-
公开(公告)号：CN115357944A
公开(公告)日：2022-11-18
申请号：CN202210980922.8
申请日：2022-08-16
Applicant: 河南大学
Abstract: 本发明提供一种基于浅层特征增强和注意力机制的图像篡改检测方法。该方法包括：步骤1：构建篡改图像数据集，并将其分为训练集和测试集；步骤2：设置损失函数，基于损失函数利用训练集对构建的图像篡改检测网络进行训练，得到最优图像篡改检测网络模型；步骤3：利用最优图像篡改检测网络模型对测试集中篡改图像进行检测；其中，图像篡改检测网络包括：特征提取器、特征增强模块和注意力模块；利用特征提取器提取输入图像的浅层特征和深层特征，利用特征增强模块对提取的浅层特征进行重构，并将重构的特征与深层特征进行特征融合，利用注意力模块对融合后的特征进行筛选。本发明具有能有效捕获篡改痕迹的网络结构，实现像素级的篡改区域定位。
-
公开(公告)号：CN114785483A
公开(公告)日：2022-07-22
申请号：CN202210563573.X
申请日：2022-05-23
Applicant: 河南大学
Abstract: 本发明提供一种基于半张量积压缩感知和混合云的医学图像安全传输方法。其中，加密方法包括：根据原始医学图像P的哈希密钥和给定的外部密钥生成混沌序列，并利用混沌序列生成测量矩阵；对原始医学图像P进行边缘检测，根据边缘检测结果将认证图像嵌入至原始医学图像P中得到含有认证信息的图像P1，并将嵌入密钥、哈希密钥和外部密钥发送至接收端；利用混沌序列对图像P1进行稀疏和置乱，得到置乱后的稀疏矩阵P3，将稀疏矩阵P3上传至边缘云；在边缘云上，利用测量矩阵对稀疏矩阵P3进行测量和量化，得到量化后的矩阵P5；对矩阵P5进行编码得到第一认证序列以及对矩阵P5进行扩散，得到密文图像，然后将第一认证序列和密文图像存储至中心云上。
-
公开(公告)号：CN113453335B
公开(公告)日：2022-06-14
申请号：CN202110716487.3
申请日：2021-06-25
Applicant: 河南大学
Abstract: 本文提供了基于DV‑hop改进的凸优化WSNs节点定位方法，包括以下步骤：参考节点根据自身搭载的GPS设备进行精确定位，并广播关于自身信息数据包，其他节点转播该数据包，每个节点保存最小跳数值参考节点的数据包；参考节点根据数据信息包中的跳数值计算出平均跳距并广播到网络，未知节点计算到参考节点间的距离；将未知节点到参考节点之间距离的累积误差建立的非凸目标函数，通过矩阵变换转化为带有非凸约束条件的凸目标函数，随后将非凸约束收紧得到更紧的凸约束求解，从而实现对未知节点位置的精确估计。本发明能够在较少参考节点的前提下确定未知节点的位置，同时降低了能量消耗及成本投入，具有良好的可行性和有效性。
-
公开(公告)号：CN108171318B
公开(公告)日：2022-05-27
申请号：CN201711236180.3
申请日：2017-11-30
Applicant: 河南大学
Abstract: 本发明采用模拟退火和高斯函数的集成方法对全连接层初始化权值和传统滤波器进行优化：首先提取样本的隐层特征映射作为先验信息，并利用模拟退火寻得最优解作为全连接层初始化权值，进而加快权值更新和卷积神经网络收敛；其次在卷积层引入高斯函数，通过高斯函数运算对图像进行平滑，降低噪声对特征提取的干扰，进而提升了卷积神经网络的性能。从而解决了在现有技术中卷积神经网络训练过程中梯度下降易陷入局部最优以及特征提取过程中噪声干扰过大等问题。
-
公开(公告)号：CN113449412A
公开(公告)日：2021-09-28
申请号：CN202110564130.8
申请日：2021-05-24
Applicant: 河南大学
IPC: G06F30/20 , G06K9/62 , G06F111/08 , G06F119/08
Abstract: 本发明公开了一种基于K‑means聚类和综合相关度的机械故障诊断方法，包括如下步骤：首先，获取传感器对各个故障类型的原始观测信息；利用K‑means聚类寻找各个故障类型数据组的质心；计算传感器采集的机械设备运行数据与各个故障类型数据簇质心之间的JS散度和灰色关联度构建综合相关度；对综合相关度进行归一化处理，将其转化为基本概率指派函数；最后，采用Dempster组合规则对基本概率指派函数进行逐个融合，输出最终对机械设备故障类型的决策结果。本发明方案提出的基于K‑means聚类和综合相关度的故障诊断方法，可以有效地对机械设备进行故障诊断，具有重要的理论意义和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN113435034A
