗距离估计值的最小均方误差；优化雷达站数量。本发明能够使用多站雷达系统中的部分雷达站对欺骗式干扰进行有效对抗，可用于节约多站雷达系统的资源损耗。
基于选择雷达系统欺骗干扰方法

[发明专利]基于站址误差融合算法对抗欺骗式假目标的方法-CN201611244502.4有效
发明人：张林让;于恒力;刘洁怡;赵珊珊;李强 -专利权人：西安电子科技大学
申请日： 2016-12-29 - 公布日： 2019-04-19 - 主分类号： G01S7/36 文献下载
摘要：本发明公开了一种基于站址误差融合算法对抗欺骗式假目标的方法，主要解决现有技术在对抗欺骗式假目标时未考虑站址误差因素导致检测结果不准确的问题。其方案是：1、节点雷达对目标进行量测；2、对量测值进行坐标变换，得到目标在统一直角坐标系中的位置信息；3、通过目标在统一直角坐标系中的位置信息，计算得到目标的定位误差协方差矩阵；4、通过最近邻关联的方法匹配量测值，得到关联量测序列；5、对所有关联量测序列中的量测值两两组合，通过目标定位误差协方差矩阵计算两量测值之间的马氏距离，对马氏距离进行假设检验，剔除假目标，完成真假目标的鉴别。本发明提高了真实目标的正确鉴别概率，可用于目标检测或跟踪。
基于误差融合算法对抗欺骗目标方法

[发明专利]一种欺骗式干扰下组网雷达的优化布站方法-CN201610014960.2有效
发明人：周宇;谷亚彬;刘洁怡;张林让;赵珊珊 -专利权人：西安电子科技大学
申请日： 2016-01-11 - 公布日： 2018-06-05 - 主分类号： G01S7/36 文献下载
摘要：本发明属于雷达抗干扰技术领域，公开了一种欺骗式干扰下组网雷达的优化布站方法，包括：计算组网雷达的被欺骗概率；构造最小化被欺骗概率的目标函数；计算组网雷达中各节点雷达的覆盖范围，构造最大化覆盖范围的目标函数；根据最小化被欺骗概率的目标函数和最大化覆盖范围的目标函数，建立联合优化目标函数；确定组网雷达布站的约束条件；根据组网雷达布站的约束条件和联合优化目标函数，构造欺骗式干扰下组网雷达布站的优化式；根据欺骗式干扰下组网雷达布站的优化式，得到组网雷达中各个节点雷达的布站位置，以节省雷达系统资源，实现对欺骗式干扰更加精确的有效抑制。
雷达组网目标函数联合优化约束条件最大化最小化优化概率覆盖抗干扰技术雷达系统有效抑制

1
2
下一页»
尾页
共 18 条