| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 一种基于再生核希尔伯特空间的跨域语义分割方法 | CN202110030425.7 | 2021-01-11 | CN112926585B | 2023-07-28 | 刘文涛; 邹文斌; 廖牧鑫; 华国光; 邹光明; 李霞 |
| 本发明提供了一种基于再生核希尔伯特空间的跨域语义分割方法，所述方法包括：分别提取具有语义标签的源域图像特征和不带有语义标签的目标域图像特征；根据所述源域图像特征和所述目标域图像特征分别确定源域图像和目标域图像的共同不变几何表示；根据所述共同不变几何表示确定用于对目标域图像进行分割的分割网络。本发明通过对源域图像和目标域图像的共同不变几何表示进行对抗学习，进而增强了源域图像和目标域图像的分布相似度，进而训练出对应的分割网络，使得对目标域图像的分割性能提高，达到了准确分割目标域图像的效果。 | ||||||
| 2 | 基于希尔伯特空间填充曲线索引的多地震数学数据快速交叉显示 | CN201910894459.3 | 2019-09-20 | CN110599580A | 2019-12-20 | 胡叶正; 郭政宏; 黄旭日; 徐云贵; 曹卫平; 唐静 |
| 基于希尔伯特空间填充曲线索引的多地震数学数据快速交叉显示是一种地震大数据3D可视化的方法，具体技术为基于CUDA并行和OpenGL可视化技术和基于GPU的并行非对称无损压缩算法，在CPU-GPU的全局统一内存上建立并发动态Hilbert R Tree数据索引结构，基于CUDA和OpenGL互操作技术，基于Hilbert编码的紧致包围盒算法的GPU体绘制技术。在文件，内存，缓存上建立一颗动态并发的Hilbert R Tree，可以有效降低CPU的工作负载和内存的占用,提高多地震的数学数据的渲染速度，提高绘图质量，降低用户交互时延，提高用户体验效果。 | ||||||
| 3 | 一种基于希尔伯特空间的用电信息模糊分类方法 | CN201310322761.4 | 2013-07-29 | CN103390113A | 2013-11-13 | 李轶鹏 |
| 本发明提出一种基于希尔伯特空间的电能质量模糊分类的方法。由于模式空间维数往往较大，直接计算其在希尔伯特空间内的映射过于复杂因而难以应用，对此本发明提出了一种不通过显式映射进行高维内积运算的方法，即通过利用核函数具有自生性的计算方法，来对电能质量进行模糊分类。本发明方法适用于电能质量的模糊分类，也适用其它行业类似模糊分类。 | ||||||
| 4 | 基于核再生希尔伯特空间的燃气轮机故障预测方法 | CN202010786691.8 | 2020-08-07 | CN111931420B | 2023-09-29 | 杨静; 朱尤杰; 沈安波; 樊高金; 江刘峰; 方宝富 |
| 本发明公开了一种基于核再生希尔伯特空间的燃气轮机故障预测方法，其步骤包括：1、获取所有监测节点向量的数据集；2、将所有的向量用核函数映射的希尔伯特空间，并计算映射之后向量之间的典范相关系数；3、计算任意两个节点在给定其他节点后的偏相关系数；4、设定阈值算出强相关相关节点的搜索空间；5、在受限空间内使用爬山搜索，通过评分函数完成定向工作，确定本监控节点与其他监测节点间的因果关系；6、直到评分次数超过设定值前获得相应的监测系统因果结构图，并用于训练故障预测模型；从而得到故障预测模型，以实现对故障进行更加准确的预测。 | ||||||
| 5 | 基于核再生希尔伯特空间的燃气轮机故障预测方法 | CN202010786691.8 | 2020-08-07 | CN111931420A | 2020-11-13 | 杨静; 朱尤杰; 沈安波; 樊高金; 江刘峰; 方宝富 |
