-
公开(公告)号：CN103209133A
公开(公告)日：2013-07-17
申请号：CN201310102585.3
申请日：2013-03-27
Applicant: 北京航空航天大学深圳研究院
IPC: H04L12/761
Abstract: 本发明公开了一种基于DFM策略的组播树长寿命调整方法，该方法首先依据占有组播树的个数对共享节点进行排序，然后对排序后的共享节点逐个从参与组播树中进行分离；在共享节点的分离过程中，依据子节点个数选择出参与组播树，在所选出的组播树中为共享节点的子节点寻找备用父节点，然后通过报文收发来执行DFM策略。本发明方法解决了在多个组播树建立完成后，仍然可能存在一些共享节点的情况下，使用DFM策略对共享节点进行分离，使尽可能多的共享节点转变为普通的只在一个组播树中的节点，从而延长了无线传感器网络的工作时间，维持长寿命的组播数据传输，且使节点间的能耗均衡。
-
公开(公告)号：CN102411771B
公开(公告)日：2013-02-13
申请号：CN201110220482.8
申请日：2011-08-03
Applicant: 北京航空航天大学
IPC: G06T1/00
Abstract: 一种基于直方图峰值波动量的可逆图像隐写分析方法，主要针对直方图位移隐写技术进行分析与检测。首先引入直方图平滑度的概念作为定量评测方法稳定性的指标，在此基础上，从直方图位移隐写造成的直方图“陷阱”的异常点出发，提出了直方图峰值波动量的概念，通过计算图像的直方图峰值波动量并与经验阈值进行比较得出图像是否为载密信息。本发明的方法对基于直方图位移的隐写检测正确率高，简单易行，检测速度快。
-
公开(公告)号：CN102508907A
公开(公告)日：2012-06-20
申请号：CN201110356894.4
申请日：2011-11-11
Applicant: 北京航空航天大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于训练集优化的推荐系统的动态推荐方法，该方法具体为：步骤(1)建立初步推荐模型部分：根据原始的用户评分数据生成最初的推荐模型；步骤(2)AdaBoost训练：通过多次迭代学习训练数据，利用最初的推荐模型作为分类判定的依据并进行数据的分类和调整样本的学习次数；步骤(3)筛选错误样本：把经过多轮的AdaBoost训练之后被选定为难样本的数据当作错误样本去除从而构建出新训练数据集合；步骤(4)重构推荐模型：以新的训练数据为基础，结合训练结果重新生成推荐模型；步骤(5)产生推荐结果：利用新的推荐模型产生推荐结果。本发明能够利用原始训练数据集在内容上很大的相关性，排除一些在推荐服务中没有参考意义的数据，提高训练数据的有效性和最终推荐模型的精度。
-
公开(公告)号：CN101957997B
公开(公告)日：2012-02-22
申请号：CN200910243815.1
申请日：2009-12-22
Applicant: 北京航空航天大学
IPC: H04N7/18
Abstract: 一种动态场景中基于区域均值核密度估计的运动目标检测方法，首先进行背景模型的初始化。在背景建模过程中利用训练样本，考虑视频帧中像素点的时序特性和像素点邻域内的空间特性，建立描述动态复杂场景的时空背景模型；其次，在运动目标检测过程中，利用新的视频帧样本对背景模型进行不断地更新。采用区域核密度估计方法适应瞬时性背景变化，采用单高斯背景模型适应持续性背景变化。两种模型相结合能够快速、准确适应背景的不断变化，同时提高了方法执行效率；最后，提出基于邻域信息量的方法进行前景检测方法，进一步消除检测过程中背景区域的噪声点和运动目标空洞，更加完整的提取前景中的运动物体。本发明可广泛应用于室外场景中的智能监控系统或军事禁区的可疑运动目标的报警，具有广阔的市场前景和应用价值。
-
公开(公告)号：CN101329709B
公开(公告)日：2011-11-16
申请号：CN200810117563.3
申请日：2008-08-01
Applicant: 北京航空航天大学
Abstract: 一种用于数据安全迁移的系统及方法，包括移动存储设备管理器、移动存储设备池、移动存储设备，其中的移动存储设备管理器上运行管理端，移动存储设备上运行受控端。用户需首先登录移动存储设备管理端，完成对移动存储设备的安全重置，包括使用日志上传、格式化、密码重置、使用次数设置，并将其受控端自动下载至移动存储设备中。移动存储设备在进行数据迁移时需进行密码认证，使用者需在使用次数范围内使用该设备，且将该设备上进行的操作动作进行记录。本发明实现了移动存储设备的专物专用，并提供了较为有效的安全防范方法，使得数据迁移能够安全可靠进行。
-
Patent Agency Ranking
公开(公告)号：CN101699903B
