-
公开(公告)号：CN115543797A
公开(公告)日：2022-12-30
申请号：CN202211193654.1
申请日：2022-09-28
Applicant: 山东工商学院 , 烟台中科网络技术研究所
Abstract: 本发明涉及集成电路设计技术领域，尤其涉及一种基于UVM的总线转换桥验证方法、装置、设备及存储介质，所述方法获取待测模块的输入参数，基于总线转换桥AMBA协议接口规范，确定所述输入参数对应的验证需求和验证策略；基于所述验证需求和所述验证策略，确定目标接口，并基于UVM基类库，建立所述目标接口对应的约束激励；基于验证模型和所述约束激励，对所述待测模块进行验证，输出验证结果。通过对输入参数的分析，确定对应的验证需求和验证策略，从而确定需要用到的验证模型，对待测模块进行验证测试。通过基于UVM的总线转换桥验证方法，可以提高系统的可重用性和验证平台搭建的自动化程度，提高了验证的工作效率。
-
公开(公告)号：CN114841981A
公开(公告)日：2022-08-02
申请号：CN202210553478.1
申请日：2022-05-20
Applicant: 烟台中科网络技术研究所
IPC: G06T7/00 , G06V30/148 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于分割网络的零件缺陷检测与字符识别方法及装置。所述方法包括：获取一定数量的具有缺陷的零件图像并对获得的零件图像进行分类标注，得到分类标注训练数据集，分类标注的分类类型包括缺陷轮廓类型和字符轮廓类型，基于并行反向注意力的PraNet网络构建分割模型；对分割模型进行训练；使用训练好的分割模型对零件图像进行缺陷检测。本发明的方法可以准确定位缺陷和字符的位置，有效识别现有OCR方法无法识别的字符，提高生产效率和产品质量把控。
-
公开(公告)号：CN113132383B
公开(公告)日：2022-03-25
申请号：CN202110421317.2
申请日：2021-04-19
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
IPC: H04L69/22 , H04L67/562 , G06N3/08
Abstract: 本发明涉及大数据技术领域。本发明公开了一种网络数据采集系统，该系统包括服务器，服务器包括：任务下发模块，用于创建用户信息获取任务，将用户信息获取任务分配至不同的任务池，计算任务池优先级，根据任务下发规则，得到并传输具有优先级参数的用户信息获取任务；数据解析模块，与任务下发模块数据连接，用于获取来自中间代理服务端的用户信息流量数据，数据解析模块构建报文解析神经网络模型，将待解析报文信息输入训练后报文解析神经网络模型，判断待解析报文信息中是否包括指定用户信息并提取。通过设置任务优先级，优先处理重要的任务，提高任务处理效率。本公开实施例还公开了一种网络数据采集方法。
-
公开(公告)号：CN113177163A
公开(公告)日：2021-07-27
申请号：CN202110468792.5
申请日：2021-04-28
Applicant: 烟台中科网络技术研究所
IPC: G06F16/9536 , G06F16/955 , G06F16/783 , G06F16/583 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种用于社交动态信息情感分析的方法，该方法包括：步骤S1：获取用户原始社交动态信息，并对用户原始社交动态信息进行预处理，得到处理后社交动态信息，其中，用户原始社交动态信息包括：文本信息、图片统一资源定位符信息和视频统一资源定位符信息中的至少一种；步骤S2：计算处理后社交动态信息的情感倾向概率；步骤S3：根据情感倾向概率，得到社交动态信息情感分类。可以对社交动态信息中的文本、图片和视频信息类型中的至少一种进行情感倾向概率的计算，进而对用户进行情感倾向分析。本公开实施例还公开了一种用于社交动态信息情感分析的系统和存储介质。
-
公开(公告)号：CN112990220A
公开(公告)日：2021-06-18
申请号：CN202110417894.4
申请日：2021-04-19
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及人工智能技术领域，特别涉及一种图像中目标文本智能识别方法。该方法步骤如下：将目标文本由像素点坐标表示，输入目标文本像素点坐标值对像素坐标识别神经网络进行训练，获得文本自编码模型和目标文本的表述特征；根据区域的高度值计算背景区域数量，提取覆盖背景区域，剩余区域为前景区域；利用训练好的文本自编码模型在前景区域中获得待识别的文本的表述特征，将文本的表述特征与期望的目标文本的表述特征进行对比判断，若两者误差达到预设阈值，则识别文字为目标文本。本发明还提供一种图像中目标文本智能识别系统。本发明通过基于文本自编码模型来识别目标文本，能够精准定位目标文本在图像中的位置，计算复杂度低，识别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN110505348B
