-
公开(公告)号：CN109003287A
公开(公告)日：2018-12-14
申请号：CN201810821387.5
申请日：2018-07-24
Applicant: 昆山智易知信息科技有限公司 , 陕西汇智易知信息科技有限公司 , 西安电子科技大学
Abstract: 本发明公开了一种基于改进遗传算法的图像分割方法，主要解决现有技术对具有复杂背景下的目标图像进行分割时，分割精度不够，会丢失图像原有信息的问题。其实现方案时：1.将输入的彩色RGB图像处理成灰度图pic；2.生成初始种群p，并对种群p中的所有个体进行处理；3.将种群p中的个体值进行求和并将结果作为参数来构建改进后的个体适应度函数；4.将改进后的个体适应度函数作为遗传算法中的适应度函数，对种群中的个体进行迭代运算，获得最佳分割图像的阈值g；5.使用最佳分割阈值进行目标图像分割。本发明可用于在复杂背景下的可见光目标检测。
-
公开(公告)号：CN108806199A
公开(公告)日：2018-11-13
申请号：CN201810589195.6
申请日：2018-06-08
Applicant: 昆山智易知信息科技有限公司 , 陕西汇智易知信息科技有限公司 , 西安电子科技大学
Abstract: 本发明公开了一种基于ID3决策树和神经网络的海面溢油监测系统阈值设定方法，主要解决现有技术不能很好地适用于监测环境复杂、探测距离多变的问题。监测系统通过互联网获取被监测海域的天气、潮汐、太阳高度、紫外线这些环境信息；根据设定的时间界限选择使用ID3决策树监测阈值或神经网络监测阈值；将被监测海面的监测数据进行匹配滤波处理并得到一个数据最大值，判断该最大值是否超过监测阈值，若是，则发送警报，若否，则判定海面未发生溢油；工作人员收到警报后，通过实时画面判断是否真正发生溢油，若是，则立即处理，若否，则人工修改阈值，并重新构造ID3决策树或训练神经网络。本发明提高了监测精度，可用于海面溢油监测。
-
公开(公告)号：CN108171057A
公开(公告)日：2018-06-15
申请号：CN201711402292.1
申请日：2017-12-22
Applicant: 西安电子科技大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于特征匹配的Android平台恶意软件检测方法，主要解决现有技术对安卓恶意软件检测准确率低的问题。其实现是：1)获取安卓应用程序，构建安卓应用程序数据集，并对该数据集进行预处理；2)构建敏感应用程序编程接口数据集；3)获取安卓应用程序运行时trace文件；4)将trace文件转换成txt文件并解析；5)提取应用程序的频繁应用程序编程接口调用序列，获取各恶意软件家族的匹配特征及其权重，再构建安卓恶意软件特征库；6)提取待测安卓应用程序的调用序列与安卓恶意软件特征库进行匹配，检测该待测安卓应用程序的属性。本发明具有良好的检测准确率，可用于对安卓手机安装软件的检测。
-
公开(公告)号：CN107153789A
公开(公告)日：2017-09-12
申请号：CN201710269007.7
申请日：2017-04-24
Applicant: 西安电子科技大学
IPC: G06F21/56
CPC classification number: G06F21/566
Abstract: 一种利用随机森林分类器实时检测安卓恶意软件的方法，包括(1)收集网络数据；(2)应用程序接口调用数据流分组；(3)提取数据流最小单元；(4)提取调用序列特征；(5)训练隐马尔科夫模型；(6)训练随机森林模型；(7)提取待检测样本的应用程序接口数据流特征；(8)将待检测样本的特征向量输入随机森林检测模型，判断字段网络特征检测模型的输出是否为恶意软件类别；(9)输出待检测样本对应的恶意软件类别。本发明能够实时检测恶意软件以及对网络中传输的软件进行检测具有良好的检测准确率。
-
公开(公告)号：CN104680179A
公开(公告)日：2015-06-03
申请号：CN201510102212.5
申请日：2015-03-09
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于邻域相似度的数据降维方法，主要解决现有方法仅用欧氏距离来衡量样本邻域结构从而导致数据结构不均衡时识别结果不理想的问题。其实现步骤是：(1)输入数据并归一化，随机初始化基矩阵和系数矩阵；(2)计算样本的对角协方差矩阵；(3)由对角协方差矩阵计算KL离散度；(4)由KL离散度计算邻域样本相似度；(5)计算样本的邻域类标分布矩阵；(6)由邻域类标分布矩阵计算邻域类标相似度；(7)由邻域样本相似度和邻域类标相似度计算邻域相似度；(8)根据邻域相似度应用于迭代准则，得到降维后的基矩阵和系数矩阵。本发明准确率高，能有效地对数据进行特征提取与降维，可用于数据与图像处理。
-
Patent Agency Ranking
公开(公告)号：CN103714340A
公开(公告)日：2014-04-09
申请号：CN201410010605.9
申请日：2014-01-09
Applicant: 西安电子科技大学
IPC: G06K9/46
