-
公开(公告)号：CN119052477A
公开(公告)日：2024-11-29
申请号：CN202411189279.2
申请日：2024-08-28
Applicant: 武汉理工大学
IPC: H04N19/124 , H04N19/13 , H04N19/132 , H04N19/36 , H04N19/44 , H04N19/65
Abstract: 本发明提供了一种轻量级可变比特率多视图图像压缩方法及系统，涉及图像压缩技术领域。该方法包括：将单视图图像进行下采样、特征提取、特征缩放，获得对应目标比特率的潜在表示；对所述潜在表示进行量化和无损熵编码，以获得最终压缩比特流；随后执行无损熵解码和逆缩放，恢复为潜在表示；将不同视图恢复后的潜在表示进行特征融合和上采样，生成重建的压缩图像。该模型包括主编码器、特征缩放模块、量化模块、自回归熵模型、算数编码器、算数解码器、特征逆缩放模块、解码器。本发明能够在保留图像细节、保持图像质量的情况下，高效压缩图像数据、降低计算复杂度、减少存储空间的占用，为图像传输和存储提供更快的速度和更低的带宽需求。
-
公开(公告)号：CN118605431A
公开(公告)日：2024-09-06
申请号：CN202410539244.0
申请日：2024-04-30
Applicant: 武汉理工大学 , 敦和安全科技(武汉)有限公司
IPC: G05B23/02
Abstract: 本发明提供了一种工业自动化控制系统多阶段安全检测方法，包括以下步骤：步骤S1：通过布隆过滤器检测是否存在已知入侵；步骤S2：提取通信数据流特征以及物理设备特征的多维特征，通过密度聚类模型检测得到正常数据特征，判断所述多维特征是否在正常数据特征内，以检测是否存在未知入侵。用布隆过滤器能有效适应工业自动化控制系统边缘设备资源受限的难题，将已知的入侵威胁用于布隆过滤器的训练，能快速的检测已知入侵威胁。使用正常数据训练机器学习模型，使用密度聚类办法勾勒出正常数据的轮廓，有效地应对未知入侵行为难以检测的问题。
-
公开(公告)号：CN117998086A
公开(公告)日：2024-05-07
申请号：CN202311797675.9
申请日：2023-12-25
Applicant: 武汉理工大学
IPC: H04N19/126 , H04N19/13 , H04N19/42 , H04N19/154
Abstract: 本发明提供了一种轻量级图像压缩方法，包括以下步骤：步骤S1：对图像数据集进行随机裁剪，并将裁剪后的图像转换为张量格式；步骤S2：构建图像压缩网络，通过深度可分离卷积提取下采样的特征图，并对特征图进行编码；步骤S3：使用比特率‑图像重建损失函数对所述图像压缩网络进行优化训练；步骤S4：将待压缩图像输入所述图像压缩网络进行压缩。深度可分离卷积将标准卷积操作拆分为深度卷积和逐点卷积两个步骤，减少了参数量和计算量。这使得压缩后的模型尺寸更小，占用更少的存储空间和计算资源。深度可分离卷积减少了模型中的冗余计算，降低了运算的复杂度。这导致在相同的计算资源下，可以处理更多的图像数据，提高了计算效率。
-
-
公开(公告)号：CN116403184A
公开(公告)日：2023-07-07
申请号：CN202310298768.0
申请日：2023-03-24
Applicant: 武汉理工大学
IPC: G06V20/58 , G06V10/80 , G06V10/764 , G06N20/00
Abstract: 本发明提供了一种基于N版本机器学习的交通标志识别方法及装置，构建两版本的机器学习架构，包括易感模型和非易感模型，其中，易感模型是为易受对抗样本攻击的模型，非易感模型为不容易或者不会受到对抗攻击的模型；将自动驾驶系统检测到的交通标志牌图像输入两版本的机器学习架构中，得到交通标志识别结果。本发明采用N版本机器学习系统的思想，使用多样性分类模型来防止单一模型的错误输出。在同一系统中使用不相关的分类模型组成多样性模型，以提高系统输出的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112613269B
公开(公告)日：2023-02-24
申请号：CN202011587720.4
申请日：2020-12-28
Applicant: 武汉理工大学
IPC: G06F30/398
