-
公开(公告)号：CN103561418A
公开(公告)日：2014-02-05
申请号：CN201310548853.4
申请日：2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于时间序列的异常检测方法，包括节点内数据相关性分析和节点间数据相关性分析：节点内数据相关性描述的是传感器节点数据的时间相关性，计算当前数据与历史数据之间的数据相关性；节点间数据相关性描述的是不同传感器节点之间的空间数据相关性，计算传感器节点数据与其邻居节点数据之间的数据相关性。本发明提供的基于时间序列的异常检测方法，能有效地检测出异常数据，而且在有错误数据的影响下仍能保持良好的性能；同时本发明应用了一种时间序列数据的近似方法，能够有效地压缩时间序列数据，并给出了压缩时间序列之间相似性的度量方法，用于时间序列的聚类分析，从而实现基于时间序列的异常检测。
-
公开(公告)号：CN103533571A
公开(公告)日：2014-01-22
申请号：CN201310552747.3
申请日：2013-11-07
Applicant: 东南大学
IPC: H04W24/04
Abstract: 本发明公开了一种基于投票策略的容错事件检测方法，包括顺序执行的如下步骤：（1）各个节点获取自身的检测数据；（2）基于直方图对检测数据进行容错处理；（3）基于属性的相关性对检测数据进行本地错误检测，区分出LF节点和初步的Normal节点；（4）对初步的Normal节点进行本地事件决策，区分出LE节点和Normal节点；（5）对LF节点和LE节点，计算其邻居节点的可信度；（6）基于可信度和距离权重投票，判断节点为Event节点或Normal节点。本发明提供的基于投票策略的容错事件检测方法，具有较高的事件检测率和错误修正率，具有较低的事件误报率和错误引入率，并具有较少的能力消耗。
-
公开(公告)号：CN109697512B
公开(公告)日：2023-10-27
申请号：CN201811596679.X
申请日：2018-12-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于贝叶斯网络的个人数据分析方法及计算机存储介质，方法包括以下步骤：(1)将个人生活行为数据具体化为行为和行为属性的一维向量，行为属性中至少包含时间属性，经过数据预处理，得到生活行为数据记录；(2)通过混合结构学习算法对数据进行学习，构建生活数据贝叶斯网络；(3)根据生活数据贝叶斯网络进行参数学习，学习得到每个网络节点的条件概率分布表；(4)根据生活数据贝叶斯网络，使用联合树推理算法，基于特定行为的概率计算其他行为发生的概率，完成个人生活行为分析预测。本方法将贝叶斯网络应用到个人行为数据分析中去，并对网络构造方法进行了改进，有效地提高学习的准确率和算法的收敛性，提升运行性能。
-
公开(公告)号：CN111144277B
公开(公告)日：2023-09-26
申请号：CN201911353472.4
申请日：2019-12-25
Applicant: 东南大学
Abstract: 本发明公开了一种带活体检测功能的人脸验证方法和系统。方法包括：(1)显示第一人脸识别框，提示用户将脸部校准到人脸识别框的预设位置，并实时检测是否校准成功；(2)在用户将脸部成功校准到所述第一人脸识别框的预设位置后，对捕捉到的人脸图像进行第一阶段的活体检测和人脸匹配；(3)若第一阶段的活体检测和人脸匹配通过，则显示第二人脸识别框，提示用户将脸部校准到预设位置；其中，所述第二人脸识别框与所述第一人脸识别框在屏幕上的显示不同；(4)随机采样用户将脸部从第一人脸识别框校准到第二人脸识别框的过程中的图像，进行第二阶段的活体检测和人脸匹配。本发明无需专用设备，抗攻击能力强，操作便捷，用户体验好。
-
公开(公告)号：CN113609944A
公开(公告)日：2021-11-05
申请号：CN202110851342.4
申请日：2021-07-27
Applicant: 东南大学
Abstract: 本发明公开一种静默活体检测方法，依次包括以下步骤：步骤1：将输入视频经过预处理操作得到固定大小的人脸图片；步骤2：将步骤1得到的固定大小人脸图像分别采取RGB和YCrCb色彩空间表示，接着输入进双流特征融合网络模型实现特征提取；步骤3：将非活体类别细分成打印攻击和展示攻击两个类别，根据步骤2得到的图像特征表示进行类别预测，采取多分类交叉熵损失监督模型训练，可以有效降低算法的分类错误率并提升泛化性能。本发明采取单帧图片输入、无需额外辅助设备，算法实现成本低廉，也无需进行额外的人机交互，具有良好用户体验。
-
Patent Agency Ranking
公开(公告)号：CN112507311A
公开(公告)日：2021-03-16
