何鸣
- 作品数：6 被引量：14H指数：2
- 供职机构：哈尔滨工程大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程电子电信更多>>
- 基于卷积神经网络的水下目标特征提取方法被引量：8
- 2018年
- 针对水下目标特征提取问题,在卷积神经网的基础上,提出了一种新的网络结构。该框架通过引入特征图多维加权层,强化了特征图的空间信息,弥补了进入全连接层时空间特征的丢失。以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果。在仿真模拟实验上,该网络框架分类目标达到了78.61%的精度,与其他方法相比,有效提高了目标的识别精度。所提框架能有效分类识别水下目标,具有良好的识别精度,且具备模块化结构,无需复杂预处理,实现简单。
- 王念滨何鸣王红滨王红滨
- 关键词：目标识别卷积神经网络特征提取
- 基于多层优选卷积的水声信号样本自动标注方法
- 2024年
- 针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取更全面的特征信息。采用约减策略优化模型,有效缩短运算时间。通过优选、特征融合和注意力机制,有效解决此类问题。实验结果表明,该模型在数据集上取得的最好的标注准确率为高基线模型1.12%;同时运行时间减少了43.5%。因此,该模型的使用提高了水声信号标注的准确率和效率。
- 王红滨张帅何鸣陈夏可
- 关键词：水声信号声纹识别
- 基于机器视觉的视频SAR运动目标检测方法
- 2023年
- 在检测视频SAR运动目标时,无法精确获得动态图像中的运动目标,为解决存在的检测完整度低、有效性差等问题,提出基于机器视觉的视频SAR运动目标检测方法。首先,通过混合高斯模型匹配运动目标像素点,得到视频SAR运动图像的目标区域;其次,利用HSV模型及反射率算法去除运动目标所产生的阴影;最后,将处理后的目标区域输入YOLO算法中完成最终的视频SAR运动目标的检测。实验结果表明:本文算法的检测完整度高、检出率高、误检率低,检测有效性更佳。
- 武狄何鸣
- 关键词：混合高斯模型自适应阈值HSV模型反射率
- 试验环境水下声信号的特征提取方法
- 2024年
- 水下试验环境参数的反演是水声学研究领域的重要内容。而当前研究的关键是通过对水下声信号做特征提取从而获取参数信息。针对特征提取较难、模型很难拟合等问题。本文提出了一种试验环境水下声信号的特征提取方法。将水下声信号同时用梅尔频谱倒谱系数及线性预测系数处理,两者运用特征加权组合方法得到新的特征矩阵;再应用映射插值算法对特征矩阵进行处理,获得适应神经网络输入的三通道矩阵。本文选取的网络模型为残差神经网络。利用实验室所录制的对河口水库数据集测试表明,本文提出的特征提取方法普遍优于仅利用梅尔频谱倒谱系数或线性预测系数的特征处理方法。利用单频矩形脉冲信号对环境进行深度5分类,准确率平均提升2%。利用线性调频信号对环境进行深度5分类,准确率平均提升2.03%。本文提出的特征提取方法对线性调频信号在深度分类任务下处理的结果要优于单频矩形脉冲信号处理的结果。
- 王红滨王永乐何鸣何鸣
- 关键词：特征提取线性预测系数神经网络水下声信号
- 适用于水下目标识别的快速降维卷积模型被引量：7
- 2019年
- 针对传统卷积神经网络在相对较小的数据集上训练容易过拟合的问题,本文提出一个适用于水下目标识别的快速降维卷积网络模型(FRD-CMA)。该模型基于卷积核与特征图对应关系描述模型在数据集上的注意力,并以此进行快速降维,从而降低模型在小数据集上应用时存在的过拟合风险。FRD-CMA模型支持水下目标辐射噪声的端到端处理,通过提取辐射噪声的声音特征并依照水听器的时序关系进行矢量化处理,可以保持模型源输入特征不被破坏。试验结果表明:相较于之前的水下目标识别任务,FRD-CMA模型识别率提高5%,且模型训练时间缩短30%。
- 王念滨何鸣王红滨王红滨周连科
- 关键词：水下目标识别注意力模型卷积神经网络矢量化水听器
- 基于JAVA快逸报表工具软件的开发技巧
- 2008年
- 针对Web报表结构和特点,运用快逸报表工具软件生成动态报表文件,并简述其开发技巧。
- 齐白钰邢薇何鸣
- 关键词：报表JAVA
