-
公开(公告)号：CN104050556B
公开(公告)日：2017-06-16
申请号：CN201410228073.6
申请日：2014-05-27
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种垃圾邮件的特征选择方法及其检测方法，包括：基于字节的N‑grams方法进行邮件的特征提取；根据提取的特征与预设邮件类别的相关度进行特征排序生成初始特征子集；根据近似马尔科夫毯算法删除所述初始特征子集中的冗余特征得到候选特征子集；通过在线逻辑回归分类器对所述候选特征子集进行预测并根据预测结果对所述候选特征子集进行评价选择最优特征子集；根据所述最优特征子集利用在线逻辑回归分类器对垃圾邮件进行检测。采用本发明提出的垃圾邮件的特征选择方法及其检测方法，使得垃圾邮件的特征选择及垃圾邮件检测的计算过程简单，时间复杂度低，而且使得垃圾邮件检测的准确率大大提高。
-
公开(公告)号：CN103973589B
公开(公告)日：2017-04-12
申请号：CN201310414970.1
申请日：2013-09-12
Applicant: 哈尔滨理工大学
IPC: H04L12/813
Abstract: 本发明提供了一种网络流量分类方法及装置，涉及计算机网络安全领域。该方法包含离线训练阶段和在线识别阶段：离线训练阶段包含：S1、构建训练数据集的应用类型分布图，得到对应关系，并计算概率；S2、构建端口与应用的对应关系表；S3、确立决策因子；在线识别阶段包含：S4、获取端口对，选择其中一个端口作为决策端口；S5、进行分类器选择；S6、选择基于载荷的分类模块为分类器，当分类结果不为空时，对对应关系及其概率值进行单向监督，评价对应关系并更新概率。本发明在网络流量分类过程中减少对于数据包内容的检测，降低对内存和带宽的需求，以及对用户隐私的侵犯，实现在高速网络链路下高速度、高精度的流量分类。
-
公开(公告)号：CN104050556A
公开(公告)日：2014-09-17
申请号：CN201410228073.6
申请日：2014-05-27
Applicant: 哈尔滨理工大学
IPC: G06Q10/10
Abstract: 本发明涉及一种垃圾邮件的特征选择方法及其检测方法，包括：基于字节的N-grams方法进行邮件的特征提取；根据提取的特征与预设邮件类别的相关度进行特征排序生成初始特征子集；根据近似马尔科夫毯算法删除所述初始特征子集中的冗余特征得到候选特征子集；通过在线逻辑回归分类器对所述候选特征子集进行预测并根据预测结果对所述候选特征子集进行评价选择最优特征子集；根据所述最优特征子集利用在线逻辑回归分类器对垃圾邮件进行检测。采用本发明提出的垃圾邮件的特征选择方法及其检测方法，使得垃圾邮件的特征选择及垃圾邮件检测的计算过程简单，时间复杂度低，而且使得垃圾邮件检测的准确率大大提高。
-
公开(公告)号：CN104036777A
公开(公告)日：2014-09-10
申请号：CN201410217411.6
申请日：2014-05-22
Applicant: 哈尔滨理工大学
IPC: G10L15/20 , G10L21/0308
Abstract: 本发明涉及一种语音活动检测方法及装置，包括：提取干净语音信号的信号特征和混噪语音信号的信号特征；根据所述干净语音信号的信号特征进行字典训练得到语音字典；根据所述混噪语音信号的信号特征动态更新预设的噪声训练数据，提取更新后的所述噪声训练数据的信号特征进行在线字典训练得到噪声字典；根据所述语音字典和噪声字典对输入的混噪语音信号的信号帧进行稀疏表示；提取所述稀疏表示中的稀疏系数，根据所述稀疏系数对输入的混噪语音信号的信号帧进行检测。采用本发明提出的方法及装置，能够准确分辨出噪声环境下语音信号的语音部分和非语音部分，提高在变化噪声环境下语音活动检测的性能。
-
公开(公告)号：CN103973589A
公开(公告)日：2014-08-06
申请号：CN201310414970.1
申请日：2013-09-12
Applicant: 哈尔滨理工大学
IPC: H04L12/813
Abstract: 本发明提供了一种网络流量分类方法及装置，涉及计算机网络安全领域。该方法包含离线训练阶段和在线识别阶段：离线训练阶段包含：S1、构建训练数据集的应用类型分布图，得到对应关系，并计算概率；S2、构建端口与应用的对应关系表；S3、确立决策因子；在线识别阶段包含：S4、获取端口对，选择其中一个端口作为决策端口；S5、进行分类器选择；S6、选择基于载荷的分类模块为分类器，当分类结果不为空时，对对应关系及其概率值进行单向监督，评价对应关系并更新概率。本发明在网络流量分类过程中减少对于数据包内容的检测，降低对内存和带宽的需求，以及对用户隐私的侵犯，实现在高速网络链路下高速度、高精度的流量分类。
-
Patent Agency Ranking
公开(公告)号：CN103971700A
公开(公告)日：2014-08-06
