-
公开(公告)号：CN115100733B
公开(公告)日：2024-09-13
申请号：CN202210480019.5
申请日：2022-05-05
Applicant: 中南大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06K17/00
Abstract: 本发明公开了一种RFID手势识别方法、计算机装置、产品及存储介质，获取用户手势产生的相位序列；对所述相位序列进行预处理，并标识手势类型；获取预处理后的相位序列的频谱图；将每个手势对应的频谱图作为训练样本，对每个训练样本进行配对，得到孪生网络数据集；利用所述孪生网络数据集训练孪生网络，得到RFID手势识别模型；将待识别的手势样本和已标识的手势样本进行一一配对，将配对后的数据作为所述RFID手势识别模型的输入，利用模板匹配的方法对待识别的手势样本进行识别。本发明方法不仅可以大幅降低识别模型所需的训练样本，减少无线感知系统的部署成本，而且取得了较高的识别精度，实用性强。
-
公开(公告)号：CN116996252A
公开(公告)日：2023-11-03
申请号：CN202310727713.7
申请日：2023-06-19
Applicant: 中南大学 , 郑州信大先进技术研究院
IPC: H04L9/40 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/096 , G06F18/2415
Abstract: 本发明公开了一种僵尸网络流量检测方法、设备及存储介质，该方法包括获取流量数据集，对流量数据集中的pcap文件进行预处理，得到输入向量；由输入向量及与该输入向量对应的类别构成样本数据集；构建并训练一维卷积神经网络模型，得到初始僵尸网络流量检测模型；确定待检测场景，获取待检测场景中的网络流量数据；对网络流量数据进行预处理，得到场景输入向量；标注每个场景输入向量的属性标签，由场景输入向量及与该场景输入向量对应的属性标签构成场景样本数据集；对初始僵尸网络流量检测模型进行迁移学习训练，得到目标僵尸网络流量检测模型。本发明实现了在无先验知识的条件下对传统僵尸网络流量通用的检测。
-
公开(公告)号：CN111585955B
公开(公告)日：2021-10-15
申请号：CN202010240561.4
申请日：2020-03-31
Applicant: 中南大学
IPC: H04L29/06 , H04L29/08 , G06F16/215 , G06F16/2458 , G06K9/62
Abstract: 本发明公开了一种HTTP请求异常检测方法及系统，首先对Web访问日志进行预处理，包括数据清洗和URL参数归类，接着利用DBSCAN算法对参数特征进行聚类和异常剔除，接下来对异常剔除后的参数值进行特征泛化和模板的自动抽取，最后依据模板匹配规则对HTTP请求的单个或多个参数值进行模板匹配，若所有参数值与模板均匹配成功则判定该请求为正常，否则为异常。本发明解决了现有Web应用防火墙对未知异常无法检测、更新维护成本高，或误报率高、需要获得标签数据的问题。
-
公开(公告)号：CN109934031B
公开(公告)日：2021-09-21
申请号：CN201910212008.7
申请日：2019-03-20
Applicant: 中南大学
IPC: G06K7/00
Abstract: 本专利发明了一种基于RFID系统的区分LOS/NLOS的方法及系统，首先，通过使用相位和RSS的联合方差范围设计了一个能精确区分LOS和NLOS路径的矩阵。第二，提出一个有效的减少在识别精度上相位模糊的负面影响的基于簇的方法。第三，只利用几个信道而不是全部信道和只用少数阅读去计算LOS/NLOS路径识别，这样可以极大的减少延时而又不失精度。本发明的方法精确度高，实时性好。
-
公开(公告)号：CN111585955A
公开(公告)日：2020-08-25
申请号：CN202010240561.4
申请日：2020-03-31
Applicant: 中南大学
IPC: H04L29/06 , H04L29/08 , G06F16/215 , G06F16/2458 , G06K9/62
Abstract: 本发明公开了一种HTTP请求异常检测方法及系统，首先对Web访问日志进行预处理，包括数据清洗和URL参数归类，接着利用DBSCAN算法对参数特征进行聚类和异常剔除，接下来对异常剔除后的参数值进行特征泛化和模板的自动抽取，最后依据模板匹配规则对HTTP请求的单个或多个参数值进行模板匹配，若所有参数值与模板均匹配成功则判定该请求为正常，否则为异常。本发明解决了现有Web应用防火墙对未知异常无法检测、更新维护成本高，或误报率高、需要获得标签数据的问题。
