-
公开(公告)号：CN117498026A
公开(公告)日：2024-02-02
申请号：CN202311848575.4
申请日：2023-12-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种法布里‑珀罗谐振腔微带天线阵列解耦的方法，利用仿真软件获得目标法布里‑珀罗谐振腔双单元天线阵列的耦合参数，包括反射耦合幅度和反射耦合相位；在天线单元加入解耦中和线，并依据抵消公式对解耦中和线参数进行设计，得到中和线耦合幅度和中和线耦合相位；将设计完参数的解耦中和线置入天线阵列模型中，得到实现理想频点解耦的天线阵列。本发明通过使用解耦中和线和谐振腔中反射波的抵消实现天线单元间的耦合降低，使用本方法在天线的阻抗匹配、方向图、扫描特性、天线效率皆有所提升，且解耦结构简单，便于设计；本发明中的解耦中和线对非相邻单元间耦合同样有明显改善，无需增加新的解耦结构。
-
-
公开(公告)号：CN116108178A
公开(公告)日：2023-05-12
申请号：CN202310070562.2
申请日：2023-01-31
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F16/11 , G06F18/23213 , G06N3/006
Abstract: 本申请涉及一种基于决策灰狼优化K‑Means的文本聚类方法。该方法包括：通过获取待聚类文本数据，并对待聚类文本数据进行分词、去停用词、特征选择和向量化，将待聚类文本数据转换为数值型数据，获得原始数据集，再采用决策灰狼优化算法与K‑Means算法结合的文本聚类算法找出一组最优聚类中心，使各类别中所有文本到该组最优聚类中心的距离最小，从而根据该组最优聚类中心对原始数据集进行聚类，输出聚类结果。由此，可以决策灰狼优化算法与K‑Means算法结合的文本聚类算法进行全局寻优，以狼群所在的位置来代替K‑means算法中的聚类中心，通过不断地迭代寻优来更新狼群的位置，获得最优的聚类中心，使得文本聚类结果更加可靠，从而提高了文本聚类结果准确性。
-
公开(公告)号：CN115865459A
公开(公告)日：2023-03-28
申请号：CN202211492575.0
申请日：2022-11-25
Applicant: 南京信息工程大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
-
公开(公告)号：CN115567405A
公开(公告)日：2023-01-03
申请号：CN202211199477.8
申请日：2022-09-29
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/14 , H04L41/142
Abstract: 本发明公开了一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑的目标待预测的连续流量序列，通过归一化处理，构造基于修正因子的反馈修正函数、对归一化的流量序列中的每个元素施加反馈修正函数，之后采用滑动窗口方式对流量序列进行预测获得预测值，并将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比计算流量序列误差，获得三种预测值与真实值的大小关系，根据三种关系更新下一时刻窗口滑动预测的修正因子，最后进行反归一化处理得到待预测的连续流量序列的预测流量序列，本发明提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精度和效率方面均具有优势。
-
Patent Agency Ranking
公开(公告)号：CN115277354A
公开(公告)日：2022-11-01
申请号：CN202210910664.6
申请日：2022-07-29
Applicant: 南京信息工程大学
IPC: H04L41/06 , H04L41/14 , H04L41/142 , H04L41/16 , G06F17/16 , G06F17/18 , G06K9/62 , G06N3/00 , G06N20/10
Abstract: 本发明属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。
-
公开(公告)号：CN113923104B
公开(公告)日：2022-03-11
申请号：CN202111479699.0
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。
-
公开(公告)号：CN113923104A
公开(公告)日：2022-01-11
申请号：CN202111479699.0
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。
-
公开(公告)号：CN113571391A
公开(公告)日：2021-10-29
申请号：CN202110794215.5
申请日：2021-07-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于椭圆曲线的金属交错双栅慢波结构，包括矩形波导、多个上栅结构、多个下栅结构，所述矩形波导内设有真空内腔，上栅结构的顶面与真空内腔的顶面固定连接，下栅结构的底面与真空内腔的底面固定连接，上、下栅结构的背面和正面分别与真空内腔的后壁和前壁固定连接，多个上栅结构和多个下栅结构按周期性交错排列；所述上栅结构和下栅结构呈半椭圆柱状。本发明的慢波结构能够提高耦合阻抗和改善其色散特性，为大功率毫米波行波管的研发提供关键技术路径与解决方案。
-
公开(公告)号：CN112350899A
公开(公告)日：2021-02-09
申请号：CN202110018129.5
申请日：2021-01-07
Abstract: 本发明公开了一种基于图卷积网络融合多特征输入的网络流量预测方法，步骤为：获取网络流量数据；利用皮尔森相关系数对流量进行相关性分析；采用时空特征提取单元来提取流量间的时空特征；提取历史上每周同一时刻的网络流量数据；特征融合得到预测结果。本发明解决了传统网络流量预测模型存在无法有效提取流量间的时空特性缺陷而导致的预测误差高、精度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.027 seconds)