申请号：CN201310332075.5
申请日：2013-08-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种语音监控方法及装置，涉及语音信号处理技术领域。该方法包括：S1、获取电话的语音数据，提取语音数据的语音特征;S2、进行说话人跳变检测，将语音特征按两个说话人进行分离，得到两类分离的语音特征；S3、对于分离的每一类语音特征，判断是否存在与之匹配的诈骗分子的说话人模型，如为是，则判定存在诈骗份子；如为否，则执行步骤S4；S4、检测所述分离的语音特征中是否存在预先设置的诈骗行为相关的关键词，如果存在至少一个关键词，则判定存在诈骗行为，训练该诈骗分子的说话人模型，并保存该诈骗分子的说话人模型；否则，判定不存在诈骗行为。本发明实现电话环境下对诈骗分子自动进行监控，节约了公安系统的打击电信诈骗的成本。
-
公开(公告)号：CN103473934A
公开(公告)日：2013-12-25
申请号：CN201310458440.7
申请日：2013-10-02
Applicant: 哈尔滨理工大学
Abstract: 基于视觉的海关物流车辆检测装置及检测方法。随着中国入世和世界经济一体化进程的加快，现代物流产业的发展已经成为全球产业结构调整的一大趋势，现代物流发展的水平越来越成为体现一个国家和地中心综合竞争力的重要标志。目前的海关物流车辆在检测的过程中影响通关效率、容易增加企业负担、增加海关工作量，查验的准确性不高。本发明的组成包括：前端采集系统（1），所述的前端采集系统与智能卡口系统（2）连接，所述的智能卡口系统分别与WEB客户端计算机（3）、海关物流监控平台（4）连接。本发明用于现代物流行业。
-
公开(公告)号：CN103473763A
公开(公告)日：2013-12-25
申请号：CN201310387973.0
申请日：2013-08-31
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于启发式概率Hough变换的道路边缘检测方法。Otsu方法作为一种自适应阈值搜索方法，对于复杂环境下的非结构化道路区域分割具有很好的鲁棒性。然而，Otsu方法本身只能获得道路区域和非道路区域的大致分割结果，而无法获得精确的道路边界。本发明方法包括如下步骤：在双阈值检测阶段，将彼此连通的边缘像素进行统一编号，从而形成Canny边缘的若干子集；对每一个边缘点子集首先利用最小二乘法进行直线拟合，求出该点集的轴线。本发明用于道路边缘检测。
-
公开(公告)号：CN119625312A
公开(公告)日：2025-03-14
申请号：CN202411751641.0
申请日：2024-12-02
Applicant: 哈尔滨理工大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于原型网络的小样本图像语义分割方法，属于图像语义分割技术领域。解决了现有技术中传统的小样本图像语义分割方法因掩码平均池化操作导致的图像空间信息丢失过多的问题；本发明通过预训练的神经网络提取输入的支持图像和查询图像的特征，得到支持图像特征和查询图像特征，对指定的小样本图像语义分割数据集提取图片特征，通过KMeans算法生成广义类别标签；提取广义原型向量，通过广义原型向量对查询图像特征进行增强，得到最终的增强后的特征；引入分割模型，输入最终的增强后的特征进行解码，生成特征图像输入分类器，得到分割结果。本发明有效提升了小样本图像语义分割准确性，可以应用于小样本图像语义分割。
-
公开(公告)号：CN117171760A
公开(公告)日：2023-12-05
申请号：CN202311136567.7
申请日：2023-09-04
Applicant: 哈尔滨理工大学
IPC: G06F21/57 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/74 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明提出了一种基于感知相似性的深度神经网络隐蔽后门攻击方法，属于计算机安全领域。首先，使用后门图像生成器针对干净图像样本生成对应的后门图像；其次，计算后门图像与对应的原始图像之间的感知距离；再其次，通过感知距离计算后门图像与对应原始图像之间的感知相似性；再其次，结合感知相似性损失函数训练后门图像生成器，减少后门图像与原始图像之间的视觉差异；最后，采取了两阶段训练方法，使得触发模式的生成与对分类器模型的投毒变得自动化，提高了训练效率。相比于一般的深度神经网络后门攻击方法，本发明通过感知距离计算后门图像与原始图像之间的感知相似性，约束后门图像生成器的学习，解决了后门图像隐蔽性不足的问题。本发明在后门攻击中生成后门图像的效果比传统方法更好。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.026 seconds)
