-
公开(公告)号：CN103973666A
公开(公告)日：2014-08-06
申请号：CN201310351135.8
申请日：2013-08-13
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种垃圾邮件僵尸主机检测方法及装置，涉及计算机网络安全领域。该方法包含训练阶段和检测阶段：S1、通过序贯概率比的方法估计正常主机和垃圾邮件僵尸主机的高斯模型参数，分别建立高斯模型，并计算高斯模型的门限值；S2、通过垃圾邮件分类器对待检测主机发出的邮件进行检测，得到检测分数；S3、将所述检测分数进行归一化处理，将检测分数调整在[0,1]区间内；S4、基于调整后的检测分数，通过步骤S1中建立的高斯模型计算垃圾邮件僵尸主机的统计量，并将统计量与所述门限值做比较，判决待检测主机是否为垃圾邮件僵尸主机。本发明通过检测发送垃圾邮件的僵尸主机，能够切断垃圾邮件发送的源头，从根本上减少垃圾邮件的发送。
-
公开(公告)号：CN103973427A
公开(公告)日：2014-08-06
申请号：CN201310379191.2
申请日：2013-08-27
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明提供一种基于虚拟计算和数据优化的混沌并行数据的加密方法，包括：S1、建立混沌方程，对数据进行划分，得到划分后的数据集，并确定虚拟计算核心集合；S2、判断所述数据集与所述虚拟计算核心集合的差值，根据所述差值与零的大小，确定执行态虚拟计算核心集合，并建立数据集与执行态虚拟计算核心的静态映射关系；S3、根据并行系统中物理计算核心集合建立执行态物理计算核心集合，并建立所述执行态虚拟计算核心集合到所述执行态物理计算核心集合的静态映射关系，执行态虚拟计算核心获取所述混沌方程的密钥并执行数据加密。本发明实施例中提出的加密方法能够根据实际需要充分利用物理计算核心，即充分利用并行系统的计算资源。
-
公开(公告)号：CN114820510A
公开(公告)日：2022-07-29
申请号：CN202210437761.8
申请日：2022-04-25
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/10 , G06T7/62 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/82 , G06V10/762 , G06V10/764
Abstract: 细胞病理图像质量评价方法，本发明涉及自动化病理诊断技术中，缺乏细胞病理图像质量评价方法的问题。病理切片数字化积累了大量的数据，是自动化病理诊断的重要前提。然而扫描产生的质量不合格的细胞病理图像严重影响了自动化病理诊断的效率，甚至导致误诊和漏诊。现在存在的很多图像质量评价方法都没有考虑到细胞病理医生对于样本图像的评价标准，不适用于自动化病理诊断领域。为改善这一问题，本发明提出了一种基于《宫颈液基细胞学的数字病理图像采集与图像质量控制中国专家共识》和TBS(The Bethesda system)诊断标准的细胞病理图像质量评价方法。实验表明，该方法能有效地评价细胞病理图像的质量，提高自动病理诊断的效率。本发明应用于细胞病理图像的质量评价。
-
公开(公告)号：CN114613369A
公开(公告)日：2022-06-10
申请号：CN202210221405.2
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
-
公开(公告)号：CN110737788B
公开(公告)日：2022-05-31
申请号：CN201910980788.X
申请日：2019-10-16
Applicant: 哈尔滨理工大学
IPC: G06F16/51 , G06F16/583 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 快速的三维模型索引建立及检索方法，本发明涉及三维模型检索过程中，二维视图表征三维模型存在冗余的问题以及检索效率低下的问题。目前基于视图的三维模型检索是先将三维模型投影成二维视图集合，然后采用深度学习技术对其进行分类和检索。然而,现有的方法在精度和效率方面都有待提升。为此，本发明采用K‑means方法选出代表性视图来替代投影所产生的所有视图，极大的减少了投影视图的数量。然后利用训练好的卷积神经网络(CNN)提取具有代表性的特征，并将特征按类别建立索引。检索时，利用CNN首先将代表性视图分到一个类别中，然后相似度匹配仅在该类别中进行而不是所有类别。通过这种方式，减少了检索算法的搜索空间。此外，本发明提出了一种视图递增的检索方法，该方法在满足条件时，提前终止检索，使得检索平均时间进一步减少，再次提高了检索效率。本发明应用于三维模型检索。
