一种基于地理位置信息的天地网络混合编址方法

    公开(公告)号:CN102118456B

    公开(公告)日:2013-05-22

    申请号:CN201110021195.4

    申请日:2011-01-19

    Abstract: 本发明公开了一种基于地理位置信息的天地网络混合编址方法,特征是在地址中增加了节点地理位置信息,使得每个节点的地址均能够反映出该节点的地理位置,这样路由时依据路由节点与目的节点位置关系选择转发路径,无需维护一张关于网络地址信息与转发路径对应的路由表,提高路由效率;同时对于移动节点,引入了绝对地址和相对地址的概念,地址中增加了卫星标识域,可以在该卫星节点地址数据库中查找到该移动节点绝对地址与相对地址的映射关系。该混合编址方法能够实现各种节点接入卫星网络,利用数据包目的地址即可实现高效路由,在天地一体化网络中起着关键作用。

    一种基于概率的多优先级队列调度方法

    公开(公告)号:CN102098217A

    公开(公告)日:2011-06-15

    申请号:CN201110008627.8

    申请日:2011-01-14

    Abstract: 本发明公开了一种基于概率的多优先级队列调度方法,其特征是在多优先级队列调度时有效的结合多个逻辑或物理队列和概率函数;采用多个逻辑或物理队列可以实现多优先级;在队列调度的每一个调度周期内,调度器会检查是否有空队列;如果没有空队列,调度器就将概率生成器所生成的概率函数值所对应的队列中的数据包取出进行转发;如果存在一个或多个空队列,调度器就先将空队列的概率区间值配给非空队列,然后再将相应的数据包取出进行转发;本发明方法根据概率函数值进行调度保证了公平性,将空队列的概率区间值转借给非空队列,实现了带宽借用;所以本发明在保证多优先级的基础之上实现队列调度的公平性和‘带宽借用’。

    一种基于差分隐私的社会化推荐方法

    公开(公告)号:CN110276016B

    公开(公告)日:2022-10-28

    申请号:CN201910583416.3

    申请日:2019-06-28

    Abstract: 本发明公开了一种基于差分隐私的社会化推荐方法,一方面,将差分隐私运用于给用户推荐物品的社会化推荐系统,在做出数值型的评分预测的同时能够保护用户过去数值型评分记录的存在与否;另一方面,由于评分数据中有些评分可能会更加敏感,可以给不同敏感度的评分给予不同强度的隐私保护,使得敏感评分可以得到比普通评分更高的保护强度。

    面对目标的监控视频中异常检测方法

    公开(公告)号:CN108830204B

    公开(公告)日:2021-10-19

    申请号:CN201810558987.7

    申请日:2018-06-01

    Abstract: 本发明公开了一种面对目标的监控视频中异常检测方法,包括:对于每一视频帧,提取融合了外观和运动信息的三通道数据送入目标检测网络,来提取视频帧内的前景目标位置、大小及其类别;根据每个前景目标位置、大小及其类别判断是否属于位置异常与外观异常,并获得相应的目标异常得分;当不属于这两种异常时,则提取前景目标的手工特征来判断是否属于运动异常,并获得相应的目标异常得分;对于非位置异常的异常目标进行跟踪,得到最终的异常目标集合及对应目标异常得分后;通过判断目标异常得分是否超过异常阈值,来确定相应的异常目标是否异常。通过该方法可以提高目标异常检测的准确性。

    基于图着色方法的无线体域网间干扰减轻方法

    公开(公告)号:CN112054854B

    公开(公告)日:2021-10-01

    申请号:CN202010962387.4

    申请日:2020-09-14

    Inventor: 刘斌 张晓屿

    Abstract: 本发明公开了一种基于图着色方法的无线体域网间干扰减轻方法,根据单个个体的移动模型,获得无线体域网内传感器节点的位置分布概率;利用路径损失模型构建出各个传感器节点对于每个无线体域网的干扰权值,并构建出所有无线体域网之间的干扰关系图,从而为各个无线体域网进行信道分配。该方法充分分析个体的移动性特征,针对多WBAN共存干扰问题提出相应的解决方案,大大提高了数据传输的可靠性。

    一种视频中异常行为的检测方法

    公开(公告)号:CN108647649B

    公开(公告)日:2021-10-01

    申请号:CN201810456027.X

    申请日:2018-05-14

    Abstract: 本发明公开了一种视频中异常行为的检测方法,包括:从视频中提取所有目标候选框;计算视频中每帧图像的光流场,从而提取每一目标候选框内的运动特征;计算视频中每帧图像的卷积特征,从而提取每一目标候选框内的外观特征;对提取的所有运动特征和外观特征分别独自训练建立正常行为的高斯混合模型,测试时每一个目标候选框的运动特征和外观特征通过对应的GMM进行预测得到正常得分,再将两路正常得分进行融合取最小值,若最小值低于设定的异常阈值,则对应目标候选框中的目标个体被判定为异常。该方法同时考虑到速度异常和外观异常以及提取特征的有效性,能够检测出监控视频中大部分异常行为,具有鲁棒性好、目标定位准确的优点。

    基于关键区域特征学习的视频中异常行为检测方法

    公开(公告)号:CN107766823B

    公开(公告)日:2020-06-26

    申请号:CN201711013558.3

    申请日:2017-10-25

    Abstract: 本发明公开了一种基于关键区域特征学习的视频中异常行为检测方法,包括:将视频帧序列划分为若干个的时空视频块,并通过关键区域检测算法检测出可能出现异常的时空视频块;利用训练好的基于自编码器的特征提取模块来提取每一可能出现异常的时空视频块的特征;利用基于马氏距离的分类器在提取到特征的基础上判断相应时空视频块是否是异常。该方法可以自动检测视频中异常行为的场景,具有检测速度快,稳定性高的优点。

Patent Agency Ranking