-
公开(公告)号：CN102499676B
公开(公告)日：2014-01-29
申请号：CN201110344311.6
申请日：2011-11-03
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于有效时间序列和电极重组的脑电信号分类系统和方法，实现了通过采集分析人脑的脑电信号来实现对三类人物表情(高兴、中性和悲伤)的识别。主要包括脑电信号的采集过程和脑电信号的分析处理过程。通过对被试者进行不同表情刺激，采集不同的脑电信号；首先根据脑电信号全场强的能量分布来确定有效的脑电信号的特征空间，之后将对应特征空间的原始脑电信号进行PCA降维，并对具有分类优势的脑电信号进行重组，最后选择线性判别函数分类器进行分类。表情识别时，只需将采集的脑电信号提取出目标特征，进行分类，即可确定识别结果。能够实现基于人物表情刺激的脑电信号的识别。本发明引入人的认知，具有客观、高效的优点。
-
公开(公告)号：CN102622338A
公开(公告)日：2012-08-01
申请号：CN201210045699.4
申请日：2012-02-24
Applicant: 北京工业大学
IPC: G06F17/27
Abstract: 一种短文本间语义距离的计算方法属于汉语文字信息处理技术领域，其特征在于把两个短文本间的语义距离定义为句法结构距离和单元语义距离之和进行计算：在对文本进行包括去除网页标记、变异短文本处理以及分词处理以后得到的一系列词串，根据词语相似度矩阵对两个短文本中的对应的词串进行语义对齐，根据对其过程中的词语调节次数得到了句法结构距离；再利用《同义词词林扩展版》中词语的五级结构，同时引入中文关键词和近义词概念，以便在语义对齐的基础上，用词语为单位，对各词语进行包括插入、删除或替换等五种操作，加入权重后的各种操作次数之和的权值来表示词语串之间的单元语义距离。本发明的文本语义距离的相对正确率要高于经典的编辑距离算法。
-
公开(公告)号：CN101984452B
公开(公告)日：2012-07-04
申请号：CN201010532357.6
申请日：2010-10-29
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 一种灰度图中视觉注意区域转移预测方法，包括四个步骤：确定领导者，寻找追随者，计算显著值，显著值排序。确定领导者是指计算所有像素的侧电位，并根据得到的侧电位和阈值确定像素中的领导者。寻找追随者是指对每一个领导者在所有像素中依据连通性和相似性确定其追随者，形成不同区域，一个区域可能包括多于一个的领导者，但是在实际计算机实施过程中如果一个领导者追随其他领导者则判为追随者。计算显著值是指把已经得到区域分别进行计算，一个区域对应一个显著值。显著值排序是指按照显著值的大小对所有的区域排序并取前三个区域。本发明把人类视觉系统的选择性注意功能成功的引入到计算机视觉系统中，能够模拟和预测人眼视点在不同区域间进行注意转移。
-
公开(公告)号：CN102129531A
公开(公告)日：2011-07-20
申请号：CN201110069923.9
申请日：2011-03-22
Applicant: 北京工业大学
IPC: G06F21/00
Abstract: 一种基于虚拟机Xen的主动防御方法，该方法首先使用Xen为用户生成一个虚拟机，使用户所有的操作都在虚拟机中，同时系统将传统的需要安装在虚拟机内部的安全程序剥离出并置于虚拟机外部，使得安全程序核心模块对恶意程序不可见，另外通过在用户虚拟机内部设置前端驱动，使得在虚拟机外部的安全模块可以扫描并干预虚拟机内部操作，同时由虚拟机监视器层的内存保护模块对前端驱动进行保护，防止恶意程序攻击前端驱动。本发明由于核心组件置于虚拟机外部，对恶意程序不可见，从而提供较传统类安全程序部署方法更高的安全性，另通过引入基于准虚拟化输前后/端驱动通讯方式，大大降低了由虚拟化带来的系统开销，使得该方法具有很高的实用价值。
-
公开(公告)号：CN101984464A
公开(公告)日：2011-03-09
申请号：CN201010522415.7
申请日：2010-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种图像中不同区域视觉显著程度的检测方法，包括：将输入图像切分成不重叠的图像块，并将每个图像块向量化；为了降低图像中的噪声和冗余信息，对步骤1所得到的所有向量通过PCA主成分分析方法进行降维；对于每个图像块，利用降维后的向量计算这个图像块与其他所有图像块的不相似度，再结合图像块之间的距离计算得到每个图像块的视觉显著性程度，得到显著图；对于显著图施加中央偏置，得到施加中央偏置后的显著图；对于施加中央偏置后的显著图通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明不用提取颜色、朝向、纹理等视觉特征，避免了特征选择的步骤。具有简单、高效的优点。
-
Patent Agency Ranking
公开(公告)号：CN101964804A
公开(公告)日：2011-02-02
申请号：CN201010522429.9
申请日：2010-10-22