公开(公告)日：2021-09-24
申请号：CN202110709595.8
申请日：2021-06-25
Applicant: 河南大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于风险理论的主动传感器管理方法，包括以下步骤：首先，利用风险理论建立目标风险模型，然后，给出了传感器辐射风险和传感器追踪误差的计算方法以量化潜在损失，接着以两种风险的加权和最小为优化目标建立了目标函数，为获得更好的作战收益和提高目标函数的求解效率，利用凸优化工具包对目标函数进行求解。本发明利用风险理论建立模型，根据传感器辐射风险和传感器追踪误差构建目标函数，并利用凸优化理论对目标函数进行优化求解来得到目标函数的最优解，提高目标函数的求解效率。
-
公开(公告)号：CN113177610A
公开(公告)日：2021-07-27
申请号：CN202110564166.6
申请日：2021-05-24
Applicant: 河南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于模糊分类的加权冲突证据融合方法，包括如下步骤：首先由传感器获得多个证据的信息，通过区间概率赋值转换公式将证据转变为单子集证据，将证据看作向量后，得到证据之间的隶属度，然后通过隶属度矩阵求出模糊等价矩阵，再根据阈值对证据进行模糊分类。求取同一类证据之间的相互支持度，以相互支持度为依据得到同一类证据中各证据的权重，对证据进行加权平均融合。融合后的新证据，根据证据之间的相关支持度与各证据获得的信任度结合来获得各证据的权重，证据加权融合后，进行次自身DS融合。本发明通过将证据进行模糊分类，将属于同类的证据与不同类的证据采用不同的方法获取权重，具有重要的理论意义和应用价值。
-
公开(公告)号：CN111260502B
公开(公告)日：2021-04-27
申请号：CN202010025380.X
申请日：2020-01-10
Applicant: 河南大学
Abstract: 本发明公开了一种基于相似度和虚假度的冲突证据融合方法，包括获取电力系统的故障诊断信息，并转换为证据信息，利用证据之间所有同一焦元基本概率分配值的最大值和最小值之间的关系，定义新的证据之间的相似度和虚假度，二者结合证据权重系数的关系和借鉴Murphy方法进行再次修正，最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终结果。本发明综合考虑证据之间的相似度和虚假度，利用证据中所有同一焦元的基本概率赋值的相似度衡量各证据对同一命题的相互支持程度，综合考虑证据之间所有焦元的相互支持程度和衡量融合证据的冲突程度的虚假度，共同确定融合证据的权重系数，实现电力系统故障诊断的快速、准确处理。
-
公开(公告)号：CN108169722A
公开(公告)日：2018-06-15
申请号：CN201711236179.0
申请日：2017-11-30
Applicant: 河南大学
Abstract: 本发明所采用的技术方案是：首先通过两部传感器对同一目标的状态的滤波值，构造关于传感器系统偏差的伪量测方程；其次进行与传感器系统偏差状态转移方程的联合，构成新的传感器量测系统模型；最后通过利用与该系统对应的滤波算法进行滤波估计，从而估计出各个传感器的系统偏差。采用本发明所提出的技术方案可有效解决在机动目标的动态演化模型未知且在量测过程中受到外界未知扰动影响的问题，且可对传感器的系统偏差进行准确计算。
-
公开(公告)号：CN114785483B
公开(公告)日：2025-05-02
申请号：CN202210563573.X
申请日：2022-05-23
Applicant: 河南大学
Abstract: 本发明提供一种基于半张量积压缩感知和混合云的医学图像安全传输方法。其中，加密方法包括：根据原始医学图像P的哈希密钥和给定的外部密钥生成混沌序列，并利用混沌序列生成测量矩阵；对原始医学图像P进行边缘检测，根据边缘检测结果将认证图像嵌入至原始医学图像P中得到含有认证信息的图像P1，并将嵌入密钥、哈希密钥和外部密钥发送至接收端；利用混沌序列对图像P1进行稀疏和置乱，得到置乱后的稀疏矩阵P3，将稀疏矩阵P3上传至边缘云；在边缘云上，利用测量矩阵对稀疏矩阵P3进行测量和量化，得到量化后的矩阵P5；对矩阵P5进行编码得到第一认证序列以及对矩阵P5进行扩散，得到密文图像，然后将第一认证序列和密文图像存储至中心云上。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.027 seconds)