| 本发明公开了一种基于核再生希尔伯特空间的燃气轮机故障预测方法，其步骤包括：1、获取所有监测节点向量的数据集；2、将所有的向量用核函数映射的希尔伯特空间，并计算映射之后向量之间的典范相关系数；3、计算任意两个节点在给定其他节点后的偏相关系数；4、设定阈值算出强相关相关节点的搜索空间；5、在受限空间内使用爬山搜索，通过评分函数完成定向工作，确定本监控节点与其他监测节点间的因果关系；6、直到评分次数超过设定值前获得相应的监测系统因果结构图，并用于训练故障预测模型；从而得到故障预测模型，以实现对故障进行更加准确的预测。 | ||||||
| 6 | 一种基于再生核希尔伯特空间海杂波背景目标检测方法 | CN202310991514.7 | 2023-08-08 | CN117033974A | 2023-11-10 | 陈金喜; 万昊; 王春秋 |
| 本发明公开了一种基于再生核希尔伯特空间海杂波背景目标检测方法，涉及雷达目标检测的技术领域，该方法包括：采集包含海杂波的信号数据，结合雷达的系统状态向量xi和系统量测向量yi定义增广状态向量si，利用核函数将增广状态向量si映射到高维特征空间；对采集到的包含海杂波的数据进行滤波，使用权值向量Ω和增广状态向量si定义新的增广状态向量ni，然后构建状态转换方程Fi(*,*)与量测方程Hi(*,*)，获取并更新系统量测向量yi；计算更新后的系统量测向量yi与原始输入数据ui间的预测误差ei；若预测误差ei大于预设的判决门限，则认为目标存在。 | ||||||
| 7 | 一种基于再生核希尔伯特空间的跨域语义分割方法 | CN202110030425.7 | 2021-01-11 | CN112926585A | 2021-06-08 | 刘文涛; 邹文斌; 廖牧鑫; 华国光; 邹光明; 李霞 |
| 本发明提供了一种基于再生核希尔伯特空间的跨域语义分割方法，所述方法包括：分别提取具有语义标签的源域图像特征和不带有语义标签的目标域图像特征；根据所述源域图像特征和所述目标域图像特征分别确定源域图像和目标域图像的共同不变几何表示；根据所述共同不变几何表示确定用于对目标域图像进行分割的分割网络。本发明通过对源域图像和目标域图像的共同不变几何表示进行对抗学习，进而增强了源域图像和目标域图像的分布相似度，进而训练出对应的分割网络，使得对目标域图像的分割性能提高，达到了准确分割目标域图像的效果。 | ||||||
| 8 | 힐버트 공간 채움 곡선 생성 방법 및 이를 이용한 지도정보제공 장치와 시스템 | KR1020060069419 | 2006-07-25 | KR100807995B1 | 2008-02-28 | 장재우; 엄정호; 김연중 |
| 본 발명은 초고차수의 힐버트 공간 채움 곡선을 생성하는 방법 및 시스템에 관한 것으로서, 본 발명의 힐버트 공간 채움 곡선 생성 방법은 지도정보를 제공하기 위한 힐버트 공간 채움 곡선 생성 방법에 있어서, (a) 방향성 매트릭스의 크기를 결정하는 단계; (b) 방향성 매트릭스의 크기에 대응하여 힐버트 곡선의 시작점과 끝점이 같은 방향을 갖는 단위셀들로 구성된 방향성 매트릭스를 생성하는 단계; (c) 상기 방향성 매트릭스의 각 단위셀에 채워지도록 시작점과 끝점이 각각 하상좌우 네 방향을 갖는 네 개의 기본 그리드를 생성하는 단계; (d) 방향성 매트릭스의 각 단위셀에 해당 방향의 기본 그리드를 채우는 단계; 및 (e) 방향성 매트릭스의 연결순서에 따라 힐버트 오더를 부여하는 단계를 포함하여 이루어지는 것을 특징으로 하며, 방대한 양의 지도정보를 제공하는데 용이하며, 힐버트 곡선의 생성이 보다 신속하게 이루어지는 효과를 갖는다. GIS, LBS, 텔레매틱스, 힐버트 곡선, 방향성 매트릭스, 기본 그리드 | ||||||
