-
公开(公告)号：CN102611588A
公开(公告)日：2012-07-25
申请号：CN201210085015.3
申请日：2012-03-28
Applicant: 西安电子科技大学
IPC: H04L12/26
Abstract: 本发明提出了一种基于自动相转换聚类的重叠社区网络检测方法，克服现有技术中处理较慢，复杂性较高且在检测重叠社区时必须事先已知社区结构和社区个数的问题。其实现步骤是：(1)生成网络邻接矩阵；(2)初始化；(3)更新节点相位；(4)处理更新后节点的相位；(5)判断更新后节点的相位是否稳定；(6)统计子区间节点个数；(7)输出网络社区划分结果。本发明提出的方法更新节点的相位是一个离散迭代的过程，加快了相位求解过程，提高了并行处理能力，不需要事先设定各个节点的固有频率和已知社区结构，降低了网络社区检测的复杂性，可以有效地检测出网络的各个社区和重叠节点。
-
公开(公告)号：CN102034250B
公开(公告)日：2012-05-23
申请号：CN201010561616.8
申请日：2010-11-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边缘结构信息的分块压缩感知重构方法。主要解决现有技术速度慢和重构图像存在明显的块效应的缺点。其过程为：1.把一幅图像分成个32×32的小块；2.对图像块进行小波变换，保留图像低频信号，对高频信号进行压缩采样；3.把变换后的图像块高频部分全部置零与保留下来的低频信息一起进行逆小波变换得到一幅模糊图像，对该图像进行边缘检测；4.对不含边缘的图像块用正交匹配追踪StOMP方法进行重构，对含边缘的图像块的边缘用有边缘结构信息指导的MP方法进行重构，非边缘部分用广义逆重构；5.将重构的图像块拼接起来得到原图的重构图。本发明与现有技术相比具有速度快和重构效果好的优点，适合对自然图像和SAR图像的重构。
-
公开(公告)号：CN102156971A
公开(公告)日：2011-08-17
申请号：CN201110095598.3
申请日：2011-04-15
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于线状奇异性信息的SAR图像相干斑抑制方法。主要解决现有技术的在大块均匀区域内出现非均匀区域的问题。其实现步骤为：1.根据PrimalSketch稀疏表示模型，用线性稀疏编码提取SAR图像由线段组成的边脊草图；2.根据边脊草图把SAR图像划分为非均匀区域和均匀区域；3.对非均匀区域，用结合局部奇异信息的相干斑抑制方法进行处理；4.对均匀区域，采用变窗策略调整窗口大小，若窗口大小大于等于5*5，则用相应窗口的Lee滤波方法处理；否则用窗口为3*3增强Lee滤波方法处理；5.将处理后的非均匀区域和均匀区域合并，得到SAR图像相干斑抑制结果。本发明实现了SAR图像良好的相干斑抑制效果，可用于SAR图像相干斑抑制。
-
公开(公告)号：CN102148987A
公开(公告)日：2011-08-10
申请号：CN201110088400.9
申请日：2011-04-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于先验模型和l0范数的压缩感知图像重构方法，主要解决现有技术在重构图像时的视觉效果差、运行时间长的缺点。其技术方案是利用先验模型优化l0范数的压缩感知图像重构框架，并通过两个有效的步骤实现稀疏系数的定位和对该稀疏系数值的求解，第一步，建立先验模型-低频系数小波逆变换得到边缘模糊的图像，用边缘检测确定边缘位置，再利用小波系数具有尺度内的聚集性这种先验模型，通过免疫遗传算法去搜索小波高频子带稀疏系数所在的位置；第二步，通过使用改进的克隆选择算法求解相应的高频子带，再做小波逆变换得到重构后的图像。本发明与现有技术相比，视觉效果好，计算复杂度低，可用于图像处理和计算机视觉领域。
-
公开(公告)号：CN119868957A
公开(公告)日：2025-04-25
申请号：CN202411892953.3
申请日：2024-12-20
Applicant: 西安电子科技大学
IPC: A63F13/60 , A63F13/67 , A63F13/822 , G06N5/01 , G06N5/04
Abstract: 本发明公开了一种基于Nash‑Stackelberg分层博弈模型的海上主动防御策略，包括：构建海上防御对抗模拟场景，将防御力量部署问题建模为Nash‑Stackelberg分层博弈模型，Nash‑Stackelberg分层博弈模型用于描述防御力量内部协同关系以及防御方与攻击方之间的对抗关系；分析Nash‑Stackelberg分层博弈模型，构建基于混合粒子群算法的模型求解框架，对模型求解框架进行优化，通过迭代更新粒子求解博弈均衡解；根据博弈均衡解制定主动防御策略。本发明充分考虑防御单位之间的协同关系和防御方与攻击方之间的对抗关系，提升了游戏中电脑方部署方案的科学性与强对抗性，提供了精细化的防御力量分布建议。
-
Patent Agency Ranking
公开(公告)号：CN117650938A
公开(公告)日：2024-03-05
