-
公开(公告)号：CN114374633A
公开(公告)日：2022-04-19
申请号：CN202210015680.9
申请日：2022-01-07
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于智能合约的可信物联网云服务评价方法及系统，该方法包括：按照用户需求将规则限制打包写入SLA智能合约；引入证人池机制，基于选举无偏向随机选择算法选举证人委员会；基于证人委员会，根据SLA智能合约对服务进行监控。该系统包括：打包模块、选举模块和监控模块。对于物联网服务商与开发者用户在服务过程中发生的质量问题，本发明通过引入证人池机制选举产生证人委员会对服务质量进行监控。本发明作为一种基于智能合约的可信物联网云服务评价方法及系统，可广泛应用于智能合约技术领域。
-
公开(公告)号：CN113283159A
公开(公告)日：2021-08-20
申请号：CN202110462862.6
申请日：2021-04-22
Applicant: 广东工业大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 针对现有的优化算法计算开销大的问题，本发明提供一种基于全局和局部代理辅助的粒子群算法的优化方法及应用，包括：对整个种群进行初始化，得到初始化种群；使用目标函数对所述初始化种群中每个个体进行真实评估，并将所述初始化种群和所述初始化种群中每个个体的适应度值直接保存到数据库DB中；使用全局搜索与局部搜索交替进行的方式，不断通过更新迭代从而把最优个体保存下来；迭代结束后，将现存的最优个体来作为最优组合。本发明所述的方法能够通过全局搜索与局部搜索相结合，有利于加快算法的收敛速度，将搜索与开发达到平衡。
-
公开(公告)号：CN112949702A
公开(公告)日：2021-06-11
申请号：CN202110201538.9
申请日：2021-02-23
Applicant: 广东工业大学
Abstract: 本申请公开了一种网络恶意加密流量识别方法和系统，在空间维度上，利用ResNet‑BiLSTM算法模型的卷积层提取有效特征，利用ResNet‑Inception层解决深层次网络梯度消失难以训练的问题，在时间维度上，利用双向LSTM网络学习网络流量间的潜在时间特征，在提高识别准确率的同时提高了分类器的执行效率，同时还满足了在不侵犯用户隐私的条件下，识别出恶意加密流量的目标，解决了现有的恶意加密流量识别方式采用CNN和RNN，识别准确性和效率不高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN109462876B
公开(公告)日：2021-03-30
申请号：CN201811333880.9
申请日：2018-11-09
Applicant: 广东工业大学
IPC: H04W36/14
Abstract: 本发明公开了一种4G与5G系统数据互操作方法，涉及移动通信领域，包括：在5G系统向4G系统切换过程中，筛选出当前各会话中5G增强属性值及其对应的5G会话标识；将5G增强属性值及其对应的5G会话标识存储于5G属性容器中；当切换为5G系统时，根据5G属性容器存储的会话属性值重建相应的5G会话。该方法在4G与5G来回切换过程中，可以保持5G特有属性的延续，从而可以尽可能保持5G会话的业务体验的一致性，有效提升用户的业务体验。本发明还公开了一种4G与5G系统数据互操作装置、设备及一种可读存储介质，具有上述有益效果。
-
公开(公告)号：CN112528556A
公开(公告)日：2021-03-19
申请号：CN202011374732.9
申请日：2020-11-30
Applicant: 广东工业大学
IPC: G06F30/27 , G06N3/00 , G06F115/04
Abstract: 本发明公开了一种基于集成模型辅助社会学习粒子群算法的微机电系统设计优化方法，根据MEMS的设计变量的控制范围，对种群进行初始化；接着根据选择规则从候选集中选择适量的样本作为训练集来训练集成模型；然后使用社会学习粒子群优化算法对种群进行演化，再由集成模型给出每个个体的适应度预测值；最后使用SMIC加点准则对模型进行管理，其中选择合适的个体进行真实适应度评估；在每次迭代中，都会从候选集缓存中去寻找最优位置，当迭代终止时，最后保存下来的最优个体的位置进而作为MEMS设计中的最优变量组合。本发明不仅可以得到高质量的设计解决方案，还能降低因拟合不佳的代理模型带来的风险，适用于不同类型的MEMS优化问题。
-
公开(公告)号：CN112308117A
公开(公告)日：2021-02-02
申请号：CN202011075681.X
申请日：2020-10-09
Applicant: 广东工业大学
Abstract: 本发明针对单指标聚类算法对公共卫生服务平台无法进行全面分析的不足，提出了一种基于双指标粒子群算法的同质人群识别方法，包括：采集公共卫生服务平台的使用人群信息，作为用户信息数据集；将所述用户信息数据集通过聚类算法获得两个初始适应值；将两个所述初始适应值作为适应函数进行迭代，得到聚类结果，获取同质人群信息数据。本发明通过双指标适应值评价，在两个指标结果的基础上对粒子群聚类进行优化指导，消除单指标的评价倾向性以及扩展内部指标的应用单一性，能够节省人力与时间，全面分析复杂、多样的人群信息。
-
公开(公告)号：CN110347829A
公开(公告)日：2019-10-18
申请号：CN201910562653.1
申请日：2019-06-26
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于两组聚类中心相似度矩阵的自适应调整聚类中心标号的方法，用于解决群体智能进化算法在采用基于划分的形式进行聚类时，构造的种群中个体间各聚类中心随机排列导致的聚类中心标号不一致，即属于不同簇集的聚类中心却排列在同一维度的问题而导致算法种群个体更新效率低下和搜索盲目性的问题。所提出方法采用一种双向选择的竞争淘汰策略，将个体间相似度最大，距离最接近的聚类中心尽量排列在同一维度，保证聚类中心标号一致性的最大化。
-
公开(公告)号：CN109118435A
公开(公告)日：2019-01-01
申请号：CN201810621701.5
申请日：2018-06-15
Applicant: 广东工业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于PReLU的深度残差卷积神经网络图像去噪方法，以深度卷积神经网络为基础，结合高斯噪音模拟未知的真实噪音图像去噪任务，通过一种针对图像去噪的深度卷积神经网络结构，使用PReLU激活函数代替Sigmoid和ReLU函数，增加残差学习减少映射的复杂度，采用优化的网络训练技巧和网络参数设置，全面提升网络的去噪能力。与现有的其它去噪算法相比，本发明在各种不同标准方差混合的高斯噪音环境下性能表现十分优异，在消除噪声的同时能很好地保留图像中的细节信息。
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