公开(公告)日：2011-10-26
申请号：CN200910236516.5
申请日：2009-10-23
Applicant: 北京航空航天大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种适用于无线传感器网络的组播路由的组播树调整方法，该方法一方面通过增叶策略对组播树结构进行优化，在不影响无线传感器网络连通性的情况下，增加组播树中叶节点数目，从而减少报文转发次数，降低了无线传感器网络的总能耗；另一方面采用旁路休眠策略进行节点休眠定制，从而达到能量均衡。通过两个策略有效的降低了组播路由的能耗，同时实现了节点间的能耗均衡。本发明的调整方法可以对通过任意策略构建的无线传感器网络组播路由的组播树进行优化。
-
公开(公告)号：CN101572819B
公开(公告)日：2011-09-14
申请号：CN200910085896.7
申请日：2009-06-03
Applicant: 北京航空航天大学
Abstract: 一种基于量化DCT系数零值索引的可逆图像水印方法，水印嵌入可以通过两种方式进行应用：一是在压缩成JPEG图像的编码过程中嵌入，二是在已编码完成后的JPEG图像中嵌入；针对方式一，嵌入过程为：(1)对原图像进行分块、DCT变换和量化；(2)使用量化DCT块的中高频零系数的索引值进行水印嵌入；对可能在提取端产生歧义的非零系数进行修改；(3)将嵌入水印后的量化DCT块进行无损编码得到JPEG图像；方式二的嵌入与提取过程类似；本发明具有可逆性，并降低了被修改系数与嵌入的水印位数比例，能在引入较少失真的情况下嵌入大量的水印。
-
公开(公告)号：CN102169691A
公开(公告)日：2011-08-31
申请号：CN201110085421.5
申请日：2011-04-06
Applicant: 北京航空航天大学
IPC: G10L19/00
Abstract: 基于双向预测和泛化扩展的可逆音频水印方法，包括：双向预测，指利用当前采样值前后各一个采样值来预测当前值；泛化扩展，指对预测误差进行扩展并用预测误差末尾n个比特位来嵌入水印；水印嵌入前，利用双向预测计算预测误差并得到预测误差直方图，根据水印容量和n值计算阈值T、LA和LBM；嵌入过程中，利用泛化扩展嵌入水印，构造边界表并将提取的前LA个采样值末尾的n比特数据作为还原信息嵌入；将LBM、T和边界表转换成2n进制数据并用转换后的数据替换掉当前块的前LA个采样值末尾的n比特数据，得到含水印音频；在水印提取和音频恢复过程中，利用双向预测和泛化扩展，通过水印嵌入方法的逆运算对水印进行提取并无损恢复原始音频。
-
公开(公告)号：CN102034219A
公开(公告)日：2011-04-27
申请号：CN201010591364.3
申请日：2010-12-16
Applicant: 北京航空航天大学
IPC: G06T1/00
Abstract: 本发明公开了一种利用上下文建模和泛化扩展的图像可逆水印方法，属于多媒体信息安全领域，该图像可逆水印方法包含水印嵌入和水印提取以及图像恢复；采用上下文建模获取图像的预测误差，泛化扩展机制完成水印嵌入，从而实现对图像内容的认证和保护。其水印嵌入步骤有：(1)利用上下文建模获取预测误差，并决定泛化扩展的相关参数；(2)利用泛化扩展机制对载体图像进行水印嵌入，并记录恢复辅助信息；(3)利用LSB替换方法来处理恢复辅助信息以便水印提取和图像恢复。其水印提取步骤有：(1)提取泛化扩展的相关参数和恢复辅助信息；(2)利用泛化扩展的相关参数和恢复辅助信息进行泛化扩展逆运算，得到嵌入的水印信息和恢复后图像。
-
公开(公告)号：CN102014455A
公开(公告)日：2011-04-13
申请号：CN201010554947.9
申请日：2010-11-23
Applicant: 北京航空航天大学
CPC classification number: Y02D70/30
Abstract: 本发明公开了一种基于节点间相关性的无线传感器网络分簇路由方法，将节点间的位置相关性、数值相似性作为节点通信能耗大小的依据，将节点间的协同性作为节点选择簇首节点的依据。本发明首先计算任意节点与邻居节点进行通信的最小能量消耗，然后依据节点的剩余能量概率生成临时簇首节点，然后选择临时簇首节点成为最终簇首节点，然后选择最小能耗节点成为最终簇首节点，最后非簇首节点选择最小能耗的邻居最终簇首节点作为自己加入的簇首节点。依据此方法能够形成簇首节点分布均匀的网络，使得成簇范围内不会存在两个或者多个簇首节点，每个簇内成员节点数目相似，簇首节点的能耗相似，簇内成员节点通信能耗低，最终实现能耗均衡、低能耗的能量有效的无线传感器网络。
-
-
-
-
-
-
-
-
-
Search Results
327
records
(took 0.036 seconds)