| 9 | 一种模块化机器人语音识别算法及其语音识别模块 | CN201610415209.3 | 2016-06-14 | CN106157949B | 2019-11-15 | 张伟; 殷业; 胡浪; 杨二狼; 张亚; 许佳佳; 刘舒畅 |
| 本发明公开了一种模块化机器人语音识别算法，包括以下步骤：S1、对语音特征函数f(x)间隔采样，得到m个函数值(X0(E),X1(E),L,Xm(E))；S2、以X0,X1，L,Xm作为希尔伯特空间的坐标，将时域中的特征函数f(X)＝{X0(E),X1(E),L,Xm(E)}转化为m维希尔伯特空间中的点，并将语音采样函数族F(x)转化为了希尔伯特空间中的一系列点；S3、将希尔伯特空间作为语音信号新的特征空间，对F(x)系列点之间的相似关系进行分析，并采取高维超球覆盖方法得到模式识别模块；S4、在希尔伯特空间中，对语音信号进行模式识别，完成语音识别。本发明的最大特点是算法中没有FFT,复杂度低，算法简单，适合于较小的模块化机器人的声控系统。 | ||||||
| 10 | 一种模块化机器人语音识别算法及其语音识别模块 | CN201610415209.3 | 2016-06-14 | CN106157949A | 2016-11-23 | 张伟; 殷业; 胡浪; 杨二狼; 张亚; 许佳佳; 刘舒畅 |
| 本发明公开了一种模块化机器人语音识别算法，包括以下步骤：S1、对语音特征函数f(x)间隔采样，得到m个函数值(X0(E),X1(E),L,Xm(E))；S2、以X0,X1，L,Xm作为希尔伯特空间的坐标，将时域中的特征函数f(X)＝{X0(E),X1(E),L,Xm(E)}转化为m维希尔伯特空间中的点，并将语音采样函数族F(x)转化为了希尔伯特空间中的一系列点；S3、将希尔伯特空间作为语音信号新的特征空间，对F(x)系列点之间的相似关系进行分析，并采取高维超球覆盖方法得到模式识别模块；S4、在希尔伯特空间中，对语音信号进行模式识别，完成语音识别。本发明的最大特点是算法中没有FFT,复杂度低，算法简单，适合于较小的模块化机器人的声控系统。 | ||||||
| 11 | 量子体系的本征态获取方法、装置、设备及存储介质 | CN202111130173.1 | 2021-09-26 | CN113807526A | 2021-12-17 | 吴建澜; 尹艺; 占泽 |
| 本申请公开了一种量子体系的本征态获取方法、装置、设备及存储介质，特别涉及量子技术领域。所述方法包括：对目标量子体系中包含的多个粒子进行团簇划分，得到多个团簇，每个团簇中包含至少一个粒子；根据多个团簇分别对应的本征态，得到多个直积态；从多个直积态中，选择部分直积态作为一组基矢来表征一压缩的希尔伯特空间；获取目标量子体系的哈密顿量，在压缩的希尔伯特空间中的等效哈密顿量；获取等效哈密顿量的本征态和本征能量，作为目标量子体系的本征态和本征能量。本申请通过将目标量子体系划分为多个团簇，利用多个团簇的本征态构建压缩的希尔伯特空间，压缩了希尔伯特空间的维度，减少了本征态获取的计算量。 | ||||||
| 12 | 一种基于HSIC和RKHS子空间学习的域自适应方法 | CN202011167557.6 | 2020-10-27 | CN112287811A | 2021-01-29 | 詹增荣; 余明辉; 杨鹏; 马争鸣 |
| 本发明提出一种基于希尔伯特‑斯密特独立性准则和再生核希尔伯特空间子空间学习的域自适应方法。本发明把源域数据集和目标域数据集变换到一个再生核希尔伯特空间，然后再投影到再生核希尔伯特空间的一个子空间，子空间按照源域数据集和目标域数据集之间的希尔伯特‑斯密特独立性准则最大化确定。子空间确定后，在子空间里利用源域数据的已知类别识别目标域数据类别。本发明基于希尔伯特‑斯密特独立性准则和再生核希尔伯特空间子空间学习，构建了一个利用证件照片上的人脸(源域数据)识别抓拍照片上的人脸(目标域数据)的人脸识别系统，能够提高人脸识别得到准确率。 | ||||||
