-
公开(公告)号：CN112989360A
公开(公告)日：2021-06-18
申请号：CN202110325793.4
申请日：2021-03-26
Applicant: 湖南大学 , 湖南匡安网络技术有限公司
IPC: G06F21/57 , G06F21/46 , G06F16/901 , G06F16/951
Abstract: 本发明公开了一种基于并行二叉树的弱口令漏洞自动检测方法，包括：获取待测目标对象的ip地址和端口号，根据待测对象的ip地址和端口号，并利用python脚本从数据库中爬取用户名密码数据，并根据数据库中每个用户名密码数据的重复项次数、按照从低到高的顺序将所有用户名密码数据进行排序，以得到弱口令对字典文件，根据得到的弱口令对字典文件构造完全二叉树，利用随机存取并行机器PRAM对生成的二叉树进行弱口令扫描，以得到连接检测结果。本发明能解决现有弱口令漏洞检测方法由于需要检测员手动去网上收集用户名字典文件和密码字典文件，导致增加检测员的工作时间的技术问题，以及由于扫描速率过低，导致该方法的效率较低的技术问题。
-
公开(公告)号：CN110321794A
公开(公告)日：2019-10-11
申请号：CN201910432527.4
申请日：2019-05-23
Applicant: 湖南大学
Abstract: 本发明公开了一种融入语义模型的遥感图像油罐检测方法。所述方法包括以下步骤：采集数据：获取遥感图像样本数据并进行预处理；构建模型：构建油罐检测模型和语义模型；模型训练：将所述处理后的图像输入到所述油罐检测模型中进行训练，得到特征图以及特征图检测信息，将所述预处理后的图像分类信息建立关系，保存并建立情景知识库，将所述情景知识库的信息关系输入到所述语义模型中进行训练，得到图像情景上下文信息；及模型融合：将所述特征图的检测信息与所述图像情景上下文信息进行融合。采用这种方法，油罐检测根据不同图像尺度运行，增强了图像信息，实现了更好的油罐检测精度。
-
公开(公告)号：CN110162716A
公开(公告)日：2019-08-23
申请号：CN201910421573.4
申请日：2019-05-21
Applicant: 湖南大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于社区检索的影响力社区搜索方法，通过启发式方法设置权重的初始阈值对网络进行筛选生成子图从而减小其规模达到减少计算成本的目的；在子图的基础上通过生成树判断关键节点的连通性，从而统计社区数量；对于不满足查询条件的阈值，对其进行增量迭代直至其满足查询条件；最后根据查询条件渐进的输出影响力最大社区，避免了重复的枚举社区数目。本发明弥补了现有社区检索技术方面的不足，但保留了其优势，使得社区检索技术变得完美：第一，通过渐进的输出结果有效地减少了重复计算，节省了计算成本；第二，充分考虑了相同权重节点对社区检索的影响，在不影响其检索性能的同时打破了权重的限制条件，扩大了其使用范围。
-
公开(公告)号：CN105740431A
公开(公告)日：2016-07-06
申请号：CN201610068317.8
申请日：2016-01-29
Applicant: 湖南大学
IPC: G06F17/30
CPC classification number: G06F16/2471
Abstract: 本发明提供了一种基于多层周期指数递阶的时序数据预测方法，包括步骤：利用傅里叶级数变换技术分析实时产生的时序数据的周期性，生成多层周期模型；在多层周期模型的基础上，以部分历史数据作为训练数据，进行周期数据的预测权值计算，根据预测权值进行数据预测。本发明通过基于傅里叶级数变换的多层周期划分模型，将历史数据进行抽象，形成数据视图，然后进行多层周期划分，在有效减少数据规模同时又能保持数据特征不变性，有效降低方法的计算复杂性，提高大规模时序数据的预测准确性和运算性能，使得数据预测的速度和精确度能够同时满足要求；还结合Spark云计算技术，实现了时序数据预测并行方法，有效提高大规模时序数据预测的运算性能。
-
公开(公告)号：CN105740424A
公开(公告)日：2016-07-06
申请号：CN201610066429.X
申请日：2016-01-29
Applicant: 湖南大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明提供了一种基于Spark平台的高效率文本分类方法，该方法包括：在物理服务器上构建具有虚拟机的HDFS文件系统和Spark平台，并将数据集上传到HDFS文件系统中；Spark平台从HDFS文件系统中读取数据，将数据转换为RDD并将其存储在内存；将所有任务分为不同的stage，然后运行各个任务；对RDD进行预处理；进行训练；测试分类模型。本发明弥补了朴素贝叶斯模型的缺点与不足，还提高了处理的速度；还对数据挖掘和机器学习起到了有效地促进作用：促进了传统的数据挖掘算法向并行的数据挖掘算法转变；对贝叶斯算的改进提高了分类的精度；促进了以Spark平台为基础的算法的改进；最后提高了集群资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN111489064B
公开(公告)日：2023-05-12
申请号：CN202010226676.8
申请日：2020-03-27
