-
公开(公告)号：CN108040041B
公开(公告)日：2020-08-25
申请号：CN201711265665.5
申请日：2017-12-05
Applicant: 东北大学
Abstract: 本发明属于图像数据传输领域，提出了一种基于业务驱动的图像差异传输协议设计系统及方法。该协议结合实际需求以及图像压缩编码对图像传输过程进行了分析设计，利用网络协议工程设计了一个具有图像差异传输功能，可高效、灵活解决共享问题的应用层协议；由于下层为TCP可靠协议提供支持，对于定长参数的控制信息报文的传输非常稳定，不存在需解决的关键问题，但该协议的传输重点即图像差异传输过程，在内容无错的情况下进行性能调优，是提高整个系统使用过程的稳定性与交互体验的关键。
-
公开(公告)号：CN110363779A
公开(公告)日：2019-10-22
申请号：CN201910649115.6
申请日：2019-07-18
Applicant: 东北大学
Abstract: 本发明提供一种数字图像分割及并行化方法，包括：读取图像数据；计算能量矩阵；调用PushKernel()核函数；调用PullKernel()函数，重复调用m次PullKernel()函数后调用RelabelKernel()核函数，读取结点高度值；根据迭代层数k判断结点高度是否可以重标记，若满足条件，则更新高度值，将结点状态更新到Active状态。本发明的技术方案针对GPU的特性，启用常量存储器，达到提升整体带宽的作用。利用存储器的特性，进行任务的分配，以达到存储器大小和并行线程数量完全匹配，改进效率。对于图像分割的第二步，将原有的压入操作拆解成两步，分为Push和Pull两步操作，更利于后续的操作；引入新的重标记过程，利用广度优先遍历的方式，全局的对所有结点的高度进行重标记，减少算法的整体迭代次数，显著提高算法运行效率。
-
公开(公告)号：CN110309424A
公开(公告)日：2019-10-08
申请号：CN201910601112.5
申请日：2019-07-04
Applicant: 东北大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明提供一种基于粗糙聚类的社会化推荐方法，包括：将用户的社会化评分数据构造评分矩阵；计算除所述第一个初始聚类中心外的其他的聚类中心，将所述聚类中心按照密度函数从大到小排序后；分别计算每个所述剩余用户到K个聚类中心的余弦相似度及最大相似度进而进行聚类划分；计算非聚类中心用户的权重值wi与聚类集合的近似集合影响因子；根据所述预测评分的高低形成由高至低的推荐项目集合，为目标用户进行项目推荐。本文提出的一种基于粗糙聚类的社会化推荐算法，通过计算数据对象的密度函数对K-means聚类推荐算法进行改进，优化了初始聚类中心的选取问题，实现了粗糙集上、下近似集合的权重自适应，并采用余弦相似度替换传统的欧氏距离计算方式。
-
公开(公告)号：CN106484401B
公开(公告)日：2019-07-23
申请号：CN201610843591.8
申请日：2016-09-23
Applicant: 东北大学
Abstract: 本发明提供一种面向对象软件的自动化重构方法，涉及软件质量的改善技术领域。该方法将待重构软件系统构建为类级多层依赖有向网络模型，进行重构预处理，合并类级网络连通片，将每个类级网络连通片转换为同种类型实体集合，分析每个实体集合元素之间的语义和结构耦合关系，构建方法级耦合无向网络模型，确定无向网络中节点间不同类型耦合关系权值系数，对每个方法级网络进行社团划分，生成重构建议，对待重构软件系统进行重构。本发明从整个软件系统全局内聚性及耦合性角度出发，结合语义相似性、结构相似性和层次聚类算法，同时生成搬移函数、搬移属性和提炼类重构操作建议，有效提高代码的可理解性、可重用性和可维护性。
-
公开(公告)号：CN108984416A
公开(公告)日：2018-12-11
申请号：CN201810891476.7
申请日：2018-08-07
Applicant: 东北大学
IPC: G06F11/36
Abstract: 本发明提出一种评估Maven环境中依赖冲突危险级别的方法，流程包括：步骤1：获取到当前项目中使用的所有第三方依赖，包括直接依赖和间接依赖；步骤2：对当前项目所有直接依赖和间接依赖进行遍历，识别当前项目中出现的所有依赖冲突；步骤3：针对当前项目中的每个依赖冲突进行NoClass危险级别的评估：步骤4：针对项目中的每个依赖冲突进行NoMethod危险级别的评估：步骤5：对评估结果进行封装，向开发者展现评估结果。本发明不仅可以检测到项目中存在的依赖冲突，而且对依赖冲突的危险等级进行了有效的评估，帮助开发者更清晰地了解项目中存在的依赖冲突的危险性，优先处理高等级的依赖冲突，可以在有限的时间内最大程度的降低软件在运行时的出现xx-not-found-bug的风险。
-
Patent Agency Ranking
