-
Patent Agency Ranking
公开(公告)号：CN112417447A
公开(公告)日：2021-02-26
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN111126801A
公开(公告)日：2020-05-08
申请号：CN201911259996.7
申请日：2019-12-10
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于装备试验鉴定技术领域，具体涉及一种针对装备保障能力的基于信息熵的层次分析评估系统。与现有技术相比较，本发明在进行试验评估时，针对装备保障能力的试验数据的不确定性造成的影响不可忽视，通过将其试验数据的不确定性进行量化表示，在进行层次化方法评估时，通过增加数据定量化信息，获取试验数据的可信度，为其赋相应的不确定性权重，增加层次分析法的数据定量信息，可有效提高评估准确性。
-
公开(公告)号：CN112418289B
公开(公告)日：2021-08-03
申请号：CN202011286164.7
申请日：2020-11-17
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。
-
公开(公告)号：CN112417447B
公开(公告)日：2021-07-20
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN112418289A
公开(公告)日：2021-02-26
申请号：CN202011286164.7
申请日：2020-11-17
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。
-
-
-
-
Search Results
5
records
(took 0.035 seconds)
