-
公开(公告)号：CN117437452A
公开(公告)日：2024-01-23
申请号：CN202311675086.3
申请日：2023-12-07
Applicant: 北京理工大学
IPC: G06V10/762 , G06V10/42 , G06V10/44 , G06V10/82 , G06F18/23213 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及整合两种约束的多视图深度半监督图像聚类方法，属于计算机与信息科学技术领域。本发明首先使用卷积神经网络和残差神经网络提取原始图像的空间特征，得到图像的局部形状特征视图和全局结构特征视图；其次将原始图像视图和上述两个视图通过自编码器网络构建多视图特征空间并初始化其聚类中心；然后将数据中的标签约束和成对约束整合为成对关系矩阵；最后使用初始聚类中心和成对关系矩阵组成损失函数，迭代更新聚类中心并得到聚类结果。本发明针对现有方法忽略了不同约束条件的关联性，在含噪约束条件下，聚类结果易受错误约束条件影响的问题，提出整合两种约束的多视图深度半监督图像聚类方法，提高聚类准确率。
-
公开(公告)号：CN115118451B
公开(公告)日：2023-09-08
申请号：CN202210536021.X
申请日：2022-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及结合图嵌入知识建模的网络入侵检测方法，属于计算机与信息科学技术领域。本发明首先对网络入侵流量数据包进行特征提取，定义特征节点与数据包节点类别，并根据节点之间的关系构造流量异构网络；然后基于元路径的游走方法生成节点上下文序列，训练图嵌入模型生成节点的特征向量表示；最后，根据模型生成测试集节点的特征向量表示，采用基于节点相似度计算的方法判别节点标签，实现对网络入侵流量的检测。优化了网络流量数据结构复杂情况下，当前深度学习网络入侵检测模型无法充分捕获节点之间拓扑结构关系和特征权重选择不当的问题。针对网络入侵流量本发明能达到较好的分类效果，进一步提升了网络入侵检测的正确率。
-
公开(公告)号：CN116318877A
公开(公告)日：2023-06-23
申请号：CN202310123302.7
申请日：2023-02-16
Applicant: 北京理工大学
IPC: H04L9/40 , H04L41/14 , G06F18/2415 , G06F18/22 , G06F18/23
Abstract: 本发明涉及利用多种特征流形向量的入侵检测系统对抗样本防御方法，属于计算机与信息科学领域。本发明首先对网络流量样本提取多种特征：利用径向神经网络计算样本类别预测概率，基于注意力机制计算样本特征权重并提取高权重特征，计算样本特征间相关度并提出随机递归式特征消除算法选择高相关度特征；其次，将多种特征映射为低维流形向量，并分别与良性、恶意流量样本流形向量计算相似度；最后，依据流形相似度利用降噪自编码器生成重构特征后的流量样本，再通过入侵检测系统进行判别。本发明基于多种特征流形相似度对样本特征进行重构，降低了特征中对抗性扰动对检测精度的影响，提升了入侵检测系统对对抗样本的防御能力。
-
公开(公告)号：CN115757714A
公开(公告)日：2023-03-07
申请号：CN202211331155.4
申请日：2022-10-28
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F17/10 , G06F18/214 , G06F18/22 , G06N3/0464
Abstract: 本发明涉及一种强化关联度计算的小样本用户多意图识别方法，属于自然语言处理领域。本发明旨在为用户对话样本标定多个意图标签，首先，利用BERT提取用户对话样本及其对应标签的嵌入表示；其次，计算支持集中标签与样本的关联度以增强标签原型表示，利用标签原型和查询样本构建原型网络；然后，计算多个领域的通用阈值和小样本领域的特定阈值，并以其他领域样本与查询样本的关联度均值为系数计算原型网络阈值；最后，根据原型网络阈值筛选出查询样本对应的多个意图标签。本发明提出强化关联度计算方法，同时考虑嵌入表示的特征值差异和特征维度差异，进一步降低标签间的干扰，并改进原型网络阈值计算方法，有效提升多意图识别任务的准确率。
-
公开(公告)号：CN110334904B
公开(公告)日：2023-03-03
申请号：CN201910459822.9
申请日：2019-05-30
Applicant: 北京理工大学
IPC: G06F16/84
Abstract: 本发明涉及基于LightGBM的关键信息基础设施类型单位归属判定方法，属于网络空间安全与机器学习领域。主要为了解决传统的依赖人力对关键信息基础设施类型进行标注的效率低、可扩展性差的问题。本发明提出一种基于机器学习算法，结合多类型、多截面数据采集及特征表达的关键信息基础设施资产特征优化表达与多目标分类技术研究方法，在此基础上构建关键信息基础设施类型归属判别应用系统，根据设施资产数据判定其属于哪一类的关键信息基础设施(如政府机关、国防科工、广播电台、运营商等等)，实现对关键信息基础设施类型归属的识别认定。实验结果表明，本发明提出的算法的准确率和查全率较好，与规则匹配方法相比，具有很好的判定效果。