申请号：CN202311694841.2
申请日：2023-12-11
Applicant: 西安电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于数据关联分析的行业工业系统网络威胁处置方法，包括：采集行业工业系统的数据并建立关联度量化模型；将数据输入威胁感知大数据分析平台，以使其利用关联度量化模型对数据进行处理，得到威胁感知数据；对威胁感知数据进行聚类，形成多个威胁类别后，按照威胁类别对获取的实时威胁数据中包含的攻击行为所对应的威胁进行分类，并生成最终预警；针对最终预警，从预先建立的规则引擎中选择响应策略并执行该响应策略包含的响应动作。本发明提供一种基于数据关联分析的行业工业系统网络威胁处置方法，通过灵活的数据采集、高度自定义的关联度量化模型以及多层次的威胁响应机制，提升了工业系统网络安全的可靠性和实用性。
-
公开(公告)号：CN111967503B
公开(公告)日：2023-10-13
申请号：CN202010721898.7
申请日：2020-07-24
Applicant: 西安电子科技大学
IPC: G06F18/2411 , G06F18/2415 , G06N3/126 , G06F16/955
Abstract: 本发明公开了一种多类型异常网页分类模型的构建方法、异常网页检测方法，其中，多类型异常网页分类模型的构建包括：将不同类型的异常网页分类，并根据不同类型的网页的攻击意图和手段选择相应的属性，并通过SVM‑RFE选取最合适的最优属性，并将每个属性在朴素贝叶斯上的精确度为特征有效度，并将其引入SVM中，设计出一种具有特征有效度的支持向量机，将选取的特征在含有特征有效度支持向量机中训练得到多类型异常网页分类模型。其中，异常网页检测方法包括；将提交的URL提取异常特征，并进行标准化处理，然后调用本发明的多类型异常网页分类模型进行检测。
-
公开(公告)号：CN110378236B
公开(公告)日：2023-04-07
申请号：CN201910537407.0
申请日：2019-06-20
Applicant: 西安电子科技大学
IPC: G06V20/54 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，涉及一种基于深度学习的车辆身份识别模型构建、识别方法和系统。首先，本发明利用大规模道路监控图片进行车辆检测的模型训练，训练采用多损失函数分阶段联合训练策略。然后，对检测出的车脸图像进行部件提取，并根据车脸部件提取情况利用特征提取与融合网络或普通分类网络进行分类。最后，利用多任务网络提取并过滤车脸的身份特征向量，将待分析图像特征与车辆信息库内图像的特征向量进行相似性度量，得到车辆身份识别结果。本发明提出的深度学习网络框架能够针对需求，提升网络模型的在不同方面的特征提取能力，从而实现最佳的模型表述能力，方便提取具有显著区分度的识别特征向量。
-
公开(公告)号：CN109298930B
公开(公告)日：2022-12-13
申请号：CN201710607203.0
申请日：2017-07-24
Abstract: 本发明实施例提供了一种基于多目标优化的云工作流调度方法及装置，涉及高性能计算技术领域，能够基于局部搜索和权向量调整进行多目标优化，在获得较快的收敛速度同时得到多样性更好的个体。该方法包括建立仿真的云计算资源模型及云工作流任务模型；然后初始化种群并计算每个个体的适应值；进一步对每个个体进化处理；然后进行局部搜索，获取每个子问题邻居中的两个最优个体，计算得到新个体，以再次更新个体；并且当更新后的个体满足收敛条件时，对进化后种群进行权向量调整操作；包括删除拥挤区域的子问题以及向稀疏区域增加新的子问题；最后输出最优个体。本发明实施例提供的技术方案适用云工作流调度过程中。
-
公开(公告)号：CN115359455A
公开(公告)日：2022-11-18
申请号：CN202211004182.0
申请日：2022-08-22
Applicant: 西安电子科技大学
IPC: G06V20/58 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/764
Abstract: 一种基于深度学习的轻量级车辆检测方法，针对车辆检测任务，对基于Anchor‑Free的一阶段目标检测算法架构的骨干网络，特征融合层，预测子网络分别进行了轻量化的改进，实现了一种基于深度学习的轻量级车辆检测方法；首先建立了一种轻量级骨干网络ResCSPNet‑Tiny；然后建立了一种轻量级的特征融合网络LPANet；最后采用联合表示的方式建立了一种轻量级的多尺度预测子网络；同时，为了提高算法的对车辆目标的检测能力，在训练期间采用了动态标签分配方法，以及广义的焦点损失函数和广义的交并比损失函数，最后在BDD车辆数据集上的实验结果表明：本发明的SFVD算法的速度能够达到448FPS，mAP能够达到37.1％，速度与精度都优于已有的轻量级检测算法，能够更好地处理驾驶场景下的车辆检测任务。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.024 seconds)