申请号：CN202011438711.9
申请日：2020-12-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于多模态特征融合的高安全性身份验证方法，包括以下步骤：(1)采集使用者读取验证码时的音视频资料；(2)对收集到的音视频资料进行人脸识别验证；(3)对收集到的音视频资料进行图像识别判断，用户的唇部动作与读实时数字的唇部动作是否相仿，如果相仿，则通过比照；(4)对收集到的音视频资料进行进行语音验证，验证说话人声纹是否与注册时说话人声纹相仿，并且根据声音再判断用户读的数字是不是屏幕上随机出现的验证码。本发明有效提高身份验证的可靠性。
-
公开(公告)号：CN108345584A
公开(公告)日：2018-07-31
申请号：CN201810007166.4
申请日：2018-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于规则的医患纠纷案件关键词提取方法，包括：(1)按照关键词类别建立医患纠纷关键词提取规则的生成模板；(2)按照标志词包含量将医患纠纷案件文书模块化；(3)对医患纠纷案件文书的各模块定义关键词集合，并从各模块中提取对应关键词集合中的关键词；(4)按照步骤(1)定义的生成模板，将步骤(3)提取的每个关键词编写为伪表达式，并自动化映射成机器可识别表达式；(5)判别提取的关键词是否正确，若正确则将关键词对应的机器可识别表达式以及所属文书和段落属性进行存储，若不正确则存入规则待完善集合中；(6)根据规则待完善集合调整完善提取规则。本发明提高了关键词提取的准确率和召回率。
-
公开(公告)号：CN103546916B
公开(公告)日：2016-08-17
申请号：CN201310551137.1
申请日：2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据增量图的异常检测方法，包括如下步骤：（1）对无线传感器网络当前监测区域内的检测数据进行采集和预处理，确定事件区域；（2）获取与当前事件相关的数据集，用图模型抽象概括事件数据，将事件数据转换成事件数据增量图；（3）采用基于结构关联度的图相似算法，在事件模式图数据库中进行查询，查找与事件图相似的事件模式图，判断当前事件的类型；所述事件模式图数据库为事件模式图的集合，所述事件模式图为事件数据增量图，是对事件类型的抽象描述。所述基于结构关联度的图相似查询算法，将图相似查询问题转化为序列相似性查询问题，有效降低查询复杂度。本发明提供的基于数据增量图的异常检测方法，事件图可以基于领域专家知识获得，或基于数据分析获得，用于复杂事件检测，提高事件检测效率、降低误报率。
-
公开(公告)号：CN103561419A
公开(公告)日：2014-02-05
申请号：CN201310549260.X
申请日：2013-11-07
Applicant: 东南大学
IPC: H04W24/04
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于相关性的分布式事件检测方法，采用分簇结构，根据无线传感器网络事件区域的局部性，在节点内分析数据的时间相关性，在相邻节点间分析数据的空间相关性，识别出发生事件的节点；采用直方图方法分析节点异常的相关性，提高检测的准确度；因节点间传递的是直方图的摘要信息，减少了节点间的通信能耗；本方法可以有效检测出新事件的发生，具有较低的误报率和能量消耗，相对于集中式异常检测方法，具有较高的检测性能，并显著降低了通信成本。
-
公开(公告)号：CN103546916A
公开(公告)日：2014-01-29
申请号：CN201310551137.1
申请日：2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据增量图的异常检测方法，包括如下步骤：（1）对无线传感器网络当前监测区域内的检测数据进行采集和预处理，确定事件区域；（2）获取与当前事件相关的数据集，用图模型抽象概括事件数据，将事件数据转换成事件数据增量图；（3）采用基于结构关联度的图相似算法，在事件模式图数据库中进行查询，查找与事件图相似的事件模式图，判断当前事件的类型；所述事件模式图数据库为事件模式图的集合，所述事件模式图为事件数据增量图，是对事件类型的抽象描述。所述基于结构关联度的图相似查询算法，将图相似查询问题转化为序列相似性查询问题，有效降低查询复杂度。本发明提供的基于数据增量图的异常检测方法，事件图可以基于领域专家知识获得，或基于数据分析获得，用于复杂事件检测，提高事件检测效率、降低误报率。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