Applicant: 湖南大学
IPC: G06Q10/0631 , G06Q50/30 , G06F18/232 , G06N3/0442 , G08G1/01
Abstract: 本发明公开了一种面向Df‑PBS系统的公共自行车站点动态规划方法，其中采用的自行车停放点聚类方法能够充分利用大规模历史公共自行车的位置信息记录，挖掘实际的自行车行驶租用需求、行驶轨迹、以及自行车停放点分布情况；自行车站点图模型和图序列模型的构建方法能够有效建立自行车站点的抽象模型并进行分析，同时能够有效捕捉不同时间段之间自行车站点位置及站点中自行车数量的更新和变化情况；基于门控图神经网络的公共自行车站点预测方法能够充分利用深度学习技术对大规模图结构数据进行挖掘，实现自行车站点布局的精准预测；自行车站点动态规划方法能够有效确保推荐的自行车站点布局有利于城市管理，同时提高供应商收益和用户便利性。
-
公开(公告)号：CN110245151B
公开(公告)日：2021-07-13
申请号：CN201910460558.0
申请日：2019-05-30
Applicant: 湖南大学
IPC: G06F16/2453
Abstract: 本申请涉及一种数据点组查询方法、装置、计算机设备和存储介质。所述方法包括：从待查询数据集中确定分层最小支配图点，分层最小支配图点被少于预设的数据点组大小的数据点所支配；当数据点组大小不大于分层最小支配图点中天际线点的数量时，获取数量不超过数据点组大小的天际线点，生成天际线点候选组；当天际线点候选组的大小小于数据点组大小时，根据天际线点候选组中候选组点的直接子集，对天际线点候选组进行扩充，得到扩充候选组；其中，直接子集包括天际线点候选组中的候选组点的直接支配点；当扩充候选组的大小等于数据点组大小时，根据扩充候选组得到点组查询结果。采用本方法能够提高数据点组的查询效率。
-
公开(公告)号：CN110162716B
公开(公告)日：2020-12-25
申请号：CN201910421573.4
申请日：2019-05-21
Applicant: 湖南大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于社区检索的影响力社区搜索方法，通过启发式方法设置权重的初始阈值对网络进行筛选生成子图从而减小其规模达到减少计算成本的目的；在子图的基础上通过生成树判断关键节点的连通性，从而统计社区数量；对于不满足查询条件的阈值，对其进行增量迭代直至其满足查询条件；最后根据查询条件渐进的输出影响力最大社区，避免了重复的枚举社区数目。本发明弥补了现有社区检索技术方面的不足，但保留了其优势，使得社区检索技术变得完美：第一，通过渐进的输出结果有效地减少了重复计算，节省了计算成本；第二，充分考虑了相同权重节点对社区检索的影响，在不影响其检索性能的同时打破了权重的限制条件，扩大了其使用范围。
-
公开(公告)号：CN111479237A
公开(公告)日：2020-07-31
申请号：CN202010262063.X
申请日：2020-04-06
Applicant: 湖南大学
IPC: H04W4/40 , H04W4/44 , H04W4/46 , H04W4/06 , H04W12/02 , H04W12/12 , H04W84/18 , H04L9/06 , G08G1/017 , G08G1/065 , G08G1/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于区块链和深度学习的去中心化分布式VANET系统，包括多个车载单元OBU、多个通讯基站BS、以及多个边缘计算EC节点，车载单元和通讯基站之间通过无线通讯的方式通信，通讯基站与EC节点之间通过无线通讯或有线通讯的方式通信，EC节点之间是通过区块链网络彼此通信，车载单元用于与其附近的其他车辆的车载单元通过安全通信的方式共享车辆安全消息VSM，车载单元还用于与其对应的BS之间通过安全通信的方式共享VSM消息。本发明能够解决现有集中式VANET系统由于黑客可以执行各种网络攻击导致系统安全性差的技术问题，以及应用数据挖掘、机器学习和深度学习算法的VANET系统中存在的系统安全性差、对中央服务器过度依赖的技术问题。
-
公开(公告)号：CN110289861A
公开(公告)日：2019-09-27
申请号：CN201910417842.X
申请日：2019-05-20
Applicant: 湖南大学
IPC: H03M7/30
Abstract: 本发明提供一种半精度压缩感知采样方法，包括如下步骤：对视频图像中的对象进行检测，确定对象在视频图像中的坐标位置；将视频图像的RGB三个通道划分为33×33的子图像块，并将子图像块转换为1089×1的矩阵；对子图像块按照矩阵方式进行编号和标识；使用随机高斯矩阵产生每个子图像块所对应的半精度测量矩阵；利用半精度测量矩阵运算得到不同压缩感知测量率的半精度测量值；将半精度测量值输入压缩感知重构模型进行重构，将重构后的子图像块拼接得到压缩感知重构图像；将压缩感知图像以左上角为起始点进行裁剪后得到实际重构图像；将RGB三个通道中的实际重构图像进行融合，得到半精度压缩感知重构图像。本发明的半精度压缩感知采样方法采样数据量小。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.024 seconds)