公开(公告)日：2020-10-09
申请号：CN201910794491.4
申请日：2019-08-27
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种APP收集用户个人敏感信息的风险评估方法，通过对APP进行静态分析以及动态分析，得出权限评分、调用函数评分、SDK评分、流量包参数评分和域名评分，再进行加权求和，得出被评估APP的最终评分，根据评估矩阵得出被评估APP的风险评级；根据风险评级反向维护SDK风险权重库和域名风险权重库，对SDK或域名进行风险权重的修正。本发明的APP收集用户个人敏感信息的风险评估方法包含用户输入的用户个人敏感信息、非用户输入的潜在用户个人敏感信息，对APP收集用户个人敏感信息的风险程度进行量化，更全面的涵盖了多种敏感信息点，细化了APP收集用户个人敏感信息的风险大小，能大批量的评估APP收集用户个人敏感信息的风险程度。
-
公开(公告)号：CN110297854B
公开(公告)日：2020-07-07
申请号：CN201910584861.1
申请日：2019-07-01
Applicant: 烟台中科网络技术研究所
IPC: G06F16/2458 , G06F16/955
Abstract: 本发明公开了一种APP域名核验方法，包括S1、获取待测APP所有操作产生的原始数据流量包；S2、以公共API知识库对原始数据流量包进行过滤，去除公共URL，获得剩余数据流量包；S3、对剩余数据流量包进行综合计算，对包括但不限于“URL请求次数”、“URL对应数据流量包的大小”、“URL与操作事件的对应关系”分别进行量化处理，归一化处理，再进行加权平均，获得一级域名对应的综合分值；S4、确定待测APP的实际域名，按照一级域名对应的综合分值进行从大到小排序；从序列中数值最大的一端开始，取至少1个一级域名设为APP的域名；S5、检验APP实际域名是否已进行备案；由此本发明可以确定并核验APP实际域名。本发明还公开了一种APP域名核验系统。
-
公开(公告)号：CN111192091A
公开(公告)日：2020-05-22
申请号：CN201911422307.X
申请日：2019-12-30
Applicant: 烟台中科网络技术研究所
Abstract: 本发明公开了一种通信企业集团客户成员识别方法，包括：根据基础训练数据进行特征工程，获取关键特征；根据关键特征从基础训练数据中选取训练数据，并利用训练数据对识别模型训练；根据预设指标对识别模型的识别效果进行评估，根据评估结果对模型参数进行调整，直至评估结果达到预设值，得到最优识别模型；根据关键特征，利用最优识别模型对新增业务数据进行通信企业集团客户成员识别。本发明通过特征工程获取对识别影响重要的关键特征，避免了特征选取的盲目性，进一步提高识别质量、性能、效果和识别效率。本发明还公开了一种存储介质和计算机设备。
-
公开(公告)号：CN104951548A
公开(公告)日：2015-09-30
申请号：CN201510355005.0
申请日：2015-06-24
Applicant: 烟台中科网络技术研究所
IPC: G06F17/30
CPC classification number: G06F17/30705 , G06F17/30737 , G06F17/30867
Abstract: 本发明涉及一种负面舆情指数的计算方法及系统，包括步骤S1，对待分类文本进行基于情感词典的正负面分类和基于Mode l模型的SVM分类，分别得到分类结果1和分类结果2；步骤S2，若所述分类结果1与所述分类结果2的值都为负面，则认为待分类文本为负面，继续执行步骤S3；若所述分类结果1与所述分类结果2的值不都为负面，则认为待分类文本为非负面，计算结束；步骤S3，将待分类文本分别与用户标注负面词典和训练集关键词典匹配，分别得到负面指标1和负面指标2；步骤S4，将所述分类结果1、所述负面指标1和所述负面指标2进行线性组合，得到待分类文本的负面舆情指数。本发明计算出的负面舆情指数准确率高，计算语料范围广且能够实时计算。
-
公开(公告)号：CN1200343C
公开(公告)日：2005-05-04
申请号：CN02107782.7
申请日：2002-03-22
Applicant: 中国科学院计算技术研究所
Inventor： 王海洋
Abstract: 本发明一种适用于上下文切换的分支预测方法，包含下列步骤：a)将进入预测器的分支指令进行进程号的比较；b)依据比较结果，如果相等或全局位为“1”，对于不同的进程号采用不同的全局分支历史寄存器，并读取其中的分支历史寄存器，并对全局位为“1”，使用一个固定的；c)如果比较结果不等且全局位不为“1”，选择一个空的分支历史寄存器，在没有空闲分支历史寄存器时，选择一个分支历史寄存器进行替换；d)使用读出的全局分支历史与分支指令的地址进行操作，形成模式表的索引；e)访问模式表，读出相关内容；f)根据查找到的结果进行预测，决定是否跳转。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.075 seconds)