公开(公告)号：CN105528296B
公开(公告)日：2018-10-23
申请号：CN201610021303.0
申请日：2016-01-13
Applicant: 东北大学
IPC: G06F11/36
Abstract: 本发明提供一种面向对象软件的类簇测试方法，将待测试软件系统构建为有向环路网络；遍历有向环路网络中的所有类节点计算测试重要度；遍历有向环路网络中的所有强连通分量，计算各环路中的各条边所对应的测试桩复杂度；对环路中的每一条边赋予权值并进行移除环路操作；生成类级集成测试序列对待测试软件系统进行类簇测试。本发明将软件系统中容易出错的类以及发生错误后波及范围较大的类视为重要测试节点，将类的复杂性和类的错误传播影响力结合起来，以尽早发现软件缺陷和有效控制错误的传播范围为测试目标，结合类的测试重要度打破软件系统网络的环路，生成集成测试序列，既保证测试重要度值高的节点优先被测试，又降低了测试桩总体复杂度。
-
公开(公告)号：CN108229194A
公开(公告)日：2018-06-29
申请号：CN201810063188.2
申请日：2018-01-18
Applicant: 东北大学
IPC: G06F21/60
Abstract: 本发明属于图像加密技术领域，涉及多线程模型、信息隐藏、以及多级置乱的数字图像加密方法。充分利用像素级和比特级置乱的优势，将不同比特级置乱操作置入不同的线程中并发运行，降低比特级置乱的运行速度，并结合像素级置乱的特点，设计了基于多线程模型和多级置乱的数字图像置乱架构。这种置乱方法可以嵌入于任何图像加密算法的置乱阶段。相比传统置乱方法，本方法能够在置乱阶段显著改变明文的统计学信息，并具有安全性高，时效性较好的特点。
-
公开(公告)号：CN105979562A
公开(公告)日：2016-09-28
申请号：CN201610227684.8
申请日：2016-04-13
Applicant: 东北大学
Abstract: 可保证协作通信中全局误码率性能的中继节点选择方法，属于无线通信的可靠性传输领域。随机生成每个传输对所对应的直通链路的信道系数矩阵A、源节点与候选中继节点之间的信道系数矩阵B、候选中继节点到目的节点的信道系数矩阵C；按照直通链路信道质量从低到高的顺序对传输对进行顺序排序；根据候选中继节点个数n与候选中继节点阈值δ的大小关系，依照信息传输对的排序顺序，逐一为m个信息传输对选择其各自的当前最优中继节点；每个传输对使用其各自的最优中继节点进行信息传输。在中继节点选择过程中综合考虑每个候选中继节点对应的两段信道的信道质量，同时衡量整个网络的信息传输可靠性，同时保证了信息传输的全局可靠性和全局误码率性能。
-
公开(公告)号：CN102395034B
公开(公告)日：2013-04-10
申请号：CN201110436393.7
申请日：2011-12-22
Applicant: 东北大学
IPC: H04N7/26
Abstract: 一种基于帧内预测的MPEG-4视频混沌加密方法，涉及视频加密技术领域，本发明提出的基于帧内预测的MPEG-4视频混沌加密方法，通过选择性的针对I帧中第一行和第一列的DC系数以及P帧、B帧中帧内编码宏块的DC系数来完成对视频序列的加密，本发明方法在保证基本的文娱类视频应用安全需求的前提下，具有加密效率高、压缩比影响小和实时性强等特点，可应用于实时监控、视频直播、付费电视等视频领域；此外，在发明所提出的算法框架具有一定的伸缩性，即具体的加密操作和密钥流发生器可以根据安全性的需求而灵活改变，对于高安全性的加密需求，可以选择使用随机性好、复杂度高的其它加密算法来完成，以实现一个更好的密码学安全性。
-
公开(公告)号：CN118350999A
公开(公告)日：2024-07-16
申请号：CN202410513038.2
申请日：2024-04-26
Applicant: 东北大学
IPC: G06T3/4076 , G06T5/73 , G06T5/60 , G06V10/54 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455
Abstract: 本发明公开一种基于多尺度Transformer和纹理增强的图像超分辨率方法，涉及图像处理技术领域。首先，本发明的模型中使用了更丰富的网络结构对图像进行特征提取，能够更准确的恢复高分辨率图像；其次，本发明采取了一种级联训练的方式来优化超分辨率模型的重建过程，能够对于图像中的纹理做到更细致的恢复；此外，本发明具有很强的实用性，即可适用于流媒体等对于感知效果要求较高的领域，也能适用于卫星遥感对图像恢复精度要求较高的领域；最后，本方法具有较强的拓展性，除了现在的图像分类之外，还可以和物体识别、语义分割等任务配合使用。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.092 seconds)