Applicant: 北京工业大学
Abstract: 一种IPv6协议下的攻击防御系统及其实现方法属于信息安全领域。IPv6提供了地址自动配置以及支持移动性和安全性等新特性，由此也带来了安全上的新威胁和新风险。本发明系统包括三大部分组成：主控中心、包过滤防火墙以及网页分析器；其中，主控中心是整个模型的核心，负责具体防御策略规则的制定、维护与下发；包过滤防火墙是策略的具体执行者，根据策略规则对未加密数据包进行过滤；网页分析器对各个通讯终端的网页数据进行分析，并将分析结果上报到主控中心，待其及时制定策略规则并下发到包过滤防火墙处。该系统通过网络层策略规则，可对IPv4和IPv6共有攻击以及IPv6特有攻击进行拦截；通过应用层策略规则，将非法、反动的网页数据阻拦至内网之外。
-
公开(公告)号：CN118250008A
公开(公告)日：2024-06-25
申请号：CN202410056325.5
申请日：2024-01-16
Applicant: 北京工业大学
IPC: H04L9/32 , H04L9/00 , H04L69/04 , H04L67/1097 , H04L1/00
Abstract: 本发明公开了具有可恢复性的去中心化存储分布式零知识审计方案。对数据进行分块，并对每个数据块应用纠删码进行编码，执行双重压缩，对数据块进行分组哈希进行第一次压缩，然后转化为多项式进行第二次压缩。将压缩后的数据块与相应的数据认证器和审计状态一同上传至去中心化存储节点。当验证者需要验证去中心化存储节点的存储状态时，验证者向去中心化存储节点发送随机挑战，以便检查存储状态。去中心化存储节点根据挑战内容计算相应的证明，并将证明发送给验证者。验证者基于已有参数进行验证。本发明采用链上审计，将验证者替换为区块链上的智能合约，实现审计挑战的自动化执行。本发明在证明生成过程中采用分布式零知识证明提升效率。
-
公开(公告)号：CN114726498B
公开(公告)日：2024-06-25
申请号：CN202210340042.4
申请日：2022-03-31
Applicant: 北京工业大学
Abstract: 本发明公开了基于网络分层且采用同态加密进行交互的智能家居数据分析方法，该方法的步骤如下：在云端服务器训练针对特定任务的DNN模型；将模型以选定的中间层划分，前半段部署到用户本地，后半段保留在云端；将智能家居系统中传感器等设备获取的输入传入前半段网络，并得到中间层的输出；在本地通过Paillier同态加密的方式与云端的网络后半段进行交互，并最终得到网络的输出结果；云端服务器根据网络的输出对智能家居系统进行及时的响应。本方法在使用传统神经网络进行数据分析的基础上，采用本地与云端加密的交互式分析方法，利用同态加密的安全性以及网络分层对本地较小的计算开销，解决了智能家居系统数据分析中的安全问题。使用网络分层且加密的交互式数据分析方法具有很高的隐私安全性和模型部署场景的适用性。
-
公开(公告)号：CN117537443A
公开(公告)日：2024-02-09
申请号：CN202311746172.9
申请日：2023-12-19
Applicant: 北京工业大学 , 西藏自治区能源研究示范中心
IPC: F24F11/30 , F24F11/58 , F24F11/64 , F24F11/72 , F24F11/80 , F24F11/88 , F24F110/10 , F24F110/20 , F24F110/70 , F24F130/20
Abstract: 本发明公开了一种基于物联网与人体热适应的室内综合环境构建方法，涉及环境温度调节领域。本发明包括以下步骤：对目标建筑进行室内外环境实测获取环境参数并获取人员对室内环境的主观评价；将环境参数输入到热舒适适应模型中，热舒适适应模型根据室内外环境温度对人员宜居温度进行回归分析；根据回归分析结果输入到环境控制中枢中对目标建筑室内环境进行调整。本发明通过物联网技术和人员适应性模型调和了复合调控设备和人员个性化舒适需求之间的矛盾关系，为舒适健康宜居的建筑环境构建进一步提供了精细化和合理化的调控方法。
-
公开(公告)号：CN111125630B
公开(公告)日：2023-12-22
申请号：CN201911372786.9
申请日：2019-12-27
Applicant: 北京工业大学
IPC: G06F17/16
Abstract: 本方法公开了一种基于L1/2范数和同质性约束的能源分解方法，能源分解是指已知家庭中总用电数据的前提下获得单类用电器的功耗。本方法主要分为以下五个步骤：步骤(1)获取用电量数据集；步骤(2)数据预处理；步骤(3)建立用户用电量相似度矩阵；步骤(4)分解模型训练，得到第i类用电器的特征矩阵Bi和权重矩阵Wi；步骤(5)单类用电器用电数据预测。本方法在非负矩阵分解的基础上加入了L1/2范数作为稀疏约束，加入了家庭面积相似性和总用电量相似性作为同质性约束，建立更加有效和可用的能源分解方法。实验结果表明使用了L1/2范数稀疏约束和同质性约束的能源分解系统相比原有的基于非负矩阵分解的能源分解系统性能提升明显。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.026 seconds)
