-
公开(公告)号：CN112231776B
公开(公告)日：2022-12-02
申请号：CN202011107123.7
申请日：2020-10-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多参数旁路分析的集成电路硬件木马检测方法。本发明方法的具体步骤为：(1)对集成电路网表进行扇区划分；(2)生成多参数旁路特征向量；(3)得到贝叶斯分类器；(4)检测待测集成电路；(5)对预测标签进行判定。本发明通过扇区划分与生成多参数旁路特征向量，提高了集成电路硬件木马检测的准确率并实现了木马的定位。
-
公开(公告)号：CN109857892B
公开(公告)日：2022-12-02
申请号：CN201811645529.3
申请日：2018-12-29
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06F16/51 , G06V10/774
Abstract: 本发明公开了一种基于类标传递的半监督跨模态哈希检索方法，主要解决现有的训练数据没有足够的类标信息以及现有的半监督多模态方法不能有效利用类标信息的问题，其实现方案是：获取测试数据和训练数据各自对应的特征矩阵；通过类标传递分别获取无监督训练图片集和无监督训练文本集的类标矩阵；构造监督哈希的目标函数，迭代求解分别得到更新后的图片和文本哈希码矩阵以及投影矩阵，据此求得测试图片集和测试文本集的哈希码；计算测试数据哈希码与训练数据哈希码之间的汉明距离并将其从小到大进行排序，取前s个对应的训练数据作为最终查询结果。本发明能有效利用多模态半监督训练样本中的监督信息，提高检索精度，可应用于信息交叉检索和数据存储。
-
公开(公告)号：CN111931913A
公开(公告)日：2020-11-13
申请号：CN202010793360.7
申请日：2020-08-10
Applicant: 西安电子科技大学
IPC: G06N3/04 , G06N3/063 , G06N3/08 , G06N20/00 , G06F30/347
Abstract: 本发明提出了一种基于Caffe的卷积神经网络在FPGA上的部署方法，用于解决现有技术存在的时间消耗大、部署时间长和实际应用性差的问题，实现步骤为：获取训练样本集；基于Caffe构建卷积神经网络模型C；基于Caffe对卷积神经网络模型C进行训练；基于Caffe提取训练好的卷积神经网络模型C*的参数并存储；基于verilog建立卷积神经网络C**；获取卷积神经网络在FPGA上的部署结果。本发明利用Caffe的函数建立了易于控制的卷积神经网络模型，提升了卷积神经网络在FPGA上部署的速度，并且设计了参数配置时的映射操作，让卷积神经网络能够顺利部署。
-
公开(公告)号：CN111782042A
公开(公告)日：2020-10-16
申请号：CN202010613646.2
申请日：2020-06-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于集成学习的脑电身份认证方法，用于解决现有技术存在的稳定性不足的问题。实现步骤为：获取训练样本集和测试样本集；构建集成学习算法Bagging分类模型；对集成学习算法Bagging分类模型进行迭代训练；获取身份认证结果。本发明利用集成学习方法来提高脑电身份认证系统的稳定性，同时降低了超参数调节的难度，降低了需要耗费的人力物力。
-
公开(公告)号：CN106600622B
公开(公告)日：2019-11-08
申请号：CN201611111975.7
申请日：2016-12-06
Applicant: 西安电子科技大学
IPC: G06T7/162
Abstract: 本发明公开了一种基于超体素的点云数据分割方法，通过考虑点云数据的三维几何关系和区域连通性，利用聚类的方法将点云数据进行过分割，得到依附于目标边界的超体素；计算超体素数据平面拟合的残差值，依该值对其进行排序和筛选得到有效的种子超体素，并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长，最终实现对点云数据的分割处理。以室内局部场景的点云数据作为输入，通过利用超体素和区域增长算法实现点云数据的精确分割。本发明与传统的点云分割方法相比，在保证分割效率的前提下，避免了直接处理点云数据所导致的欠分割和过分割问题，得到具有精确边界信息的分割结果，而且分割方法对点云数据的采样密度和噪音是健壮的。
-
Patent Agency Ranking
公开(公告)号：CN110264826A
公开(公告)日：2019-09-20
申请号：CN201910500480.0
申请日：2019-06-11