| 13 | 量子体系的本征态获取方法、装置、设备及存储介质 | CN202111130173.1 | 2021-09-26 | CN113807526B | 2024-03-29 | 吴建澜; 尹艺; 占泽 |
| 本申请公开了一种量子体系的本征态获取方法、装置、设备及存储介质，特别涉及量子技术领域。所述方法包括：对目标量子体系中包含的多个粒子进行团簇划分，得到多个团簇，每个团簇中包含至少一个粒子；根据多个团簇分别对应的本征态，得到多个直积态；从多个直积态中，选择部分直积态作为一组基矢来表征一压缩的希尔伯特空间；获取目标量子体系的哈密顿量，在压缩的希尔伯特空间中的等效哈密顿量；获取等效哈密顿量的本征态和本征能量，作为目标量子体系的本征态和本征能量。本申请通过将目标量子体系划分为多个团簇，利用多个团簇的本征态构建压缩的希尔伯特空间，压缩了希尔伯特空间的维度，减少了本征态获取的计算量。 | ||||||
| 14 | 地震波数值模拟方法、装置、介质及电子设备 | CN202011150064.1 | 2020-10-23 | CN114491897A | 2022-05-13 | 韩德超; 杨丽; 佘德平; 赵磊; 司文朋 |
| 本发明公开了地震波数值模拟方法、装置、介质及电子设备，该方法包括：生成全模型非结构网格；在全模型非结构网格中获取当前模拟炮对应计算范围内的网格单元的质心，建立质心单元；使用希尔伯特空间填充曲线填充计算范围内的网格单元构成的空间，建立质心单元与希尔伯特空间填充曲线序列的对应关系；删除希尔伯特空间填充曲线序列中的空序号；对计算范围内的网格单元构成的区域进行划分；基于划分后的区域进行地震波数值模拟计算。本发明利用基于空间填充曲线的区域划分，将网格划分为不同的计算区域，保持网格之间的相邻特征，保证各个子区域的网格单元数目相近，提高对非结构网格的划分效率，减少计算消耗，地震波数值模拟计算效率高。 | ||||||
| 15 | 一种隔离分布核构建方法、异常数据检测方法及装置 | CN202010565100.4 | 2020-06-19 | CN111666316A | 2020-09-15 | 陈开明; 徐碧村; 鷲尾隆; 周志华 |
| 本发明公开了一种隔离分布核构建方法、异常数据检测方法及装置，属于机器学习和数据挖掘技术领域。采用的新的隔离分布核，给定一个数据集，将输入空间划分为隔离分区：每个分区将一个点与训练集中的其余点隔离。在执行点异常检测时，隔离分布核被用于测量点与给定数据集之间的相似性，似度最低的点被视为点异常，为了检测群数据集中的群异常，在两个层级使用隔离分布核，在第一级，将输入空间中数据集中的每个群都映射到希尔伯特空间一个点，在第二级，使用IDK测量希尔伯特空间映射后的点和点集之间的相似性，希尔伯特空间点异常为对应输入空间中群异常，隔离分布核实现有限维度的特征映射，从而加快运行效率，并且利用数据分布提高相似性精度。 | ||||||
| 16 | 一种隔离分布核构建方法、异常数据检测方法及装置 | CN202010565100.4 | 2020-06-19 | CN111666316B | 2023-09-15 | 陈开明; 徐碧村; 鷲尾隆; 周志华 |