-
Patent Agency Ranking
公开(公告)号：CN113409254A
公开(公告)日：2021-09-17
申请号：CN202110624234.3
申请日：2021-06-04
Applicant: 哈尔滨理工大学
Abstract: 一种针对模糊成像环境的印刷品缺陷检测方法，本发明涉及印刷品缺陷检测技术。为了解决缺陷检测任务中复杂环境和镜头畸变所导致的误检和漏检问题。基于机器视觉的表面缺陷检测技术被广泛应用，然而高精度的印刷产品表面缺陷检测依赖于高质量的图像。在目标快速移动、相机摇晃、失焦等影响下，相机捕捉的图像会有一定程度的模糊和失真，从根本上阻碍了印刷品缺陷检测精度的提升。本发明提出一种针对模糊成像环境的印刷品缺陷检测方法。实验表明，该方法可以有效地提升图像的清晰度和缺陷检测的鲁棒性，减少复杂环境和镜头畸变所导致的误检和漏检情况。本发明主要应用于模糊成像环境的印刷品缺陷检测。
-
公开(公告)号：CN113160185A
公开(公告)日：2021-07-23
申请号：CN202110457201.4
申请日：2021-04-27
Applicant: 哈尔滨理工大学
Abstract: 一种利用生成边界指导因子的宫颈细胞分割方法，本发明涉及图像处理技术领域。该方法包括如下步骤：(1)采集宫颈细胞图像，标注得到细胞核位置与细胞质轮廓；(2)构建Ce‑GAN网络结构；(3)使用Ce‑GAN网络的粗分割模块对细胞图像进行初步分割；(4)制作Ce‑GAN的数据集；(5)构造Ce‑GAN网络指导因子生成模块的损失函数；(6)训练Ce‑GAN的生成器模型，并利用生成器模型获得细胞质的边界位置；(7)引入边界位置信息作为Ce‑GAN网络的细分割模块的指导因子，训练Ce‑GAN网络的细分割模型，并使用细分割模型对宫颈细胞图像进行分割。本发明通过引入边界位置信息作为细分割的约束条件，应用于宫颈细胞图像的细胞核和细胞质的准确分割。
-
公开(公告)号：CN109001902B
公开(公告)日：2021-07-16
申请号：CN201811028727.5
申请日：2018-09-05
Applicant: 哈尔滨理工大学
Abstract: 一种显微镜聚焦方法，本发明涉及显微镜聚焦方法。本发明的目的是为了解决因载物平台不平整引发的聚焦之后一张图片上一部分区域清晰，一部分区域不清晰的问题。为解决这个问题，本发明提出新的显微镜聚焦方法：使用平台前，通过测量并学习载物平台的平整度作为平台参数；使用平台时，根据不同的平整度参考之前学习的平台参数，使用不同的策略进行图像采集并融合。采用多图像融合的方式，将同一视野下处于多个焦平面的清晰图像融合到一张图片上。实验表明，通过融合不同深度的清晰图像明显提高了图像质量。本发明应用于显微镜聚焦领域。
-
公开(公告)号：CN112365471A
公开(公告)日：2021-02-12
申请号：CN202011259420.3
申请日：2020-11-12
Applicant: 哈尔滨理工大学
Abstract: 基于深度学习的宫颈癌细胞智能检测方法。本发明涉及深度学习方法对细胞核的分类。本发明的目的是为了解决现有传统诊断方式检测癌细胞准确率低、耗时长等问题。为解决此问题，本发明提出了一种基于深度学习的智能宫颈癌细胞筛查方法。方法的具体过程为：一、数据准备；二、细胞核分割；三、细胞核分类；四、筛选癌细胞。在细胞核分类部分，数据上利用主动学习的方法进行数据的扩充和类别的细分；模型上以ResNeSt为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。实验表明，本文细胞核分类方法准确率比原模型准确率更高，另外，本发明还提供了一种更有效的扩充数据和类别细分的数据准备方法。本发明应用于医学图像分类领域。
-
公开(公告)号：CN110136059A
公开(公告)日：2019-08-16
申请号：CN201910269054.0
申请日：2019-04-04
Applicant: 哈尔滨理工大学
Abstract: 直线特征的风电叶片图像拼接方法，本发明涉及风电叶片图像拼接方法。本发明的目的是为了解决对于风电叶片背景相对简单、结构单一、明暗程度差异小并且重合度小的图像难以拼接的问题。为解决此问题，本发明提出了一种直线特征的风电叶片图像拼接方法。该方法首先对图像预处理并检测直线特征，然后根据直线差异度去掉重复直线特征，再配准直线特征，最后拼接图像。实验表明，该方法对于风电叶片图像拼接成功率较高，对于重合度小的图像拼接具有较强的鲁棒性，相比现有图像拼接方法是一种有效且稳定的风电叶片图像拼接方法。本发明应用于风电叶片图像拼接领域。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.03 seconds)