-
Patent Agency Ranking
公开(公告)号：CN113240041B
公开(公告)日：2022-11-08
申请号：CN202110607066.7
申请日：2021-05-28
Applicant: 北京理工大学
Abstract: 本发明涉及融合影响因子的二进制函数相似性检测方法，属于网络安全技术领域。主要为了解决基于图嵌入的二进制函数相似性检测方法中由于忽略后继结点和邻居结点对于顶点的不同影响而导致的信息损失问题。本发明首先对两个二进制函数进行预处理，得到两个二进制函数的控制流程图(CFG1，CFG2)；然后对CFG中的每个基本块进行特征提取，将其表示成特征向量，生成对应的属性控制流图(ACFG1，ACFG2)；接下来将两个函数的属性控制流程图ACFG1，ACFG2输入到两个完全相同的图嵌入网络中，转换成对应的高维向量。通过最小化目标函数训练图嵌入网络中的参数，计算两个高维向量的余弦距离，输出两个二进制函数的相似度。提高了二进制函数相似性检测的准确率。
-
公开(公告)号：CN113221872B
公开(公告)日：2022-09-20
申请号：CN202110607067.1
申请日：2021-05-28
Applicant: 北京理工大学
Abstract: 本发明涉及生成对抗网络与多模态融合的假新闻检测方法，属于机器学习领域。主要为了解决单模态假新闻检测特征不足，多模态假新闻检测中不同模态特征之间异质性较大且拼接方式简单，模型训练过程局限于单一数据集，导致假新闻检测准确率和模型泛化性低下的问题。本发明首先需要训练条件生成对抗网络，该网络可以根据输入图片输出描述图片的文本特征；然后提取新闻的文本特征和图片特征，使用条件生成对抗网络将新闻图片特征转化为文本特征，将新闻文本特征、描述新闻图片的文本特征和新闻的图片特征进行张量融合；最后，将融合的特征输入神经网络得到新闻真实性的分类结果。
-
公开(公告)号：CN115056825A
公开(公告)日：2022-09-16
申请号：CN202210536855.0
申请日：2022-05-17
Applicant: 北京理工大学
IPC: B61L27/04
Abstract: 本发明涉及自适应性能的列车加速方法，属于计算机与信息科学技术领域。本发明首先对含噪的列车运行数据建立目标列车性能估计模型，拟合级位序列和速度与加速度之间的函数关系；然后依次查询不同速度区间下各级位对应加速度值，建立加速度随级位和速度变化的关系表，称为列车专属性能表；最后将加速度范围约束引入专属性能表，逐车生成与目标车辆相适配的推荐速度。本发明利用车辆专属性能表，对推荐加速度范围进行约束，生成与受控列车匹配的自适应性能推荐速度，减少级位切换频率，提高自动驾驶平稳性及节能水平。
-
公开(公告)号：CN114780945A
公开(公告)日：2022-07-22
申请号：CN202210432983.0
申请日：2022-04-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种计算机网络安全检测系统及方法，包括虚拟验证系统，所述虚拟验证系统与二次装载单元对接，所述虚拟验证系统用于提供待装载APP的临时安装空间，控制待装载APP授权后进行装载并运行APP，进行虚拟敏感信息模拟后，对APP获取的信息对应权限进行验证，本发明涉及网络安全检测技术领域。该计算机网络安全检测系统及方法，通过构建出APP的临时安装空间，对APP进行试运行，并通过模拟虚假敏感信息的方式提供数据源，再通过权限分类的方式进行敏感信息的权限验证，有效识别出APP的敏感信息获取程度，进行实现对APP的安全检测，有效保证计算机用户在安装不明来源APP时的网络安全，保障计算机用户使用APP时的安全性。
-
公开(公告)号：CN113255225A
公开(公告)日：2021-08-13
申请号：CN202110617467.0
申请日：2021-05-28
Applicant: 北京理工大学
Abstract: 本发明涉及少样本元提升学习的列车运动状态估计方法，属于计算机与信息科学技术领域。主要为解决现有的列车运动状态建模方法无论是物理模型或是机器学习模型，均存在高成本建模问题，难以针对特定列车实现模型在线持续自适应以精确仿真，存在系统性仿真误差，而且难以满足列车自动驾驶系统的实时仿真等应用需求问题。本发明首先基于元数据采用元梯度提升学习算法建立模型，然后面向新任务，基于少量数据采用任务梯度提升学习算法，完成任务模型学习，实现对新列车的快速低成本精确仿真。结果表明本发明能较为准确的估计的列车运动状态，既减少了模型的训练成本，又提高了列车运动状态估计的精确度。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.025 seconds)
