Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学刘环宇获国家专利权

哈尔滨工业大学刘环宇获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉哈尔滨工业大学申请的专利一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119513481B

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411582239.4,技术领域涉及:G06F17/18;该发明授权一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法是由刘环宇;王鹏程;李君宝设计研发完成,并于2024-11-07向国家知识产权局提交的专利申请。

一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法在说明书摘要公布了:本发明是一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法。本发明涉及目标检测技术领域,本发明在目标检测过程中,进行多层次搜索空间构建,在复杂的性能曲面场景中实现高效的核函数组合与优化;建立多尺度协同自适应核体系的渐进采样优化策略,逐步优化核函数组合结构和参数,提高高斯过程模型对目标检测性能曲面的拟合精度。本发明方法主要用于解决多维干扰条件下的模型性能评估问题,通过优化核函数组合与参数调优,提高目标检测模型在复杂环境中的性能评估效率和准确性。

本发明授权一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法在权利要求书中公布了:1.一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法,其特征是:所述方法包括以下步骤: 步骤1:在目标检测过程中,进行多层次搜索空间构建,在复杂的性能曲面场景中实现高效的核函数组合与优化; 步骤2:建立多尺度协同自适应核体系的渐进采样优化策略,逐步优化核函数组合结构和参数,提高高斯过程模型对目标检测性能曲面的拟合精度; 进行多尺度核结构协同进化探索: 定义基础核函数集合K={k1,k2,...,k8},其中每个ki表示一种基本核函数类型,运算符集合定义为o={+,×},分别表示核函数之间的加法和乘法组合; 每个染色体被编码为一个符号表达式,表示特定的核函数组合形式,染色体的基因序列由核函数和运算符交替组成,结构如下: 其中,kij∈K表示从基础核函数集合中选取的核函数,opj∈O表示从运算符集合中选取的运算符,n表示核函数的数量; 基于上述编码策略,核函数组合的搜索空间S被定义为所有的核函数和运算符序列的集合: 搜索空间的规模由核函数数量n和运算符数量n-1决定,其大小为: |S|=|K|n×|O|n-1 其中,|K|表示核函数的数量,|O|表示运算符的数量; 通过动态调整目标阈值,使适应度评估随着算法的迭代不断优化,确保搜索过程始终朝向更优的解集,定义如下: fC=Ttarget-Eavg 其中,fC表示染色体C的适应度值,Ttarget表示的是目标阈值,Eavg是染色体在K’折验证中的平均误差,在每次迭代后,目标阈值Ttarget会动态调整为所有染色体的平均K’折训练误差按降序排列的30%分位点值; 采用了基于适应度比例的概率选择策略,使适应度高的染色体被选中传递到下一代,同时保留一定的随机性以维护种群的多样性, 通过重组父代染色体的部分基因,生成具有新核函数组合的后代染色体; 其中,r是交叉点的位置,在交叉点r处,将C1和C2的部分进行交换,交换后产生新染色体C′1和C′2; 所述步骤2还包括:进行递进式权重参数精细调优,采用鲸鱼优化算法对组合核函数进行优化,通过精细调节每个子核函数的权重系数,增强模型对数据中复杂非线性关系的捕捉能力,从而提升模型的预测性能; 构建的组合核函数由n个子核函数kix,x′;θi组成,为实现对复杂非线性关系的精细拟合,为每个子核函数引入了一个权重系数αi,权重系数的引入允许模型在不同区域对不同核函数赋予不同的重要性,从而更好地适应数据的局部变化,引入权重系数后的组合核函数定义如下: 为了评估高斯过程模型在参数优化过程中的表现,基于K’折交叉验证误差的组合核函数适应度评估目标函数,目标函数定义为所有折的验证误差的平均值: 其中,α={α1,α2,...,αn}表示各子核函数的权重系数,θ={θ1,θ2,...,θn}表示各子核函数的参数集合,Ek’α,θ表示组合核函数Cx,x′;α,θ在第k’折验证集上的误差; 在气泡网攻击阶段,权重系数αi和核函数参数θi的更新策略如下: A=2a·r-a 其中,αit和θit分别代表当前迭代次数t的权重系数和核函数参数,和当前迭代次数t的最优解的权重系数和核函数参数,a是是随着迭代次数线性衰减的因子,r是介于0和1之间的随机数,探索和开发阶段的参数更新策略如下: 其中,αrand,i和θrand,i分别为种群中随机选取的权重系数和核函数参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。