Abstract: 本发明公开了一种基于无关性覆盖模型的系统最佳冗余度计算方法，首先对系统进行定性分析，计算各个组件的最小无关触发事件MIT；然后根据无关性覆盖模型中系统失效定义结合MIT进一步分析得到系统发生失效的逻辑表达式；接着利用不相交乘积和SDP技术，计算得到系统可靠性表达式；最后利用定义法分析可靠性表达式的单调性，从而得到系统可靠性取得极大值时组件的个数，即为最佳冗余度。当系统结构满足条件时，能实现最佳冗余度的快速求解。本发明所基于的无关性覆盖模型，是对传统不完全覆盖模型的改进，加入了对无关组件的覆盖，能进一步提升系统的可靠性。
-
公开(公告)号：CN111326214B
公开(公告)日：2022-07-08
申请号：CN202010067402.9
申请日：2020-01-20
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于负数据库的基因数据上安全的相似患者查询方法及系统，包括以下步骤：将作为典型样本患者的基因序列转化为二进制串，并生成负数据库，并作为样本负数据库存储到服务器的基因序列总数据库中，同时存储与相应患者的医疗数据；将待查询的基因序列数据转化为二进制串，并生成相应的待查询基因序列负数据库，并上传服务器；计算待查询基因序列负数据库与基因序列总数据库中所有样本负数据库之间的编辑距离；找出编辑距离最小的样本负数据库，并返回相应患者的医疗数据。本发明可以在满足隐私保护的前提下，安全地计算基因序列间的编辑距离，由此比较基因序列间的相似性，用于基因医疗和疾病诊断。
-
公开(公告)号：CN108154185B
公开(公告)日：2021-12-17
申请号：CN201711446923.X
申请日：2017-12-27
Applicant: 武汉理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于负数据库的隐私保护k‑means聚类算法，包括：将所需要进行聚类的数据库中X的每一条数据转化为二进制串，并通过K‑hidden算法对每一个二进制串生成相应的负数据库；随机生成k个不同的二进制串作为初始聚类中心；对于每一个负数据库计算负数据库到每个聚类中心的欧氏距离，把负数据库划分给欧氏距离最小的聚类中心；对于每一个聚类，重新计算聚类中心；重复迭代直到聚类中心不再发生变化。本发明能够提高已有的基于负数据库的k‑means算法聚类精度，并且所提出的欧氏距离估算方法也可以被用到其他的数据挖掘算法来保护数据隐私。
-
公开(公告)号：CN113656288A
公开(公告)日：2021-11-16
申请号：CN202110871720.5
申请日：2021-07-30
Applicant: 武汉理工大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于无关性覆盖模型的动态故障树可靠性分析方法，包括如下步骤：S1、利用基于时序结构函数的代数框架对动态故障树进行解析，从而得到动态故障树的基于覆盖失效事件的代数结构函数；S2、针对代数结构函数，利用改进后的最小无关触发的计算方法得出每个变量的最小无关触发；S3、根据步骤S2中的每个变量的最小无关触发，获取动态故障树基本事件关于未覆盖失效的限制表达式；S4、根据步骤S2中的代数结构函数和步骤S3中的未覆盖失效的表达式，获取基于代数结构函数的系统无关性覆盖模型的表达式。本发明扩展了无关性模型在动态系统中的应用，适用于任意失效时间分布的系统和静态故障树，具有良好的普适性。
-
公开(公告)号：CN107145539B
公开(公告)日：2019-10-25
申请号：CN201710267513.2
申请日：2017-04-21
Applicant: 武汉理工大学
IPC: G06F16/215 , G16H10/20 , G16H50/70
Abstract: 本发明公开了一种处理负调查中不合理数据的方法，包括如下四个步骤：计算正调查的值；将不合理的数据进行调整；对于调整后的数据，计算由调整造成的差值分配到其他选项的比例；对于调整后得到的负调查的值，计算正调查的值等；在负调查重建正调查数据的过程中，本发明既可以处理负值这一类不合理的数据，也可以处理与背景知识相违背的不合理数据，并且取得较高的重建精度。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.046 seconds)
