-
公开(公告)号：CN104038901A
公开(公告)日：2014-09-10
申请号：CN201410238077.2
申请日：2014-05-30
Applicant: 中南大学
Abstract: 本发明公开了一种减少指纹数据采集工作量的室内定位方法，对于多个AP，RSSI差值越大的点对，其物理距离相距也较远。利用此特点，将某位置上所获得的多个AP的RSSI值作为此位置的高维特征数据，计算点与点之间的RSSI“距离值”，视其为两点之间的亲近关系，再利用多维标度分析算法得到各对象之间的一个低维空间的相对位置关系，最后，利用较少样本点作为锚节点就可以求得其余点的绝对位置，从而实现减少样本点采集个数的目的，并在此基础上提出分层次的缩小区域方法，进一步达到降低定位误差的目的。相比较于KNN算法，本发明的方法可以减少采集点，同时降低定位误差。
-
公开(公告)号：CN101977151B
公开(公告)日：2012-10-03
申请号：CN201010538208.0
申请日：2010-11-09
Applicant: 中南大学
Abstract: 本发明公开了一种用于高丢包率广域网环境下的拥塞控制方法，发送方通过检测包丢失数量是否增大来判断网络拥塞状态，自适应的调节拥塞窗口。如检测到包丢失数量增大，将根据丢包数增大程度计算出拥塞窗口的减小量，拥塞窗口通过减去该减小量大小的窗口来响应拥塞；否则判断拥塞窗口与拥塞门限值的大小关系来确定拥塞窗口所采取的增长方式。本发明在网络出现丢包现象时，并不迅速降低拥塞窗口，而以包丢失数量的变化情况作为降窗依据，同时使用积极地窗口增长机制试探网络可用带宽。本方法能有效地适应高丢包率广域网环境，获得较高带宽利用率。
-
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：CN116578439A
公开(公告)日：2023-08-11
申请号：CN202310191885.7
申请日：2023-03-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于模拟退火算法的修复树构造方法，包括获取节点数和对应的邻接矩阵；设定初始参数和控制参数；随机生成初始Prufer序列并执行模拟退火算法，记录最大瓶颈带宽所对应的Prufer序列作为当前解；对当前解产生扰动得到合法的新解；计算新解与当前解的瓶颈带宽并决定是否接受新解；重复以上两个步骤直至满足设定的条件，得到最大瓶颈带宽所对应的Prufer序列并解码得到无根树，将无根树中的辅助接点作为根节点并得到最终的修复树，本发明还公开了一种包括所述基于模拟退火算法的修复树构造方法的数据恢复方法。本发明的编解码速度快、算法灵活、搜索效果好且可靠性高。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN113157485A
公开(公告)日：2021-07-23
申请号：CN202110488197.8
申请日：2021-05-06
Applicant: 中南大学
IPC: G06F11/10
Abstract: 本发明公开了一种部分重复码的扩张构造方法，包括选择一个参数给定的基础部分重复码；确定选择的基础部分重复码的扩张参数，将其符号集分成两个部分；将两个部分的符号集和相应的副本分散存储到扩张后的区组中；从满足要求的部分重复码中选择存储容量最大的码字，作为基础部分重复码的扩张。本发明提出的部分重复码的扩张构造方法参数选择灵活、构造方式简单，能够增加系统的存储容量、提高系统的容错性，具有很好的实用价值。
-
公开(公告)号：CN112714031B
公开(公告)日：2021-06-22
申请号：CN202110330726.1
申请日：2021-03-29
Applicant: 中南大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于带宽感知的故障节点快速修复方法，通过获取原始数据进行编码操作；设置源点服务器，由源点服务器向相邻服务器发送数据包确认服务器间链路实时带宽；源点服务器根据连通服务器反馈的实时带宽情况，构建部署数据传输链路；进行部署预检测，为失效节点构建纠删码修复网络；将存储失效数据块的服务器设置为失效服务器，根据源点服务器反馈实时带宽情况，进行修复预检测，对纠删码修复任务分布情况进行优化。本发明通过动态选择具有最优带宽的服务器参与纠删码的部署和修复任务，能够保证整个存储系统的负载均衡，并使得纠删码的部署和修复效率得到有效提高，进而提高了系统的可用性和可靠性。
-
公开(公告)号：CN109063117B
公开(公告)日：2021-01-01
申请号：CN201810855821.1
申请日：2018-07-31
Applicant: 中南大学
IPC: G06F16/35 , G06F16/36 , G06F16/951
Abstract: 本发明公开了一种基于特征抽取的网络安全博客分类方法及系统，包括：爬取博客；计算每个博客的非字典词密度；计算每个博客的博客恶意倾向度；统计所有博客共同的高频词；计算每个博客中各个高频词的词频‑逆文档频率；基于博客的非字典词密度、博客恶意倾向度以及每个博客中每个高频词的词频‑逆文档频率，以及基于博客与IOC的相关或不相关进行编码来训练预设分类模型得到博客分类器；获取待分类博客的非字典词密度、博客恶意倾向度以及高频词的词频‑逆文档频率并输入至训练后的博客分类器得到表示待分类博客与IOC的相关或不相关的分类器输出值。通过上述方法实现对网络安全技术博客中与IOC相关的博客和与IOC无关的博客精确分类。
-
公开(公告)号：CN111626322A
公开(公告)日：2020-09-04
申请号：CN202010267566.6
申请日：2020-04-08
Applicant: 中南大学
Abstract: 本专利公开了一种基于小波变换的加密流量应用活动识别方法。通过分析不同的应用活动的流量，从每个应用活动流量中提取出会话，对其进行删除握手包和有效载荷为零的包的预处理，对每个会话的包长序列进行插值操作，使得每个会话的包长序列在保持原有的变化趋势情况下具有相同的长度，再对其使用小波分解算法Coif5进行特征提取，最后使用随机森林分类算法对其进行分类。实验结果显示该方法用于二分类时，在实时检测的情况下，在七个应用中，四个应用的二分类识别率达到0.90以上，两个应用在0.80以上，证明了该方法的有效性。
-
公开(公告)号：CN111444704A
公开(公告)日：2020-07-24
申请号：CN202010229237.2
申请日：2020-03-27
Applicant: 中南大学
IPC: G06F40/216 , G06F40/253 , G06F40/289 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于深度神经网络的网络安全关键词抽取方法，包括采集网络安全文本数据集；构建深度神经网络并对网络安全文本数据集进行训练得到训练后的深度神经网络模型；采用训练后的深度神经网络模型对分词系统词库进行扩展；对分词之后的文本集合进行文本关键词的抽取并得到最终的网络安全关键词抽取结果。本发明提出了一种深度神经网络来改进文本分词的不足，并通过文本中每个词语的位置以及词性来提取文本的关键词集合；因此，本发明方法能够有效的提取网络安全文本中的关键词集合，具有较高的准确率，而且可靠性高，实用性好。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.027 seconds)
