-
公开(公告)号：CN114697096A
公开(公告)日：2022-07-01
申请号：CN202210286036.5
申请日：2022-03-23
Applicant: 重庆邮电大学
Abstract: 本发明属于入侵检测领域，涉及基于空时特征和注意力机制的入侵检测方法。该方法包括以下步骤：S1)将所用的数据进行预处理；S2)采用多尺度卷积神经网络提出数据的空间域特征；S3)采用双向长短记忆网路提取数据的时间域特征；S4)将融合后的时间特征加入注意力机制并通过softmax分类器分类。提出一种基于空时特征集合和注意力机制的入侵检测方法，该方法根据入侵检测数据具有空时特征的特性，从不同角度充分提取特征信息，相对于传统的入侵检测方法更加的强大，具有更优的入侵检测性能。
-
Patent Agency Ranking
公开(公告)号：CN113055850A
公开(公告)日：2021-06-29
申请号：CN202110240672.X
申请日：2021-03-04
Applicant: 重庆邮电大学
Abstract: 本发明属于空天地一体化领域，涉及无人机巡航和无人机辅助通信技术领域，具体涉及一种无人机巡航通信的能量最小化方法。包括：建立无人机与地面节点之间的通信，设置满足边界节点通信的最小吞吐量Q，在边界节点达到最小吞吐量的前提下计算满足地面节点通信的无人机最优飞行速度；将整片矩形区域网格化，确定无人机最大化区域覆盖同时最小化能耗的飞行路径；计算无人机飞行时间、飞行通信相关的能量、无人机悬停时间和悬停通信相关的能量；计算在整个系统下无人机实现巡航通信的最小化能量。本发明能实现全区域通信覆盖，该发明在提升系统可行性的同时实现无人机通信的节能降耗。
-
公开(公告)号：CN116468909B
公开(公告)日：2025-04-29
申请号：CN202210007221.6
申请日：2022-01-05
Applicant: 重庆邮电大学
IPC: G06V10/58 , G06V10/40 , G06V10/764
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
-
公开(公告)号：CN114679699A
公开(公告)日：2022-06-28
申请号：CN202210285830.8
申请日：2022-03-23
Applicant: 重庆邮电大学
Abstract: 本发明属于空天地一体领域，涉及多无人机巡航和无人机辅助通信技术领域，具体涉及基于深度强化学习的多无人机节能巡航通信覆盖方法。包括：建立无人机与地面用户之间的通信，在满足地面用户通信条件下将目标区域进行栅格化；确定目标区域中的重点聚集点区域与普通目标区域，分别设置重点聚集点区域与普通目标区域的所对应的权值；设置环境中所需要的相关变量和评估指标，采用深度强化学习方法对多个无人机进行集中式训练、分布式执行；计算在整个网络中多无人机巡航覆盖目标区域的能量效率、目标区域的平均覆盖指数以及目标区域的公平覆盖指数。本发明能实现灾后全区域的通信覆盖，相比与其他方法，该发明在平均覆盖指数、公平覆盖指数以及能量效率上取得的效果更佳，在提升系统可行性的同时实现多无人机通信的节能降耗。
-
公开(公告)号：CN113055850B
公开(公告)日：2022-05-03
申请号：CN202110240672.X
申请日：2021-03-04
Applicant: 重庆邮电大学
Abstract: 本发明属于空天地一体化领域，涉及无人机巡航和无人机辅助通信技术领域，具体涉及一种无人机巡航通信的能量最小化方法。包括：建立无人机与地面节点之间的通信，设置满足边界节点通信的最小吞吐量Q，在边界节点达到最小吞吐量的前提下计算满足地面节点通信的无人机最优飞行速度；将整片矩形区域网格化，确定无人机最大化区域覆盖同时最小化能耗的飞行路径；计算无人机飞行时间、飞行通信相关的能量、无人机悬停时间和悬停通信相关的能量；计算在整个系统下无人机实现巡航通信的最小化能量。本发明能实现全区域通信覆盖，该发明在提升系统可行性的同时实现无人机通信的节能降耗。
-
公开(公告)号：CN116468909A
公开(公告)日：2023-07-21
申请号：CN202210007221.6
申请日：2022-01-05
Applicant: 重庆邮电大学
IPC: G06V10/58 , G06V10/40 , G06V10/764
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