-
Patent Agency Ranking
公开(公告)号：CN110619294A
公开(公告)日：2019-12-27
申请号：CN201910840726.9
申请日：2019-09-06
Applicant: 中南大学
Abstract: 本发明公开了一种基于RFID系统定制的个性化口型识别方法，从RFID系统收集的用户信号数据进行预处理，该系统主要通过预处理的方法净化连续活动的原始相位值，以获得一段连续平滑的相位数据，便于后面的口型活动分析。针对连续的口型活动数据，设计一种基于静音阈值滤波器的检测方法进行分割活动，目的对连续活动进行分割获取单个的活动模式。对分割的单个活动提供有效的特征提取方法，通过统计特征和小波变换分别得到单个活动信号整体的抽象形态模型和具体细节特征。将提取的特征利用机器学习随机森林算法构建分类器模型，对未知活动进行预测识别。本发明方法对口型活动可以达到较高的分割准确率和识别准确率。
-
公开(公告)号：CN109934031A
公开(公告)日：2019-06-25
申请号：CN201910212008.7
申请日：2019-03-20
Applicant: 中南大学
IPC: G06K7/00
Abstract: 本专利发明了一种基于RFID系统的区分LOS/NLOS的方法及系统，首先，通过使用相位和RSS的联合方差范围设计了一个能精确区分LOS和NLOS路径的矩阵。第二，提出一个有效的减少在识别精度上相位模糊的负面影响的基于簇的方法。第三，只利用几个信道而不是全部信道和只用少数阅读去计算LOS/NLOS路径识别，这样可以极大的减少延时而又不失精度。本发明的方法精确度高，实时性好。
-
公开(公告)号：CN106502765B
公开(公告)日：2019-03-22
申请号：CN201610976424.0
申请日：2016-11-07
Applicant: 中南大学
Abstract: 本发明公开了一种适用于云数据中心的虚拟机放置方法，在云数据中心批量置备虚拟机时，首先按可用计算资源量降序排列可用物理机，然后在满足资源约束的情况下，通过计算镜像文件之间的相似度挑选出所需传输数据块数最少的一组虚拟机来依次填充每台物理机，直到所有虚拟机被放置完成。本发明在减少批量置备虚拟机的网络流量的同时，还使用尽可能少的物理机来装载虚拟机，从而缩短置备时间、提高云数据中心物理计算资源的利用率。
-
公开(公告)号：CN119135352A
公开(公告)日：2024-12-13
申请号：CN202411639717.0
申请日：2024-11-18
Applicant: 中南大学
IPC: H04L9/08 , H04L9/32 , H04L9/40 , H04L43/028 , H04L43/04 , H04L43/106
Abstract: 本发明公开了一种IoT设备行为签名构建方法，首先对网关捕获的混合流量进行处理，提取流量数据包信息，从会话级别将各种行为的流量进行切分，然后提取流量数据包的长度，时间间隔，协议类型等数据包级信息，并计算出现频次，构建行为的特征向量，采用DBSCAN聚类，获取不同行为的各自集群，并从每种行为集群中自动构建行为的签名，该签名由有序的数据包包头信息和统计特征组成，包含了区分相似设备行为的关键信息。本发明能够自动对混合流量进行处理，构建不同行为的签名，且具有极高的唯一标识性。
-
公开(公告)号：CN115100733A
公开(公告)日：2022-09-23
申请号：CN202210480019.5
申请日：2022-05-05
Applicant: 中南大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06K17/00
Abstract: 本发明公开了一种RFID手势识别方法、计算机装置、产品及存储介质，获取用户手势产生的相位序列；对所述相位序列进行预处理，并标识手势类型；获取预处理后的相位序列的频谱图；将每个手势对应的频谱图作为训练样本，对每个训练样本进行配对，得到孪生网络数据集；利用所述孪生网络数据集训练孪生网络，得到RFID手势识别模型；将待识别的手势样本和已标识的手势样本进行一一配对，将配对后的数据作为所述RFID手势识别模型的输入，利用模板匹配的方法对待识别的手势样本进行识别。本发明方法不仅可以大幅降低识别模型所需的训练样本，减少无线感知系统的部署成本，而且取得了较高的识别精度，实用性强。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.018 seconds)