| 本发明公开了一种隔离分布核构建方法、异常数据检测方法及装置，属于机器学习和数据挖掘技术领域。采用的新的隔离分布核，给定一个数据集，将输入空间划分为隔离分区：每个分区将一个点与训练集中的其余点隔离。在执行点异常检测时，隔离分布核被用于测量点与给定数据集之间的相似性，似度最低的点被视为点异常，为了检测群数据集中的群异常，在两个层级使用隔离分布核，在第一级，将输入空间中数据集中的每个群都映射到希尔伯特空间一个点，在第二级，使用IDK测量希尔伯特空间映射后的点和点集之间的相似性，希尔伯特空间点异常为对应输入空间中群异常，隔离分布核实现有限维度的特征映射，从而加快运行效率，并且利用数据分布提高相似性精度。 | ||||||
| 17 | 基于广义循环相关熵的无线电信号载波频率估计方法 | CN201710856120.5 | 2017-09-21 | CN107517173B | 2019-08-13 | 邱天爽; 刘涛; 李景春; 李蓉 |
| 本发明属于信号处理技术领域，涉及一种基于广义循环相关熵的无线电信号载波频率估计方法，在无线电信号监测中用于解决无线电信号载波频率的估计问题；首先，利用已知信号，分别计算信号在欧式空间中的相关函数及在希尔伯特空间中的相关熵；其次，当已知信号具有二阶循环平稳特性时，得到一个基于有限维欧式空间和无限维希尔伯特空间的复合相关熵；最后，计算已知信号的广义循环相关熵，做三维立体图，由频谱尖峰得到原始信号的载波频率。本发明能够提高对脉冲噪声、高斯噪声及两种混合噪声的鲁棒性，实现更高精度的无线电信号载波频率估计。 | ||||||
| 18 | 一种基于稀疏非线性子空间迁移的图像分类方法 | CN201610748644.8 | 2016-08-29 | CN106326935A | 2017-01-11 | 张磊; 邓平聆; 段青言 |
| 本发明公开了一种基于稀疏非线性子空间迁移的图像分类方法，它首先通过核方法把数据从原始空间映射到再生的核希尔伯特空间，在核希尔伯特空间，由一个预先定义的基础转换P，将目标域训练数据XT通过基础转换P映射到预设子空间得到目标数据PXT，将源域训练数据XS通过基础转换P映射到预设子空间得到P[XS,XT]，源域数据P[XS,XT]通过稀疏矩阵Z转换，与PXT在预设子空间内共享分布。本发明的技术效果是：提高了图像数据在预设子空间迁移的准确度；能适用于非线性数据的转换。 | ||||||
| 19 | 一种跨脑区人工神经通路的建模方法 | CN202110559426.0 | 2021-05-21 | CN114049964A | 2022-02-15 | 潘纲; 王怡雯; 钱存乐 |
| 本发明公开了一种脑区脉冲神经信号的预测方法，包括如下步骤：1)、多脑区神经群脉冲信号同步采集；2)、神经群脉冲信号的标定；3)、神经群脉冲信号的预处理；4)、构建非离散化的神经脉冲序列核函数；5)再生核希尔伯特空间的降维；6)再生核希尔伯特空间中的人工神经通路模型的求解；7)人工神经通路模型的评价；8)人工神经通路模型的可视化。本建模方法使用基于时序神经脉冲输入的非离散神经脉冲序列核函数，具备较高的输出信号预测精度、较高的计算效率、较稳定的性能，用于指导认知神经功能的康复。 | ||||||
| 20 | 基于广义循环相关熵的无线电信号载波频率估计方法 | CN201710856120.5 | 2017-09-21 | CN107517173A | 2017-12-26 | 邱天爽; 刘涛; 李景春; 李蓉 |
| 本发明属于信号处理技术领域，涉及一种基于广义循环相关熵的无线电信号载波频率估计方法，在无线电信号监测中用于解决无线电信号载波频率的估计问题；首先，利用已知信号，分别计算信号在欧式空间中的相关函数及在希尔伯特空间中的相关熵；其次，当已知信号具有二阶循环平稳特性时，得到一个基于有限维欧式空间和无限维希尔伯特空间的复合相关熵；最后，计算已知信号的广义循环相关熵，做三维立体图，由频谱尖峰得到原始信号的载波频率。本发明能够提高对脉冲噪声、高斯噪声及两种混合噪声的鲁棒性，实现更高精度的无线电信号载波频率估计。 | ||||||
QQ群二维码
意见反馈
意见反馈