“丛玉来”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种宽带雷达跟踪中的距离拖引干扰的鉴别方法-CN202310311753.3在审
发明人：张磊;何川;吴建新;丛玉来 -专利权人：中山大学
申请日： 2023-03-27 - 公布日： 2023-06-30 - 主分类号： G01S7/02 文献下载
摘要：本发明公开了一种宽带雷达跟踪中的距离拖引干扰的鉴别方法，通过对雷达的宽带信号进行三个阶段的数学建模，得到宽带信号模型集；基于宽带信号模型集，根据待处理宽带信号生成全数据向量或者精确数据向量；在目标与干扰重叠阶段开始时，基于全数据向量对接收的宽带信号进行似然比判别，得到参考信号模板；在目标与干扰分离阶段开始时，根据参考信号模板对目标跟踪的滤波结果的精确数据向量进行似然比判别，确定目标和干扰的整体步骤，能够在目标机动和距离拖引干扰同时存在的三角态势中进行实时、精准的距离拖引干扰鉴别，并且极大地提高了干扰的判别精度，有利于雷达的目标跟踪。本发明可广泛应用于雷达跟踪技术领域。
一种宽带雷达跟踪中的距离干扰鉴别方法

[发明专利]一种SAR飞机检测方法、系统、装置及存储介质-CN202310089469.6在审
发明人： 丛玉来;陈元嘉;张磊 -专利权人：中山大学
申请日： 2023-02-08 - 公布日： 2023-06-23 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种SAR飞机检测方法、系统、装置及存储介质，方法包括：获取输入的SAR图像；利用飞机检测模型，对输入的SAR图像进行分析，获得飞机检测结果；飞机检测模型通过已标注飞机类别和目标边框的SAR图像数据集训练生成的；飞机检测模型包括分类分支和回归分支，分类分支具有可变形区域关联模块，可变形区域关联模块通过可变形卷积分支和常规卷积分支进行特征加权整合。本发明通过可变形关联模块构建分类分支，显著提升特征关联能力，并通过已标注飞机类别和目标边框的SAR图像数据集进行模型训练，充分利用SAR飞机散射特征信息的先验知识。本发明提高了在复杂的SAR图像中检测飞机的性能，实现了精确的飞机检测识别。
一种 sar 飞机检测方法系统装置存储介质

[发明专利]基于深层主题模型的大规模文本分类方法-CN201611093639.4有效
发明人：陈渤;李千勇;丛玉来;郭丹丹 -专利权人：西安电子科技大学
申请日： 2016-12-02 - 公布日： 2019-12-27 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于深层主题模型的文本分析方法，主要解决现有技术中梯度无法求解，各层梯度更新步长无法调整的问题。其主要步骤是：1.建立训练集和测试集；2.设置泊松‑伽玛置信网络及其参数，并用步骤1的训练集对该网络进行梯度更新训练；3.保存训练后的网络全局参数；4.用步骤3保存下来的全局参数值，初始化测试网络的全局参数，并用步骤1的测试集训练测试网络；5.保存测试网络的网络参数；6.利用步骤5得到的测试网络参数对文本进行分类并输出预测文本类别和文本分类正确率。本发明能够提取文本信息的多层信息，解决了梯度难以求解和各层步长无法调整的问题，可以用于文本信息的提取和文本分类。
基于深层主题模型大规模文本分类方法

[发明专利]基于深层主题模型的文本图像多模态检索方法-CN201710739719.0有效
发明人：陈渤;周翼;王超杰;丛玉来 -专利权人：西安电子科技大学
申请日： 2017-08-25 - 公布日： 2019-10-11 - 主分类号： G06F16/53 文献下载
摘要：本发明公开了一种基于深层主题模型的文本图像多模态检索方法，可用于文本和图像多模态检索。其实现步骤为：(1)对训练数据和测试数据进行预处理；(2)初始化深层主题模型的超参数和共享参数；(3)训练深层主题模型；(4)用联合特征训练分类器；(5)用测试数据进行测试。本发明利用深层主题模型挖掘不同模态隐层之间由深到浅的联系，同时得到一个包含多模态信息的联合特征用于检索。
基于深层主题模型文本图像多模态检索方法

[发明专利]合成孔径雷达目标的全贝叶斯特征提取方法-CN201510481182.3有效
发明人：陈渤;霍帅;丛玉来 -专利权人：西安电子科技大学;西安中电科西电科大雷达技术协同创新研究院有限公司
申请日： 2015-08-03 - 公布日： 2018-09-25 - 主分类号： G01S13/90 文献下载
摘要：本发明提供一种合成孔径雷达目标的全贝叶斯特征提取方法，能够自适应的估计属性散射中心的数目以及属性散射中心的各个参数。包括：获取雷达回波信号的属性散射中心模型；确定每个未知特征参数服从的先验概率分布；建立完整的分层贝叶斯模型；确定所述属性散射中心模型中所有未知特征参数的联合后验概率分布；确定每个未知特征参数的建议分布；对每个未知特征参数进行采样；得到每个未知特征参数的N个采样值，由每个未知特征参数的N个采样值生成该未知特征参数的马尔科夫链；确定每个未知特征参数的估计值。
合成孔径雷达目标全贝叶斯特征提取方法

[发明专利]基于泊松‑伽玛置信网络主题模型的文本分析方法-CN201610828754.5在审
发明人：陈渤;翟颖;丛玉来 -专利权人：西安电子科技大学
申请日： 2016-09-18 - 公布日： 2017-02-22 - 主分类号： G06F17/30 文献下载
摘要：一种基于泊松‑伽玛置信网络主题模型的文本分析方法，主要解决现有技术中面临的过拟合问题和只能对文本内容的单层主题信息进行提取的问题。主要步骤是：建立训练集和测试集；设置泊松‑伽玛置信网络及其参数；对泊松‑伽玛置信网络进行分层；对五个子网络的参数分别进行初始化；训练当前子网络；保存训练后的当前子网络的全局参数；测试当前子网络；对文本进行分类；输出文本分类正确率和预测文本类别。本发明属于贝叶斯网络中的一种，采用逐层训练和联合训练的方法对网络进行训练，利用吉布斯采样方法对网络参数进行学习，从而获得多层字典矩阵，完成对文本内容的多层主题信息的提取。
基于置信网络主题模型文本分析方法

[发明专利]基于稀疏分析的成像雷达通道参数在线补偿方法-CN201310651802.4有效
发明人：刘宏伟;纠博;丛玉来;杜兰;王英华;王鹏辉;白雪茹 -专利权人：西安电子科技大学
申请日： 2013-12-04 - 公布日： 2014-02-26 - 主分类号： G01S7/40 文献下载
摘要：本发明公开一种基于稀疏分析的成像雷达通道参数在线补偿方法,主要解决现有雷达通道参数补偿方法不能完全补偿掉雷达通道参数的问题。其实现过程是：(1)对雷达回波信号进行预处理，获得频率域信号；(2)从频率域信号中截取在发射信号带宽内的有效信号；(3)根据有效信号，构建改进的基于L1范数约束的稀疏优化模型；(4)对稀疏优化模型进行交替迭代求解，不断更新其中的补偿矩阵和后向散射系数矩阵，得到最优补偿矩阵及最优后向散射系数矩阵，实现对雷达通道参数的在线补偿。本发明减少了距离维的散焦程度，能在稀疏成像过程中对雷达通道参数进行在线补偿，提高了成像质量，可用于为后续雷达目标识别提供清晰的图像。
基于稀疏分析成像雷达通道参数在线补偿方法

1
共 7 条