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于虚拟现实的文化学习系统及方法，用于解决现有技术中存在的学习环境交互性差，文化学习范围单一且未能提供综合学习结果的技术问题，学习系统包括场景构建模块、学习测试模块、交互学习模块和结果输出模块，学习方法为：场景构建模块构建文化知识学习场景和文化技能学习场景；学习测试模块检测用户在学习前后对文化知识学习和文化技能学习的掌握情况；用户使用交互学习模块的虚拟现实设备在文化知识学习场景中学习语言交际知识和文化背景知识，并在文化技能学习场景中学习文化习俗行为；结果输出模块根据学习测试模块的结果计算学习得分获取综合学习结果并输出。本发明可用于在虚拟现实环境中学习文化。
-
公开(公告)号：CN106600686A
公开(公告)日：2017-04-26
申请号：CN201611111611.9
申请日：2016-12-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多幅未标定图像的三维点云重建方法，获取物体在不同角度拍摄的图像序列作为输入集合；通过特征提取和匹配得到图像的特征匹配点对，进行稠密扩散处理；选择候选图像的特征点作为种子点向其周围邻域进行匹配扩散并过滤，获得稠密匹配点对；对相机进行标定，结合匹配点对得到其内外参数；根据相机参数及匹配点对恢复出三维模型点；进行重建，选取种子模型点生成初始patch，并在其网格邻域内扩散得到稠密的patch；根据约束条件过滤误差patch，获得精确的稠密三维点云模型。本发明可以快速获得高精度的稠密点云模型，加快模型的生成速度，增加了匹配的稠密性的准确性，增加了三维点云的稠密性和准确性。
-
公开(公告)号：CN102254295A
公开(公告)日：2011-11-23
申请号：CN201110195380.5
申请日：2011-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种彩色图像半色调水印算法。本算法以支持向量机为基础，通过自适应调节误差分散核和阈值，实现在半色调过程中嵌入水印，包括二维水印的选取、加密和降维、数字水印嵌入位置的选取、数字水印的嵌入过程、数字水印的提取过程等步骤；实验表明本算法具有很好的水印不可感知性，并且对于随机涂改、叠加噪声、几何裁剪、低通滤波、JPEG压缩、打印扫描等攻击均具有较好的鲁棒性。
-
公开(公告)号：CN116910623B
公开(公告)日：2025-05-16
申请号：CN202310914035.5
申请日：2023-07-25
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F3/01 , G06F18/25 , G06F18/10 , G06F18/213
Abstract: 本发明提出了一种基于受试者迁移的SSVEP脑机接口目标识别方法，其实现步骤为：生成训练集；计算源受试者不变空间滤波器；计算源受试者不变模板信号；计算泛化空间滤波器；计算经源受试者不变空间滤波器滤波后的目标受试者数据与源受试者不变模板信号间的相关系数；根据相关系数完成目标识别。本发明提出的基于受试者迁移的方法能够提高脑机接口系统的效率，解决现有技术中脑机接口目标识别仍需要目标受试者校准数据，效率低下的问题，使得本发明具有泛化能力强的优点，且结合相邻刺激目标的信息识别目标，具有识别准确率高的优点。
-
公开(公告)号：CN118885072A
公开(公告)日：2024-11-01
申请号：CN202411018885.8
申请日：2024-07-29
Applicant: 西安电子科技大学
Inventor： 万波 , 黄嘉阳 , 熊帮 , 李奉奇 , 李昕泰 , 杨鹏飞 , 刘锦辉 , 赵辉 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 潘蓉 , 李少峰 , 钟昊迪 , 韩磊
IPC: G06F3/01 , G06N3/042 , G06N3/0464 , G06F18/10 , G06N3/047 , G06F18/241 , G06F18/213 , G06F18/25
Abstract: 本发明提出了一种结合集成DCPM和GCN的运动想象识别方法，解决了现有技术中信号信噪比低，特征提取复杂度高，识别时间窗长的问题，实现步骤为：MI脑电信号预处理；计算DSP空间滤波器；集成DSP，形成EDSP空间滤波器，对MI特征域整体表达；接力计算，刻画MI信号在不同特征域的交叉性空间关系；GCN分类识别MI信号。本发明将每组得到的DSP空间滤波器集成，简化了数据处理的过程，通过结合EDSP空间滤波器接力计算邻接矩阵和图拉普拉斯算子，丰富了滤波后信号的特征，充实了邻接矩阵对节点信息的刻画，在短时间窗的情况下也保证了较高的识别准确率，提高了MI‑BCI系统中的识别效率，可应用在机器人控制等人机交互场景中。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.027 seconds)