Abstract: 本发明提出了一种基于图像分块的自适应特征提取方法，主要解决现有基于PCA的特征提取方法需要将图像进行向量化从而导致特征提取后识别结果不理想的问题。其实现步骤是：(1)输入图像集，并随机划分为训练图像集和测试图像集；(2)对训练图像集中的图像进行分块，构成训练子块图像集；(3)分别计算训练图像集与训练子块图像集的像素点灰度值方差和；(4)比较训练图像集与训练子块图像集的像素点灰度值方差和，求取特征最佳投影矩阵；(5)提取训练图像集和测试图像集的图像特征；(6)对测试图像集的图像进行识别，验证特征提取效果。本发明与现有技术对比具有识别率高，适应性广等优点，有效地对图像进行特征提取，可用于目标识别。
-
公开(公告)号：CN101605118A
公开(公告)日：2009-12-16
申请号：CN200910023250.6
申请日：2009-07-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种HF－VHF通信帧同步系统及方法，主要解决现有帧同步方法消耗器件资源多、帧同步性能差的问题。其帧同步过程是：在发送端将一条PN序列重复M次构成帧同步序列，并在其后插入控制信息或者数据组成完整的数据帧发送出去；在接收端用一个相关器对接收信号与本地PN序列进行相关运算，并将相关值写入一个存储单元，该存储单元输出M路并行的相关值给并行判决器，如果M路并行的相关值都达到预先设定的门限值，则开启M个长度为N的观察窗口，对窗口中位置相同的相关值取均值，根据这N个均值中最大值的位置产生帧同步定时信号；否则，继续进行捕获。本发明具有消耗器件资源少，帧同步性能好的特点，可用于在HF－VHF通信中实现帧同步。
-
公开(公告)号：CN119762494A
公开(公告)日：2025-04-04
申请号：CN202411916674.6
申请日：2024-12-24
Applicant: 西安电子科技大学
IPC: G06T7/10 , G06N3/0464 , G06N3/045 , G06V10/764 , G06V20/10 , G06V10/82 , G06N3/048 , G06V10/26 , G06N3/084
Abstract: 一种基于全卷积神经网络的端到端极化SAR图像超像素分割方法、系统、设备及介质，方法为：包含极化特征与位置信息的输入；构建基于全卷积神经网络的极化SAR图像的超像素分割模型，输出超像素分割结果；训练超像素分割模型；将处理后且关联位置信息的极化特征输入训练好的超像素分割模型，得到超像素分割结果，并将超像素分割结果处理后作为极化SAR图像分类模型的输入，训练极化SAR图像分类模型；利用训练好的极化SAR图像分类模型对极化SAR图像进行分类，得到结合超像素分割的极化SAR图像分类结果；系统、设备及介质用于实现该方法；本发明具有无需传统的聚类方法快速生成高质量的超像素分割结果、易于与后续极化SAR图像分类深度学习模型进行结合的优点。
-
公开(公告)号：CN119494859A
公开(公告)日：2025-02-21
申请号：CN202411646690.8
申请日：2024-11-18
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/0442 , G06V10/25 , G06V10/40 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 一种基于动态图结构细胞长短期记忆网络的目标长时轨迹预测方法、系统、设备及介质，该方法利用目标交互结构图在表示运动空间中交互信息的有效性，结合图卷积神经网络传递主体目标的隐式特征，以及根据图注意力机制的特征筛选机制，关注不同维度的信息特征，通过增加空间信息记忆单元，增强长短期记忆网络(LSTM)处理空间结构信息的能力，使改进后的LSTM网络能够同时处理运动空间的时序信息以及空间信息；系统、设备及介质用于实现该方法；本发明通过图卷积算法、图注意力机制以及LSTM网络的特点，能够有效地解决目标长时轨迹预测中的轨迹终点预测模糊问题，可以取得更好的效果，预测结果与真实值具有更小的误差。
-
公开(公告)号：CN119007240A
公开(公告)日：2024-11-22
申请号：CN202411005990.8
申请日：2024-07-25
Applicant: 西安电子科技大学
IPC: G06V40/10 , G06V40/20 , G06V20/64 , G06V10/34 , G06V10/426 , G06V10/82 , G06N3/042 , G06N3/0464
Abstract: 一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质，方法包括：使用2D姿态检测器对输入图像或视频进行检测，获取图像或视频中人体的2D关节点坐标；对2D关节点坐标执行统一的标准化处理；构建图邻接矩阵用于表示图结构模型；将经标准化处理的2D关节点坐标作为图卷积神经网络的初始输入特征，为图卷积神经网络提供初始的2D关节点信息，采用逐次超松弛迭代方法，结合构建的图邻接矩阵，对初始输入特征进行更新，经过SOR循环迭代更新后，图卷积神经网络最终输出预测的3D人体姿态，包括人体各个关节的3D坐标；系统、设备及介质用于实现该方法；本发明提高网络的计算效率，降低过度拟合的风险，取得更好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.037 seconds)
